Carte modèle Google DeepMind. · source
Carte modèle Google DeepMind. · source
Carte modèle Google DeepMind (UI : fenêtre 1/1/2025-5/1/2025). · source
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (3 Mar 2026, preview). Reasoning: Artificial Analysis Intelligence Index 34 at launch (v4.0; The Decoder 3 Mar 2026), nearest anchor 35. Coding null: no Terminal-Bench 4.0 (Google published LiveCodeBench 72.0%). Context 1M tokens (DeepMind model card). Price $0.25 in / $1.50 out per 1M = $0.5625 blended at 3:1. Speed 363 output tokens/s (Google's benchmark table, Artificial Analysis data; The Decoder: over 360). Input text, image, audio, video.[1]
On multimodal tasks, it beats top-tier models like Claude Opus 4.6 and Kimi K2.5, hitting 78 percent on the MMMU-Pro benchmark.
While Claude also has the same 1-million token context window, this model is arguably the best model for summarizing boring paperwork because it's so cheap to run.
The results aren't consistent, and the content quickly drifts into nonsense, but with tight guardrails, there could be some interesting use cases, like quick UI mockups to visualize ideas.
| Google's fastest and cheapest model Gemini 3.1 Flash-Lite got smarter but also tripled the price · 3 mars 2026 | 0.60 |
|---|---|
| Google just launched Gemini 3.1 Flash-Lite — 7 prompts to test its new 'Thinking' mode · 3 mars 2026 | 0.50 |
| Google Deepmind's Gemini 3.1 Flash-Lite generates websites almost in real time · 24 mars 2026 | 0.40 |
Photos de lecteurs, distinctes des médias sourcés du pin. Notez ce que vous avez mangé ou vu et, sur un pin de restaurant, identifiez les plats directement sur votre photo.
La première entrée est toujours la source de l’épingle. La confiance globale est une moyenne pondérée de la fermeté avec laquelle chaque référence étaye les heures de début et de fin retenues ci-dessus ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récente.
L'article de Google « Gemini 3.1 Flash-Lite: Built for intelligence at scale » est daté du 3 mars 2026 et indique qu'il est déployé en préversion ce jour-là auprès des développeurs via l'API Gemini et des entreprises via Vertex AI.
The Wikipedia article lists Gemini 3.1 Flash-Lite as released on 3 March 2026.
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
Il manque quelque chose ou une erreur s'est glissée ? Dites-le avec vos mots : un lien qui étaye cette épingle, une autre date de début ou de fin et pourquoi, ou une information absente ou erronée. L'IA la vérifie au regard des sources de l'épingle, en cherche de meilleures et ajoute toute page qui vous donne raison. Les sources de l'épingle restent celles qui comptent le plus. L'IA regarde aussi les images : une image qui montre autre chose, ou qui le montre mal, passe en dernier ou est remplacée.
Titre original: Gemini 3.1 Flash-Lite Released
| 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 |
|---|---|---|---|---|---|---|
| Prix d'entrée ($/1M de jetons, sans cache, plus bas = mieux) | $0.25 | $0.30 | $0.10 | $0.25 | $1.00 | $0.20 |
| Prix de sortie ($/1M de jetons, plus bas = mieux) | $1.50 | $2.50 | $0.40 | $2.00 | $5.00 | $0.50 |
| Vitesse de sortie (jetons / s) | 363 | 249 | 366 | 71 | 108 | 145 |
| Humanity’s Last Exam (raisonnement académique (jeu complet, texte + MM), sans outils) | 16.0% | 11.0% | 6.9% | 16.7% | 9.7% | 17.6% |
| GPQA Diamond (connaissances scientifiques, sans outils) | 86.9% | 82.8% | 66.7% | 82.3% | 73.0% | 84.3% |
| MMMU-Pro (compréhension et raisonnement multimodaux, sans outils) | 76.8% | 66.7% | 51.0% | 74.1% | 58.0% | 63.0% |
| CharXiv Reasoning (synthèse d'informations à partir de graphiques complexes) | 73.2% | 63.7% | 55.5% | 75.5% | 61.7% | 31.6% |
| Video-MMMU (acquisition de connaissances à partir de vidéos) | 84.8% | 79.2% | 60.7% | 82.5% | — | 74.6% |
| SimpleQA Verified (connaissances paramétriques) | 43.3% | 28.1% | 11.5% | 9.5% | 5.5% | 19.5% |
| FACTS Benchmark Suite (benchmark de factualité : ancrage, connaissances paramétriques, recherche et MM.) | 40.6% | 50.4% | 17.9% | 33.7% | 18.6% | 42.1% |
| MMMLU (questions-réponses multilingues) | 88.9% | 86.6% | 84.5% | 84.9% | 83.0% | 86.8% |
| LiveCodeBench (génération de code (UI : 1/1/2025-5/1/2025)) | 72.0% | 62.6% | 34.3% | 80.4% | 53.2% | 76.5% |
| MRCR v2 (8-needle) (performance en contexte long, 128k (moyenne)) | 60.1% | 54.3% | 30.6% | 52.5% | 35.3% | 54.6% |
| MRCR v2 (8-needle) (performance en contexte long, 1M (ponctuel)) | 12.3% | 21.0% | 5.4% | — | — | 6.1% |