Bisakah saya menjalankan Gemini 3.1 Flash Lite Preview secara lokal?

Tidak. Google belum merilis bobot terbuka untuk model ini; hanya tersedia melalui API.

Berapa biaya dan berapa panjang konteksnya?

Input $0,25 per juta token dan output $1,50 per juta token, dengan jendela konteks 1.048.576 token.

Gemini 3.1 Flash Lite Pratinjau

2072°

#llm #google #visi #audio #video #penalaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Google | konteks 1.048.576 token | $0,25/M input, $1,50/M output. Gemini 3.1 Flash Lite Preview adalah model efisiensi tinggi Google yang dioptimalkan untuk kasus penggunaan volume tinggi. Model ini mengungguli Gemini 2.5 Flash Lite dalam kualitas keseluruhan dan mendekati performa Gemini 2.5 Flash di berbagai kemampuan utama. Perbaikan mencakup input audio/ASR, peringkat snippet RAG, terjemahan, ekstraksi data, dan penyelesaian kode. Mendukung tingkat berpikir penuh (minimal, rendah, sedang, tinggi) untuk penyesuaian biaya/performa yang halus. Harga setengah dari Gemini 3 Flash.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Gemini 3.1 Flash Lite Preview adalah model efisiensi harga dari Google, dibuat untuk beban kerja volume tinggi di mana biaya per token lebih penting daripada kemampuan mentah. Model ini mengungguli Gemini 2.5 Flash Lite dalam kualitas keseluruhan dan mendekati Gemini 2.5 Flash, dengan peningkatan signifikan dalam terjemahan, ekstraksi data, transkripsi audio, dan penyelesaian kode. Jika Anda menjalankan pipeline dalam skala besar dan tidak butuh model frontier, ini layak dicoba.

Dikenal untuk

Jendela konteks lebih dari satu juta token untuk dokumen dan transkrip panjang
Mendukung input audio, video, dan visi secara native
Empat tingkat pemikiran memungkinkan penyesuaian biaya terhadap kedalaman penalaran
Terjemahan dan ekstraksi data lebih kuat dibanding pendahulunya
Harga setengah dari Gemini 3 Flash

Waspadai

Bobot tertutup, hanya API — tidak bisa dijalankan lokal atau self-host.
Status preview berarti perilaku atau harga bisa berubah sebelum tersedia umum.
Token output enam kali lebih mahal dari token input; perhatikan rasio ini pada tugas generatif.

Terbaik untuk

Prompt untuk dicoba

Tugas ekstraksi data massal

Berikut lima email dukungan pelanggan. Untuk masing-masing, ekstrak: masalah yang disampaikan pelanggan, produk yang disebutkan, dan tingkat urgensi (rendah, sedang, tinggi). Kembalikan hasil sebagai array JSON dengan bidang: problem, product, urgency. Anggap informasi yang hilang sebagai null. Email 1: Pesanan saya #4421 belum tiba setelah tiga minggu. Saya membutuhkannya untuk acara Jumat ini. Email 2: Aplikasi terus crash di iOS 17 saat saya membuka tab pengaturan. Email 3: Hanya ingin tahu apakah Anda punya diskon pelajar.

Terjemahkan dan pertahankan nada

Terjemahkan paragraf pemasaran berikut ke dalam bahasa Prancis, Spanyol, dan Portugis Brasil. Pertahankan nada informal dan santai — jangan buat terdengar korporat. Setelah setiap terjemahan, tambahkan satu kalimat yang mencatat frasa yang memerlukan adaptasi budaya dan alasannya. Teks: "Kami membuat alat ini karena kami bosan dengan perangkat lunak yang kaku dan usang. Tanpa jargon, tanpa bloat — hanya hal yang benar-benar Anda butuhkan, bekerja seperti yang Anda harapkan."

Ringkas dokumen panjang

Baca teks di bawah dan hasilkan tiga output: 1) ringkasan eksekutif satu paragraf untuk pembaca non-teknis, 2) daftar poin dari lima fakta atau keputusan paling penting, 3) daftar pertanyaan terbuka atau isu yang belum terselesaikan dalam dokumen. Ringkas dan jangan tambahkan informasi yang tidak ada di teks. [Tempel dokumen Anda di sini]

Bandingkan dengan

Gemma 4 31B
Model dengan bobot terbuka
konteks 262,144 token · $0.20/M input, $0.40/M output
Gemma 4 26B A4B
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.30/M output
Gemma 3 27B
Model dengan bobot terbuka
konteks 131,072 token · $0.08/M input, $0.45/M output
gemma 4 31B it turbo
Model dengan bobot terbuka
konteks 262,144 token · $0.09/M input, $0.34/M output

Model teks lain dari google

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Gemini 3.1 Flash Lite Preview secara lokal?: Tidak. Google belum merilis bobot terbuka untuk model ini; hanya tersedia melalui API.
Berapa biaya dan berapa panjang konteksnya?: Input $0,25 per juta token dan output $1,50 per juta token, dengan jendela konteks 1.048.576 token.
Bagaimana perbandingannya dengan Gemini 2.5 Flash Lite dan Gemini 3 Flash?: Google mengatakan model ini mengungguli Gemini 2.5 Flash Lite dalam kualitas keseluruhan dan mendekati Gemini 2.5 Flash, dengan biaya setengah dari Gemini 3 Flash.

Putusan Kapten
Model kerja yang masuk akal untuk ekstraksi, terjemahan, dan pipeline audio volume tinggi — tingkat pemikiran adalah pembeda nyata untuk model di harga ini.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Gemini 3.1 Flash Lite Pratinjau adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm google visi audio video penalaran terjemahan ekstraksi data

Jelajahi berdasarkan Keluarga Model