Kan jag köra Gemini 3.1 Flash Lite Preview lokalt?

Nej. Google har inte släppt öppna vikter för denna modell; den finns endast via API.

Vad kostar den och hur långt är kontextfönstret?

Inmatning kostar 0,25 USD per miljon tokens och utmatning 1,50 USD per miljon tokens, med ett kontextfönster på 1 048 576 tokens.

Hur jämför den sig med Gemini 2.5 Flash Lite och Gemini 3 Flash?

Google säger att den överträffar Gemini 2.5 Flash Lite på total kvalitet och närmar sig Gemini 2.5 Flash, samtidigt som den kostar hälften så mycket som Gemini 3 Flash.

Gemini 3.1 Flash Lite Preview

2072°

#llm #google #vision #ljud #video #resonemang

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Google | 1,048,576 token context | $0.25/M input, $1.50/M output. Gemini 3.1 Flash Lite Preview är Googles hög-effektiva modell optimerad för högvolymanvändning. Den överträffar Gemini 2.5 Flash Lite i total kvalitet och närmar sig Gemini 2.5 Flash-prestanda över nyckelfunktioner. Förbättringar inkluderar ljudinmatning/ASR, RAG-snippet-rankning, översättning, datautvinning och kodkomplettering. Stöder fulla tänkenivåer (minimal, låg, medium, hög) för finjusterade kostnads-/prestandaavvägningar. Prissatt till halva kostnaden av Gemini 3 Flash.

Guider för denna modell

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemini 3.1 Flash Lite Preview är Googles prisvärda effektivitetsmodell, byggd för högvolymsarbetsflöden där kostnad per token är viktigare än rå kapacitet. Den slår Gemini 2.5 Flash Lite på total kvalitet och närmar sig Gemini 2.5 Flash, med märkbara förbättringar inom översättning, dataextraktion, ljudtranskription och kodkomplettering. Om du kör arbetsflöden i stor skala och inte behöver en toppmodell är detta värt att titta på.

Känd för

Över en miljon token kontextfönster för långa dokument och transkriptioner
Stöder ljud, video och vision som indata nativt
Fyra tänkenivåer låter dig justera kostnad mot resonansdjup
Starkare översättning och dataextraktion än föregångaren
Prissatt till halva kostnaden av Gemini 3 Flash

Se upp för

Stängda vikter, API-endast — du kan inte köra den lokalt eller självhosta.
Förhandsvisningsstatus innebär att beteende eller prissättning kan ändras före allmän tillgänglighet.
Utmatningstokens kostar sex gånger mer än inmatningstokens; håll koll på den relationen vid generativa uppgifter.

Bäst för

Promptar att prova

Storskalig dataextraktionsuppgift

Här är fem kundsupportmail. Extrahera för varje: kundens angivna problem, nämnda produkt och brådska (låg, medel, hög). Returnera resultaten som en JSON-array med fälten: problem, produkt, brådska. Behandla saknad information som null. Mail 1: Min beställning #4421 har inte kommit efter tre veckor. Jag behöver den till ett event nu på fredag. Mail 2: Appen kraschar hela tiden på iOS 17 när jag öppnar inställningsfliken. Mail 3: Undrar bara om ni har studentrabatt.

Översätt och bevara tonen

Översätt följande marknadsföringsstycke till franska, spanska och brasiliansk portugisiska. Behåll den informella, samtalstonen — gör det inte företagsmässigt. Efter varje översättning, lägg till en mening som noterar eventuella fraser som krävde kulturell anpassning och varför. Text: "Vi byggde detta verktyg för att vi var trötta på samma gamla klumpiga mjukvara. Ingen jargong, inget överflöd — bara det du faktiskt behöver, som fungerar som du förväntar dig."

Sammanfatta ett långt dokument

Läs texten nedan och producera tre utdata: 1) en styckeslång sammanfattning för en icke-teknisk läsare, 2) en punktlista med de fem viktigaste fakta eller beslut, 3) en lista med öppna frågor eller olösta problem som dokumentet lämnar obesvarade. Var kortfattad och lägg inte till information som inte finns i texten. [Klistra in ditt dokument här]

Jämför med

Gemma 4 31B
Öppen vikt-modell
262,144 tokens kontext · $0.20/M indata, $0.40/M utdata
Gemma 4 26B A4B
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.30/M utdata
Gemma 3 27B
Öppen vikt-modell
131,072 tokens kontext · $0.08/M indata, $0.45/M utdata
gemma 4 31B it turbo
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.34/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemini 3.1 Flash Lite Preview lokalt?: Nej. Google har inte släppt öppna vikter för denna modell; den finns endast via API.
Vad kostar den och hur långt är kontextfönstret?: Inmatning kostar 0,25 USD per miljon tokens och utmatning 1,50 USD per miljon tokens, med ett kontextfönster på 1 048 576 tokens.
Hur jämför den sig med Gemini 2.5 Flash Lite och Gemini 3 Flash?: Google säger att den överträffar Gemini 2.5 Flash Lite på total kvalitet och närmar sig Gemini 2.5 Flash, samtidigt som den kostar hälften så mycket som Gemini 3 Flash.

Kaptens omdöme
En förnuftig arbetshäst för högvolyms-extraktion, översättning och ljudflöden — tänkenivåerna är en verklig differentierare för en modell i denna prisklass.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Gemini 3.1 Flash Lite Preview är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm google vision ljud video resonemang översättning datautvinning

Bläddra efter modellfamilj