Kartu model Google DeepMind. · sumber
Kartu model Google DeepMind. · sumber
Kartu model Google DeepMind (UI: jendela 1/1/2025-5/1/2025). · sumber
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 Mar 2026 | 0.60 |
|---|---|
| Google just launched Gemini 3.1 Flash-Lite — 7 prompts to test its new 'Thinking' mode · 3 Mar 2026 | 0.50 |
| Google Deepmind's Gemini 3.1 Flash-Lite generates websites almost in real time · 24 Mar 2026 | 0.40 |
Foto dari pembaca, terpisah dari media bersumber milik pin. Nilai apa yang Anda makan atau lihat, dan di pin restoran, tandai hidangan langsung pada foto Anda.
Entri pertama selalu merupakan sumber pin. Keyakinan keseluruhan adalah rata-rata tertimbang dari seberapa kuat setiap referensi mendukung waktu mulai dan berakhir yang digunakan di atas; bobot sebuah referensi berkurang setengahnya untuk setiap 180 hari lebih lama dari yang terbaru.
Unggahan Google “Gemini 3.1 Flash-Lite: Built for intelligence at scale” bertanggal 3 Maret 2026 dan menyatakan model ini diluncurkan dalam pratinjau pada hari itu kepada pengembang lewat Gemini API dan kepada perusahaan lewat 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.
Ada yang kurang atau salah? Sampaikan dengan kata-kata Anda sendiri: tautan yang mendukung pin ini, tanggal mulai atau berakhir yang berbeda beserta alasannya, atau fakta yang kurang atau keliru. AI memeriksanya terhadap sumber pin ini, mencari sumber yang lebih baik, dan menambahkan halaman mana pun yang mendukung Anda. Sumber pin itu sendiri tetap paling diperhitungkan. Gambar yang menampilkan hal lain, atau menampilkannya dengan buruk, juga diperiksa, lalu diturunkan atau diganti.
Judul asli: Gemini 3.1 Flash-Lite Released
| Tolok ukur | 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 |
|---|---|---|---|---|---|---|
| Harga masukan ($/1 juta token, tanpa caching, makin rendah makin baik) | $0.25 | $0.30 | $0.10 | $0.25 | $1.00 | $0.20 |
| Harga keluaran ($/1 juta token, makin rendah makin baik) | $1.50 | $2.50 | $0.40 | $2.00 | $5.00 | $0.50 |
| Kecepatan keluaran (Token / dtk) | 363 | 249 | 366 | 71 | 108 | 145 |
| Humanity’s Last Exam (Penalaran akademik (set penuh, teks + MM), tanpa alat) | 16.0% | 11.0% | 6.9% | 16.7% | 9.7% | 17.6% |
| GPQA Diamond (Pengetahuan ilmiah, tanpa alat) | 86.9% | 82.8% | 66.7% | 82.3% | 73.0% | 84.3% |
| MMMU-Pro (Pemahaman dan penalaran multimodal, tanpa alat) | 76.8% | 66.7% | 51.0% | 74.1% | 58.0% | 63.0% |
| CharXiv Reasoning (Sintesis informasi dari grafik kompleks) | 73.2% | 63.7% | 55.5% | 75.5% | 61.7% | 31.6% |
| Video-MMMU (Perolehan pengetahuan dari video) | 84.8% | 79.2% | 60.7% | 82.5% | — | 74.6% |
| SimpleQA Verified (Pengetahuan parametrik) | 43.3% | 28.1% | 11.5% | 9.5% | 5.5% | 19.5% |
| FACTS Benchmark Suite (Tolok ukur faktualitas lintas grounding, parametrik, pencarian, dan MM.) | 40.6% | 50.4% | 17.9% | 33.7% | 18.6% | 42.1% |
| MMMLU (Tanya jawab multibahasa) | 88.9% | 86.6% | 84.5% | 84.9% | 83.0% | 86.8% |
| LiveCodeBench (Pembuatan kode (UI: 1/1/2025-5/1/2025)) | 72.0% | 62.6% | 34.3% | 80.4% | 53.2% | 76.5% |
| MRCR v2 (8-needle) (Kinerja konteks panjang, 128k (rata-rata)) | 60.1% | 54.3% | 30.6% | 52.5% | 35.3% | 54.6% |
| MRCR v2 (8-needle) (Kinerja konteks panjang, 1M (pointwise)) | 12.3% | 21.0% | 5.4% | — | — | 6.1% |