- Inizio
- 3 mar 2026AFFIDABILITÀ 90%da la fonte
Rilasciato Gemini 3.1 Flash-Lite
Tradotto automaticamente dall’originale
Titolo originale: Gemini 3.1 Flash-Lite Released
- Google ha presentato Gemini 3.1 Flash-Lite il 3 marzo 2026, «il nostro modello della serie Gemini 3 più veloce ed economico», pensato per carichi di lavoro per sviluppatori ad alto volume[1]
- È più veloce di 2.5 Flash, con un tempo al primo token di risposta 2,5 volte più rapido e un aumento del 45% nella velocità di output a qualità simile o migliore[1]
Caratteristiche principali
- Prezzo di 0,25 $ per milione di token in input e 1,50 $ per milione di token in output[1]
- Adatto a traduzione, moderazione dei contenuti, generazione di interfacce utente e creazione di simulazioni[1]
- In anteprima tramite l'API di Gemini in Google AI Studio e Vertex AI[1]
Benchmark[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 |
|---|---|---|---|---|---|---|
| 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% |
Fonti 3AFFIDABILITÀ 85%Affidabilità complessiva: 85%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 3 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
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.
- [1]90%blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-liteblog.google· Postato il 30 set 2026· Inizio 3 mar 2026 ✓· 41% del punteggio
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.
- [2]75%Gemini (language model) - Wikipediaen.wikipedia.org· Aggiunto il 30 set 2026· 41% del punteggio
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· Pubblicato il 3 mar 2026· 18% del punteggio
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
Suggerisci una correzione
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.
