让重复语言任务保持简洁
Flash-Lite 的重点是明确、重复的语言处理，例如翻译客服消息、压缩评论摘要和给工单分类。提示中可指定目标语言、术语与输出边界，要求只返回译文或标签，减少无关解释，便于将结果直接交给后续业务程序。
All models
Get your API key
gemini-3.1-flash-lite
GoogleChatreasoningvision
Input 0.5256 Credits / 1MOutput 3.1537 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 版本身份
- 稳定版 Gemini 3.1 Flash-Lite；调用 ID：gemini-3.1-flash-lite
- 原生输入上限
- 1,048,576 tokens
- 原生输出上限
- 65,536 tokens
- 原生输入与输出
- 文本、图像、视频、音频、PDF 输入；文本输出
- 结构化处理
- 原生支持结构化输出、函数调用与 Thinking
- 图文调用
- /gemini/chat/completions：messages 中组合 text 与 image_url，支持流式文本响应
- 文件与会话
- /aichat2/conversations：文本、图片及 file_url 消息，支持保存和延续会话
原生规格描述模型能力；本平台的消息格式、文件处理和会话操作按所选入口使用。
核心能力
了解 gemini-3.1-flash-lite 能为你的工作带来什么。
把自然语言变成业务字段
模型支持结构化输出，适合从评论中提取评价方面、情感、关键原句和退货意向。先定义字段含义与允许值，再要求按 JSON Schema 返回，可让同一批输入采用统一结构；缺失信息应保留为空，而不是要求模型补齐事实。
图文理解与按需思考
它能结合图片与文字完成内容理解，也可为需要逐步判断的任务增加思考。原生还支持音频转写和 PDF 摘要。适合将识别、提取与简短判断组合起来；简单标签任务不必追求长篇解释，复杂判断则应预留更充足的生成预算。
适用场景
从具体任务出发，找到模型发挥作用的位置。
多语言客服内容整理
输入客户留言、目标语言和品牌术语表，交付不带额外评论的译文；另一次处理可输出问题类型与简短摘要。适合聊天消息、评价和工单队列，让翻译与分类成为可独立检查的步骤，避免把所有业务决策塞进一次回答。
电商评论结构化分析
输入商品评论和字段定义，提取被评价的属性、情感倾向、原文摘录及是否提及退货，交付统一 JSON。应用程序可以据此聚合尺码、材质或物流问题；涉及退款等实际操作时，应由业务规则决定，不让情感判断直接触发执行。
文档初筛与图表摘要
通过会话入口提交文件链接，或在图文消息中附上页面截图，要求输出主题、关键事项与待确认问题。交付物适合做文档目录摘要和人工阅读清单；对表格数字、日期和条件条款，可要求保留原文摘录，方便逐项复核。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
任务清晰时优先选择 Flash-Lite
当任务是翻译、分类、抽取和简短摘要，且输入输出规则可以清楚定义时，Gemini 3.1 Flash-Lite 是合适的轻量选择。若需要开放式规划、深度调试或多步综合分析，可考虑 Flash 或 Pro。这里的取舍是任务定位，不代表每个问题都有固定的质量差距。
稳定版身份与入口分开选择
调用使用 gemini-3.1-flash-lite，不要自行添加 preview 后缀。已有 messages 历史、需要自行处理工具结果或 JSON 输出时，选择 Chat Completions；希望保存会话、提交文件链接并继续追问时，选择 AI Chat v2。两者是使用方式的区别，不是两个独立模型。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 它是以文本为输出的理解模型，不生成图片或音频，也不支持 Live API 或原生电脑操作。能理解音频不等于能合成语音，能返回工具调用也不等于自动获得执行权限；需要实际操作的流程应配置工具并检查执行结果。
- 原生多模态范围不代表所有材料都采用同一种提交格式。Chat Completions 的图文消息使用 text 与 image_url；PDF 等文件可通过 AI Chat v2 的 file_url 提交。不要将其他型号的视频示例直接当作本型号的音视频提交方式。
- 长输入上限并不保证每处细节都被准确提取。对于多份文档、密集表格或相互矛盾的评论，建议限定问题、保留原句并校验关键字段。Flash-Lite 更适合初筛与轻量处理，复杂结论应安排进一步分析，而非只增加输出长度。
常见问题
解答使用 gemini-3.1-flash-lite 时的常见疑问。
Gemini 3.1 Flash-Lite 是稳定版还是预览版？
这里介绍的是稳定版 Gemini 3.1 Flash-Lite，调用 ID 为 gemini-3.1-flash-lite。不要把名称自行改成带 preview 的形式，也不要把它与 Gemini 3.1 Pro 或图像生成型号混用；这些型号的任务定位和能力边界不同。
它能读取 PDF 吗？应该怎样提交？
原生模型支持 PDF 理解。在本平台中，可使用 /aichat2/conversations，把文件链接放入 file_url 内容块，并附上摘要或抽取要求。若使用 Chat Completions，可提交文档文本或页面图片，不要把 PDF 链接当作普通图片字段。
能同时看图并返回 JSON 吗？
可以围绕图文输入设计结构化抽取任务：在 messages 中组合文字要求与 image_url，再用 response_format 指定 JSON Schema。适合提取页面字段或图片内容标签；应用端仍应检查字段类型、缺失值和关键数字，不能将格式正确等同于事实正确。
Thinking 应该什么时候使用？
原生支持 Thinking，适合需要逐步判断、比较条件的任务。简单翻译或标签处理通常应先明确规则，再考虑增加思考。Chat Completions 提供 reasoning_effort 字段，它与原生 thinking_level 名称不同，不应直接复制原生配置对象。
怎样继续上一轮文档问答？
使用 AI Chat v2 时，开启 stateful，并在后续请求携带返回的 id，即可围绕同一会话继续追问，普通 JSON 响应包含 answer 与 id。使用 Chat Completions 时，则由客户端维护 messages 历史；两种方式都应避免加入与当前问题无关的材料。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.05per 1M tokens
Official $0.25
Output
$0.30per 1M tokens
Official $1.50
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.