Gemini 3.1 Flash-Lite

Fiche modèle · Google · gemini-3.1-flash-lite-preview

Gemini 3.1 Flash-Lite is the first Flash-Lite model in the Gemini 3 series. It is optimized for high-volume, latency-sensitive tasks like translation, content moderation, and classification. It delivers enhanced performance at a fraction of the cost of larger models, with 2.5x faster Time to First Answer Token and 45% increased output speed compared to 2.5 Flash. Supports text, image, video, audio, and PDF input with a 1 million-token context window.

Fiches modèles

Identité

Organisation	Google
Pays	—
Famille	—
Type	llm
Date de sortie	2026-03-03
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	audio\|image\|text\|video
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	0.55 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	4.62 $ (est.)
Tokens d'entraînement	—
Coupure de connaissance	2025-01-31
Créé le	2026-05-07T16:53:29.249047Z
Mis à jour le	2026-11-04T06:04:43.590201Z
Source	LLM Stats
URL	https://llm-stats.com/models/gemini-3.1-flash-lite-preview

Tokens/tâche

IA Act — preuves fournisseur

ICA 58/100 · périmètre complet · seuil systémique inconnu

Critère	Note / 5	Poids
Documentation technique	2,5	5 %
Résumé des données d'entraînement	2,5	35 %
Conformité droit d'auteur	2,5	35 %
Code of Practice GPAI	5,0	20 %
Risque systémique	0,0	5 %

Curation : 2026-10-23.

IA Act

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — via Google (cortecs, llm_stats), Google Vertex AI (priority) (cortecs).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
Google	cortecs	partiel	0.27 $	1.64 $	—	1 048 576	—	—	—
Google	llm-stats	partiel	0.25 $	1.50 $	—	—	—	—	active
Google Vertex AI (priority)	cortecs	partiel	0.50 $	2.99 $	—	1 048 576	—	—	—
DeepInfra	llm-stats	non	0.25 $	1.50 $	—	—	—	—	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.90
legal	0.00
long_context	0.40
math	0.50
multimodal	0.80
physics	0.90
reasoning	0.60
factuality	0.40
finance	0.30
general	0.50
grounding	0.40
healthcare	0.50
agents	0.10
biology	0.90
chemistry	0.90
vision	0.60

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
charxiv-r	reasoning	0.73	1.00	0.73	non	oui	2026-11-04T06:04:43.623099Z
facts-grounding	reasoning	0.41	1.00	0.41	non	oui	2026-11-04T06:04:43.642925Z
finance-agent-v2	agents	0.30	1.00	0.30	non	non	2026-11-04T06:04:43.658849Z
gpqa	reasoning	0.87	1.00	0.87	non	oui	2026-11-04T06:04:43.602908Z
humanity's-last-exam	reasoning	0.16	1.00	0.16	non	oui	2026-11-04T06:04:43.597217Z
legal-agent-benchmark	legal	0.00	1.00	0.00	non	non	2026-11-04T06:04:43.662993Z
mmmlu	language	0.89	1.00	0.89	non	oui	2026-11-04T06:04:43.649861Z
mmmu-pro	vision	0.77	1.00	0.77	non	oui	2026-11-04T06:04:43.613104Z
mrcr-v2-(8-needle)	long_context	0.60	1.00	0.60	non	oui	2026-11-04T06:04:43.652856Z
simpleqa	factuality	0.43	1.00	0.43	non	oui	2026-11-04T06:04:43.636181Z
videommmu	multimodal	0.85	1.00	0.85	non	oui	2026-11-04T06:04:43.632991Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	130	—	10.33	2	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04