Cartão de modelo do Google DeepMind. · fonte
Cartão de modelo do Google DeepMind. · fonte
Cartão modelo Google DeepMind (IU: janela 01/01/2025-01/05/2025). · 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 de mar. de 2026 | 0.60 |
|---|---|
| Google just launched Gemini 3.1 Flash-Lite — 7 prompts to test its new 'Thinking' mode · 3 de mar. de 2026 | 0.50 |
| Google Deepmind's Gemini 3.1 Flash-Lite generates websites almost in real time · 24 de mar. de 2026 | 0.40 |
Fotos de leitores, separadas das mídias com fontes do pin. Avalie o que você comeu ou viu e, em um pin de restaurante, marque os pratos direto na sua foto.
A primeira entrada é sempre a fonte do pin. A confiança geral é uma média ponderada de quanto cada referência sustenta os horários de início e fim usados acima; uma referência conta metade a cada 180 dias a mais em relação à mais recente.
O texto do Google, “Gemini 3.1 Flash-Lite: Built for intelligence at scale” (“Gemini 3.1 Flash-Lite: criado para inteligência em escala”), é datado de 3 de março de 2026 e diz que está sendo liberado em prévia nesse dia para desenvolvedores pela API Gemini e para empresas pelo 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.
Falta algo ou há um erro? Diga com suas palavras: um link que sustente este pin, uma data de início ou fim diferente e por quê, ou um fato que falta ou está errado. A IA confere isso com as fontes do pin, procura outras melhores e adiciona qualquer página que dê razão a você. As fontes do próprio pin continuam contando mais. Uma imagem que mostra outra coisa, ou mostra mal, também é analisada e rebaixada ou substituída.
Título 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 |
|---|---|---|---|---|---|---|
| Preço de entrada (US$/1M tokens, sem cache, quanto menor, melhor) | US$ 0,25 | US$ 0,30 | US$ 0,10 | US$ 0,25 | US$ 1,00 | US$ 0,20 |
| Preço de saída (US$/1M tokens, quanto menor, melhor) | US$ 1,50 | US$ 2,50 | US$ 0,40 | US$ 2,00 | US$ 5,00 | US$ 0,50 |
| Velocidade de saída (tokens/s) | 363 | 249 | 366 | 71 | 108 | 145 |
| Humanity’s Last Exam (raciocínio acadêmico (conjunto completo, texto + MM), sem ferramentas) | 16,0% | 11,0% | 6,9% | 16,7% | 9,7% | 17,6% |
| GPQA Diamond (conhecimento científico, sem ferramentas) | 86,9% | 82,8% | 66,7% | 82,3% | 73,0% | 84,3% |
| MMMU-Pro (compreensão e raciocínio multimodais, sem ferramentas) | 76,8% | 66,7% | 51,0% | 74,1% | 58,0% | 63,0% |
| CharXiv Reasoning (síntese de informações de gráficos complexos) | 73,2% | 63,7% | 55,5% | 75,5% | 61,7% | 31,6% |
| Video-MMMU (aquisição de conhecimento a partir de vídeos) | 84,8% | 79,2% | 60,7% | 82,5% | — | 74,6% |
| SimpleQA Verified (conhecimento paramétrico) | 43,3% | 28,1% | 11,5% | 9,5% | 5,5% | 19,5% |
| FACTS Benchmark Suite (benchmark de factualidade em embasamento, conhecimento paramétrico, busca e multimodal) | 40,6% | 50,4% | 17,9% | 33,7% | 18,6% | 42,1% |
| MMMLU (perguntas e respostas multilíngues) | 88,9% | 86,6% | 84,5% | 84,9% | 83,0% | 86,8% |
| LiveCodeBench (geração de código (UI: 1/1/2025-5/1/2025)) | 72,0% | 62,6% | 34,3% | 80,4% | 53,2% | 76,5% |
| MRCR v2 (8-needle) (desempenho em contexto longo, 128k (média)) | 60,1% | 54,3% | 30,6% | 52,5% | 35,3% | 54,6% |
| MRCR v2 (8-needle) (desempenho em contexto longo, 1M (pontual)) | 12,3% | 21,0% | 5,4% | — | — | 6,1% |