Gemini 3.1 Flash-Lite 是什么？

Gemini 3.1 Flash-Lite 是 Google Gemini 3 系列中速度最快、成本效益最高的模型，现已正式在 Gemini Enterprise Agent Platform 上推出。它专为超低延迟、高吞吐量的任务而设计，例如工具调用、分类、翻译和多模态处理。Flash-Lite 旨在运行要求严苛的生产流水线，能够提供智能体工作流所需的精度，同时将成本显著低于同类推理层级模型。

适用人群

• AI 工程师：构建高吞吐量、对延迟敏感的智能体流水线，需要工具调用和分类器实现亚秒级响应时间。
• 企业客服团队：每周通过短信、WhatsApp 和 Instagram 等渠道处理数百万次交互，可负担性和大规模可靠性至关重要。
• 创意和游戏平台：需要快速的多模态安全检查、内联翻译和提示增强，以实现实时用户互动和内容生成。

主要特性

生产工作负载的超低延迟

Gemini 3.1 Flash-Lite 在完整回复生成方面实现了约 1.8 秒的 p95 延迟，分类器和工具调用的 p95 延迟低于 1 秒。这使其成为实时编码助手、客服代理和交互式创意工具的理想选择，每一毫秒都至关重要。

大规模下的卓越成本效益

该模型在相同 token 组合下，成本比同类推理层级模型低约 60%，正如 Gladly 部署每周处理数百万次客户交互所证明的那样。这一成本优势使得以前因成本过高而无法实现的自动化流水线成为可能。

多模态处理与智能体精度

Flash-Lite 可处理文本和图像，执行多模态安全检查、内联评论翻译和提示增强等任务。它支持完整的智能体生命周期——从工具选择和剧本分类到升级决策——在高并发负载下成功率约为 ~99.6%。

突出亮点

“高智能与极低延迟的平衡使其成为实时开发者支持的完美模型。”

JetBrains AI 总监的这句话捕捉到了 Flash-Lite 的独特定位：它结合了复杂智能体任务所需的推理能力与实时生产环境所需的速度。与那些迫使你在智能和响应性之间做出取舍的模型不同，Flash-Lite 两者兼得——支持 IDE AI 助手、高吞吐量客服代理以及需要即时、可靠输出且不超预算的创意流水线等用例。

值得关注，如果……

你正在生产环境中部署智能体流水线，且延迟、成本和可靠性是硬性要求。如果你的团队处理高吞吐量的工具调用、分类或多模态处理，并且需要以推理层级模型成本的一小部分实现亚秒级响应时间，那么 Gemini 3.1 Flash-Lite 正是为你的工作负载而构建。