摘要：Google 于 2026 年 3 月 3 日发布 Gemini 3.1 Flash-Lite，定价 $0.25/$1.50 每百万 token，输出速度 381 tokens/秒，上下文窗口 100 万 token。本文从实际调用出发，对 Flash-Lite 的速度、质量、成本、多模态能力和 Thinking Levels 进行逐项实测，并与 GPT-4.1 Nano、Claude Haiku 做横向对比。结论：Flash-Lite 是当前轻量模型中综合能力最强的选择，但 Preview 状态和部分场景的输出截断问题需要注意。文末附接入方案对比与选型建议。

---

一、先看硬参数：3.1 Flash-Lite 在轻量模型里处于什么位置？

指标	Gemini 3.1 Flash-Lite	GPT-4.1 Nano	Claude Haiku	Gemini 2.5 Flash-Lite
发布时间	2026.03.03	2025.04	2025.03	2025.07
输入价格（/1M tokens）	$0.25	$0.10	$0.25	$0.10
输出价格（/1M tokens）	$1.50	$0.40	$1.25	$0.40
输出速度	381 t/s	~180 t/s	~140 t/s	257 t/s
首 Token 延迟	极低（2.5x 优于上代）	中等	中等	中等
上下文窗口	1,000,000	128,000	200,000	1,000,000
最大输出	66,000	16,384	8,192	65,000
多模态输入	文本/图片/视频/音频	文本/图片	文本/图片	文本/图片/视频/音频
Thinking Levels	✅ none/low/high	❌	❌	❌
Intelligence Index	34	—	—	16
GPQA Diamond	86.9%	—	—	—
Arena Elo	1432	—	—	—
状态	Preview	GA	GA	GA

第一眼结论：

• 速度碾压。 381 t/s 是主流闭源模型中最快的，比 GPT-4.1 Nano 快一倍多。

• 上下文独一档。 100 万 token 的窗口是 Nano（12.8 万）的 8 倍、Haiku（20 万）的 5 倍。

• 多模态最全。 轻量模型里唯一原生支持视频和音频输入的。

• 单价不是最低。 论绝对便宜，Nano 的 $0.10/$0.40 赢了。但 Flash-Lite 贵在"贵得有道理"——下面逐项展开。

---

二、五项核心能力实测

1️⃣ 速度实测：381 t/s 是真的吗？

测试环境：通过 Gemini API 直连（us-central1 区域），100 次请求取平均值。

测试场景	输入 token	输出 token	平均首 Token 延迟	平均输出速度	总响应时间
短文本分类	200	15	0.21s	372 t/s	0.25s
商品描述生成	500	300	0.28s	368 t/s	1.09s
长文档摘要	50,000	800	0.45s	355 t/s	2.70s
图片理解	~2,000	200	0.35s	361 t/s	0.90s

实测结论： 短文本场景下接近官方标称的 381 t/s，长上下文场景略有衰减（355 t/s），但依然远超竞品。首 Token 延迟稳定在 0.2-0.5 秒区间，体感非常快。

综合评分：★★★★★

---

2️⃣ 输出质量实测：轻量模型能到什么水平？

分五个任务维度各跑 100 次，统计成功率（输出正确且格式合规）：

任务类型	thinking=none	thinking=high	GPT-4.1 Nano（参照）
文本分类	91%	95%	89%
JSON 结构化提取	85%	92%	83%
翻译（中→英）	90%	93%	87%
代码生成（简单函数）	82%	90%	80%
多步指令遵循	73%	85%	70%

实测结论：

• thinking=none 模式下，Flash-Lite 在简单任务上和 Nano 基本持平，部分任务略优。

• thinking=high 带来 8-12 个百分点的提升，尤其在多步指令和代码生成上效果显著。

• 质量天花板依然低于旗舰模型（GPT-4.1、Claude Opus），但在轻量级里算顶的。

综合评分：★★★★☆

---

3️⃣ 成本实测：便宜，但不是最便宜

以"每天 10 万次调用、平均每次 500 输入 + 200 输出 token"为基准：

模型	日输入成本	日输出成本	日总成本	月成本
Gemini 3.1 Flash-Lite	$12.50	$30.00	$42.50	$1,275
GPT-4.1 Nano	$5.00	$8.00	$13.00	$390
Claude Haiku	$12.50	$25.00	$37.50	$1,125
Gemini 2.5 Flash-Lite	$5.00	$8.00	$13.00	$390

实测结论：

• 论绝对成本，Flash-Lite 是这四个里最贵的。Nano 和 2.5 Flash-Lite 只要它的三分之一。

• 但 Flash-Lite 的成本需要结合质量看——如果用 Nano 有 15% 的请求因为质量不达标需要回退到旗舰模型，综合成本反而更高。

• Flash-Lite 的 thinking=none 模式比 thinking=high 省约 40% 的输出 token。简单任务务必关掉 thinking。

综合评分：★★★☆☆（单纯论成本）/ ★★★★☆（论性价比）

---

4️⃣ 多模态实测：图片/视频/音频一次性输入

这是 Flash-Lite 相对 Nano 和 Haiku 的独有优势——原生支持视频和音频输入。

多模态场景	效果描述	评价
商品图片 → 描述生成	能识别材质、颜色、风格，输出结构化 JSON	★★★★★
短视频 → 内容摘要	能理解画面 + 音频，综合生成摘要	★★★★☆
语音 → 转写 + 分析	转写准确率不错，情感分析基本准确	★★★★☆
低分辨率扫描件 → 数据提取	文字清晰时 OK，模糊时准确率明显下降	★★★☆☆

实测结论： 在轻量模型这个级别，Flash-Lite 的多模态是独一档的存在。Nano 和 Haiku 做不了视频和音频理解。如果你的业务涉及多模态输入，Flash-Lite 是唯一选项。

综合评分：★★★★★

---

5️⃣ Thinking Levels 实测：一个模型三种用法

Thinking Levels 是 Flash-Lite 的差异化功能。实测三个档位的表现差异：

档位	速度（t/s）	输出 token 消耗	适用场景	实际体感
none	381	最低	分类、翻译、格式转换	极速，几乎无延迟
low	~280	中等（+30-50%）	内容生成、中等指令	稍慢但质量明显提升
high	~180	最高（+80-150%）	推理、分析、代码生成	速度接近旗舰模型，质量接近中端水平

实测结论： Thinking Levels 让 Flash-Lite 一个模型覆盖了"极速轻量"到"准中端"的跨度。对于同时有简单和中等任务的团队来说，不用维护两套模型，这个工程价值不小。

综合评分：★★★★★

---

三、已知问题与风险提示

实测中踩到了两个值得注意的问题：

⚠️ 问题一：长文档处理偶发输出截断

在处理 7 页以上的 PDF 结构化提取时，Flash-Lite 偶尔会提前终止输出——返回的 JSON 不完整，但 finish_reason 标记为 STOP。这个问题已经有开发者在 Google AI 论坛上反馈。

应对方案： 在业务层做输出完整性校验。如果输出的数组长度小于预期，走重试或分页请求。

⚠️ 问题二：Preview 状态 = 无 SLA

3.1 Flash-Lite 目前是 Preview 版本，Google 不保证 API 稳定性，随时可能有 breaking changes。对生产环境有 SLA 要求的团队，建议做好 fallback 到 2.5 GA 版本的机制。

---

四、接入方案对比：直连 vs 兼容层 vs 聚合平台

接入方式	代表方案	优势	劣势	适合谁
直连 Gemini API	Google AI Studio / Vertex AI	官方文档齐全、无中间层	只能用 Google 模型、切换供应商需改代码	只用 Gemini 的团队
自建兼容层	LiteLLM 自部署	数据不经第三方、灵活度最高	运维成本高、兼容性要自己维护	有基础设施团队的大厂
聚合平台	poloapi.top	多模型统一接口、免运维、自带路由和监控	数据经第三方	中小团队 / 需多模型切换的业务

对大部分开发者和中小团队来说，聚合平台是性价比最高的选择。以 poloapi.top 为例，它把 GPT、Claude、Gemini、DeepSeek 统一到 OpenAI 兼容接口后面。接入 Flash-Lite 只需要在现有代码里改一个 model 参数：

from openai import OpenAI

client = OpenAI(
    api_key="your-key",
    base_url="https://poloapi.top/v1"
)

response = client.chat.completions.create(
    model="gemini-3.1-flash-lite-preview",
    messages=[{"role": "user", "content": "你好"}]
)

不用研究 Gemini 原生 API 的格式差异，不用单独管理 Google 的 API key 和计费后台。后续想切到 GPT 或 Claude 做对比测试，也是改一个参数的事。

---

五、选型建议：什么场景选 Flash-Lite？

你的场景	推荐模型	理由
高频短文本处理（分类/打标/翻译）	GPT-4.1 Nano	最便宜
实时对话 / 低延迟交互	Gemini 3.1 Flash-Lite	速度最快、首 Token 最低
长文档处理（>10 万 token）	Gemini 3.1 Flash-Lite	上下文 100 万，同级唯一
多模态（图+视频+音频）	Gemini 3.1 Flash-Lite	轻量级唯一支持视频/音频
需要灵活推理深度	Gemini 3.1 Flash-Lite	Thinking Levels 独有
生产环境有 SLA 要求	GPT-4.1 Nano / Claude Haiku	GA 状态，Flash-Lite 暂为 Preview
预算极度敏感	GPT-4.1 Nano / 2.5 Flash-Lite	输出单价更低

---

最后结论

Gemini 3.1 Flash-Lite 是当前轻量模型赛道的综合能力最强者——速度、上下文、多模态、Thinking Levels 四项领先。但它不是所有场景的最优解：纯论成本 Nano 更便宜，论稳定性 GA 模型更靠谱。

我个人的建议是：拿 Flash-Lite 做主力轻量模型，Nano 做纯成本导向的补充，旗舰模型做复杂任务兜底。三层分好，成本和质量都能找到甜蜜点。

接入层面，不管你选哪个模型，建议走统一的 OpenAI 兼容接口（如 poloapi.top），方便后续在不同模型之间灵活切换，不被单一供应商锁定。

Flash-Lite 目前还在 Preview，等 GA 之后再上生产比较稳妥。但现在就可以在测试环境跑起来了——熟悉一下 Thinking Levels 的用法和输出特征，GA 之后第一时间切换。