- Beginn
- 3. März 202690 % SICHERHEITlaut der Quelle
Gemini 3.1 Flash-Lite veröffentlicht
Automatisch aus dem Original übersetzt
Originaltitel: Gemini 3.1 Flash-Lite Released
- Google stellte Gemini 3.1 Flash-Lite am 3. März 2026 vor, „unser schnellstes und kosteneffizientestes Modell der Gemini-3-Reihe“, gebaut für Entwickler-Workloads mit hohem Volumen[1]
- Es ist schneller als 2.5 Flash, mit einer 2.5-fach schnelleren Zeit bis zum ersten Antwort-Token und 45% höherer Ausgabegeschwindigkeit bei ähnlicher oder besserer Qualität[1]
Wichtige Merkmale
- Preis von $0.25 pro Million Eingabe-Token und $1.50 pro Million Ausgabe-Token[1]
- Geeignet für Übersetzung, Inhaltsmoderation, das Erzeugen von Benutzeroberflächen und den Bau von Simulationen[1]
- Als Vorschau über die Gemini API in Google AI Studio und Vertex AI verfügbar[1]
Benchmarks[3]
| Benchmark | Gemini 3.1 Flash-Lite | Gemini 2.5 Flash | Gemini 2.5 Flash-Lite | GPT-5 mini | Claude 4.5 Haiku | Grok 4.1 Fast |
|---|---|---|---|---|---|---|
| Eingabepreis ($/1M Token, ohne Caching, niedriger ist besser) | $0.25 | $0.30 | $0.10 | $0.25 | $1.00 | $0.20 |
| Ausgabepreis ($/1M Token, niedriger ist besser) | $1.50 | $2.50 | $0.40 | $2.00 | $5.00 | $0.50 |
| Ausgabegeschwindigkeit (Token / s) | 363 | 249 | 366 | 71 | 108 | 145 |
| Humanity’s Last Exam (Akademisches Reasoning (Gesamtset, Text + MM), ohne Werkzeuge) | 16.0% | 11.0% | 6.9% | 16.7% | 9.7% | 17.6% |
| GPQA Diamond (Naturwissenschaftliches Wissen, ohne Werkzeuge) | 86.9% | 82.8% | 66.7% | 82.3% | 73.0% | 84.3% |
| MMMU-Pro (Multimodales Verstehen und Reasoning, ohne Werkzeuge) | 76.8% | 66.7% | 51.0% | 74.1% | 58.0% | 63.0% |
| CharXiv Reasoning (Informationssynthese aus komplexen Diagrammen) | 73.2% | 63.7% | 55.5% | 75.5% | 61.7% | 31.6% |
| Video-MMMU (Wissenserwerb aus Videos) | 84.8% | 79.2% | 60.7% | 82.5% | — | 74.6% |
| SimpleQA Verified (Parametrisches Wissen) | 43.3% | 28.1% | 11.5% | 9.5% | 5.5% | 19.5% |
| FACTS Benchmark Suite (Faktentreue-Benchmark für Grounding, parametrisches Wissen, Suche und MM.) | 40.6% | 50.4% | 17.9% | 33.7% | 18.6% | 42.1% |
| MMMLU (Mehrsprachige Fragen und Antworten) | 88.9% | 86.6% | 84.5% | 84.9% | 83.0% | 86.8% |
| LiveCodeBench (Code-Generierung (UI: 1/1/2025-5/1/2025)) | 72.0% | 62.6% | 34.3% | 80.4% | 53.2% | 76.5% |
| MRCR v2 (8-needle) (Leistung bei langem Kontext, 128k (Durchschnitt)) | 60.1% | 54.3% | 30.6% | 52.5% | 35.3% | 54.6% |
| MRCR v2 (8-needle) (Leistung bei langem Kontext, 1M (punktweise)) | 12.3% | 21.0% | 5.4% | — | — | 6.1% |
Belege 385 % SICHERHEITGesamtvertrauen: 85%Wie gut die Quelle und die Belege des Pins seine Termine stützen.Gewichteter Durchschnitt, wie fest 3 Belege einschließlich der Quelle die Start- und Endzeiten des Pins stützen; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so vielAlle Pins mit mindestens 75 % Sicherheit anzeigen
Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
- [1]90%blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-liteblog.google· Gepostet am 30. Sept. 2026· Beginn 3. März 2026 ✓· 41 % der Wertung
Googles Beitrag „Gemini 3.1 Flash-Lite: Built for intelligence at scale“ datiert vom 3. März 2026 und erklärt, es werde an diesem Tag als Vorschau für Entwickler über die Gemini API und für Unternehmen über Vertex AI ausgerollt.
- [2]75%Gemini (language model) - Wikipediaen.wikipedia.org· Hinzugefügt am 30. Sept. 2026· 41 % der Wertung
The Wikipedia article lists Gemini 3.1 Flash-Lite as released on 3 March 2026.
- [3]95%Gemini 3.1 Flash-Lite - Model Carddeepmind.google· Veröffentlicht am 3. März 2026· 18 % der Wertung
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
Korrektur vorschlagen
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
