谷歌Gemini 3.1新模型深夜掀桌, 每秒狂飙363 token! 1/4价格暴击Claude

新智元报道

编辑：好困 桃子

【新智元导读】谷歌深夜再放大招，Gemini 3.1 Flash-Lite正式登场。输出速度363 token/s，价格仅0.25美元/百万Token，跑分却碾压GPT-5 mini和2.5 Flash，堪称最强「穷人版旗舰」。

继Gemini 3.1 Pro屠榜封神之后，谷歌又在深夜扔出一颗炸弹。

刚刚，Gemini 3.1 Flash-Lite正式上线！

速度363 tokens/s，输出价格1.50美元/百万Token，跑分直接碾压GPT-5 mini和Claude 4.5 Haiku。

同一任务下，相较于2.5 Flash（33分钟），3.1 Flash-Lite仅用了4分钟，token消耗最少，且正确率最高。

毫不夸张地说，3.1 Flash-Lite几乎可以做到「瞬时」输出。

上传一份任何PDF、文本、图片、视频、音频，它能极速转成Markdown格式。

又或是，3.1 Flash-Lite「粒子锻造器」，迅速出模拟不同的动态效果，堪称惊艳。

目前，开发者已经可以通过Google AI Studio的Gemini API体验预览版，企业用户可通过Vertex AI接入。

用1/4的价格，跑出5倍的速度

先看最直观的数字。

3.1 Flash-Lite的输出速度达到363 tokens/s，跟自家2.5 Flash-Lite（366 tokens/s）几乎持平，但把上一代Gemini 2.5 Flash（249 tokens/s）远远甩在了身后。

而那些「贵族选手」呢？

GPT-5 mini只有71 tokens/s，Claude 4.5 Haiku也不过108 tokens/s，Grok 4.1 Fast稍好一些，145 tokens/s。

换句话说，Flash-Lite的速度是GPT-5 mini的5倍，是Claude 4.5 Haiku的3.4倍，价格却只有后者的四分之一。

再看具体定价。

3.1 Flash-Lite输入0.25美元/百万Token、输出1.50美元/百万Token。

3.1 Flash-Lite比3.1 Pro便宜8倍

对比之下，GPT-5 mini的输出价格是2.00美元，Gemini 2.5 Flash是2.50美元，而Claude 4.5 Haiku更是高达5.00美元，整整贵了3倍还多。

一句话概括：跑得比你快，还比你便宜，跑分还比你高。

跑分碾压，小模型的「越级挑战」

在最考验科学知识和推理能力的GPQA Diamond上，3.1 Flash-Lite直接轰出86.9%的高分。

这一成绩不仅碾压了GPT-5 mini的82.3%和Claude 4.5 Haiku的73.0%，甚至把体量更大、价格更贵的Gemini 2.5 Flash（82.8%）也踩在了脚下。

多模态理解方面同样强悍。

在MMMU-Pro测试中，Flash-Lite拿下76.8%，力压GPT-5 mini（74.1%）、Gemini 2.5 Flash（66.7%）、Grok 4.1 Fast（63.0%）和Claude 4.5 Haiku（58.0%）。

在事实准确性测试SimpleQA Verified中，差距更是断崖级。

Flash-Lite以43.3%的准确率遥遥领先，而Gemini 2.5 Flash为28.1%，GPT-5 mini仅有9.5%（4.5倍），Claude 4.5 Haiku更是低到5.5%（近8倍）。

多语言能力方面，MMMLU测试中Flash-Lite以88.9%登顶，超过了Gemini 2.5 Flash的86.6%和GPT-5 mini的84.9%，在这个价位段里没有对手。

在视频理解领域，Video-MMMU得分84.8%，同样是同级别最高，GPT-5 mini（82.5%）和Gemini 2.5 Flash（79.2%）均不及。

当然，3.1 Flash-Lite也并非没有短板。

在LiveCodeBench代码生成测试中，Flash-Lite得分72.0%，虽然不低，但GPT-5 mini凭借80.4%明显更强，Grok 4.1 Fast也有76.5%。

在Humanity's Last Exam中，Flash-Lite得分16.0%，与GPT-5 mini的16.7%基本持平，但Grok 4.1 Fast以17.6%拿到了这个级别的最高分。

但别忘了一个核心事实：Flash-Lite的价格只有这些对手的几分之一。

Arena打进全球前40

实验室跑分只是一面，真刀真枪的盲测对战才见真章。

在Chatbot Arena的文本竞技场中，3.1 Flash-Lite以1432的Elo分数排名第36。

它身边的邻居是o3（1432分）和GPT-5 High（1434分），而身后紧跟着的是Grok 4.1 Fast Reasoning（1430分）。

一个定价0.25美元的轻量模型，Elo分数和OpenAI的旗舰推理模型o3打成平手，这个性价比足够让人震惊。

在代码竞技场中，3.1 Flash-Lite得分1261，排名并列35。

它在这里的对手包括Claude Haiku 4.5（1308分，第31名）和DeepSeek V3.2（1321分，第34名），差距不算大，但确实还有提升空间。

在Artificial Analysis评测中，3.1 Flash-Lite在输出速度和成本效益上，目前业界最优。

「思考深度」可调

除了硬核性能，3.1 Flash-Lite还标配了thinking levels功能，开发者可以自由设定模型在每个任务上投入多少推理资源。

• 批量翻译、内容审核、数据分类这类高频低复杂度任务跑浅思考模式，速度和成本压到极致。

• 生成UI界面、构建模拟环境、执行多步骤复杂指令？切到深度推理模式，效果不输大模型。

实测：轻量模型的重量级表现

在实际测试中，3.1 Flash-Lite展现出了远超其定位的能力。

电商场景：瞬间填满原型图。

给出一句指令，Flash-Lite就能在几秒内用几十个品类、数百款商品填满一整个电商界面原型，包含名称、价格、分类、图片占位。

这在以往，需要设计师手动填充半天的工作，现在一个Prompt搞定。

实时数据看板：天气预报+历史分析。

Flash-Lite能够结合最新的天气预报接口和历史数据，实时生成动态的天气数据可视化看板。

对于需要快速搭建数据展示层的开发者来说，这个能力直接省掉了一个「前端工程师」。

SaaS AI智能体：多步任务自动化。

Flash-Lite可以构建处理多步骤灵活任务的SaaS智能体，帮助企业自动化客户工单处理、订单跟踪等流程。

在低延迟和低成本的加持下，这类高频调用场景正是Flash-Lite的主战场。

海量内容处理：快速分析归类。

面对大批量的图片、文档、用户评论等非结构化内容，Flash-Lite还能够快速完成分析、标签化和归类整理。

性价比赛道，彻底变天

3.1 Flash-Lite的发布，标志着AI竞争进入了一个全新的阶段。

过去，各家大模型都在卷「谁最强」——ARC-AGI刷分、HLE拼推理、代码竞赛争排名。

但Flash-Lite的出现，把战场拉到了另一个维度。

光卷性能已经不够了。谁能用最低的成本交付最高的质量，谁才是真正的赢家。

用几分之一的价格打出旗舰级效果、用5倍的速度碾压竞品、在事实准确性上断崖领先，谷歌用Flash-Lite告诉所有人：在性价比这条赛道上，它已经跑在了前面。

而对于全球数百万开发者来说，这可能是目前最值得关注的模型之一。

毕竟，在真实的产品场景中，成本和速度有时比跑分更重要。

参考资料：

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-lite/

https://storage.googleapis.com/deepmind-media/gemini/gemini_3-1_flash-lite_model_evaluation.pdf