Scheda modello Google DeepMind. · fonte
Scheda modello Google DeepMind. · fonte
Scheda modello Google DeepMind (interfaccia utente: finestra 1/1/2025-5/1/2025). · fonte
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 dei lettori, separate dai media con fonti del pin. Valuta ciò che hai mangiato o visto e, su un pin di ristorante, tagga i piatti direttamente sulla tua foto.
La prima voce è sempre la fonte del pin. L’affidabilità complessiva è una media ponderata di quanto ogni fonte conferma gli orari di inizio e fine indicati sopra; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recente.
Il post di Google «Gemini 3.1 Flash-Lite: Built for intelligence at scale» è datato 3 marzo 2026 e dice che viene distribuito in anteprima quel giorno agli sviluppatori tramite l'API di Gemini e alle aziende tramite 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.
Manca qualcosa o c’è un errore? Dillo con parole tue: un link che conferma questo pin, una data di inizio o fine diversa e perché, o un fatto che manca o è sbagliato. L’IA lo confronta con le fonti del pin, ne cerca di migliori e aggiunge qualsiasi pagina ti dia ragione. Le fonti del pin contano comunque di più. Anche un’immagine che mostra altro, o lo mostra male, viene esaminata e spostata in basso o sostituita.
Titolo originale: 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 |
|---|---|---|---|---|---|---|
| Prezzo di input ($/1M token, senza caching, più basso è meglio) | $0,25 | $0,30 | $0,10 | $0,25 | $1,00 | $0,20 |
| Prezzo di output ($/1M token, più basso è meglio) | $1,50 | $2,50 | $0,40 | $2,00 | $5,00 | $0,50 |
| Velocità di output (token/s) | 363 | 249 | 366 | 71 | 108 | 145 |
| Humanity’s Last Exam (Ragionamento accademico (set completo, testo + MM), senza strumenti) | 16,0% | 11,0% | 6,9% | 16,7% | 9,7% | 17,6% |
| GPQA Diamond (Conoscenza scientifica, senza strumenti) | 86,9% | 82,8% | 66,7% | 82,3% | 73,0% | 84,3% |
| MMMU-Pro (Comprensione e ragionamento multimodali, senza strumenti) | 76,8% | 66,7% | 51,0% | 74,1% | 58,0% | 63,0% |
| CharXiv Reasoning (Sintesi di informazioni da grafici complessi) | 73,2% | 63,7% | 55,5% | 75,5% | 61,7% | 31,6% |
| Video-MMMU (Acquisizione di conoscenza dai video) | 84,8% | 79,2% | 60,7% | 82,5% | — | 74,6% |
| SimpleQA Verified (Conoscenza parametrica) | 43,3% | 28,1% | 11,5% | 9,5% | 5,5% | 19,5% |
| FACTS Benchmark Suite (Benchmark di fattualità su grounding, conoscenza parametrica, ricerca e MM.) | 40,6% | 50,4% | 17,9% | 33,7% | 18,6% | 42,1% |
| MMMLU (Domande e risposte multilingue) | 88,9% | 86,6% | 84,5% | 84,9% | 83,0% | 86,8% |
| LiveCodeBench (Generazione di codice (UI: 1/1/2025-5/1/2025)) | 72,0% | 62,6% | 34,3% | 80,4% | 53,2% | 76,5% |
| MRCR v2 (8-needle) (Prestazioni su contesto lungo, 128k (media)) | 60,1% | 54,3% | 30,6% | 52,5% | 35,3% | 54,6% |
| MRCR v2 (8-needle) (Prestazioni su contesto lungo, 1M (puntuale)) | 12,3% | 21,0% | 5,4% | — | — | 6,1% |