Google: Gemini 3.1 Flash-Lite

Mô hình Gemini có độ trễ thấp dành cho khối lượng công việc đa phương thức và tác nhân lớn

gemini-3.1-flash-lite

Sẵn sàngGoogleTrò chuyệnGiảm 90% cho đầu vào đã lưu

Đầu vào / Đầu ra-50%: $0.25 / $1.50$0.125 / $0.75
Ngữ cảnh: 1M
Ngày phát hành: 7 thg 5, 2026
Độ dài đầu ra tối đa: 64K
Phương thức: Thị giácTrò chuyện
Khả năng: Sử dụng công cụBộ nhớ đệm Prompt

Về Gemini 3.1 Flash-Lite

Gemini 3.1 Flash-Lite là mô hình có độ trễ thấp, chi phí thấp của Google trong dòng Gemini 3.1, được xây dựng cho khối lượng công việc đa phương thức và tác vụ tác nhân (agent) lớn. Google mô tả hiệu suất đạt chuẩn tiên tiến (frontier-class) cạnh tranh với các mô hình lớn hơn với một phần nhỏ chi phí. Nó đọc văn bản và hình ảnh, gọi công cụ, trả về JSON ràng buộc theo lược đồ (schema-bound), và hỗ trợ lưu đệm ngữ cảnh (context caching), đồng thời nằm dưới tầng Flash về khả năng.

Ưu điểm

Thời gian phản hồi ngắn làm cho nó phù hợp với các tính năng tương tác nơi mỗi lệnh gọi phải trả về kết quả nhanh chóng.
Hình ảnh và văn bản đi vào cùng một yêu cầu, phù hợp cho việc xử lý biên lai, biểu mẫu và ảnh chụp màn hình.
Đầu ra JSON ràng buộc theo lược đồ loại bỏ nhu cầu phân tích cú pháp mỏng manh của văn bản tự do.
Việc gọi công cụ và lưu đệm ngữ cảnh hỗ trợ các bước tác nhân lặp đi lặp lại, tương tự ở quy mô lớn.

Khi nào nên chọn model khác

Đối với các tác nhân mã hóa dài, nhiều bước, các mô hình Flash và Pro duy trì tốt hơn so với mô hình Lite.
Đây không phải là mô hình ưu tiên suy luận; các bài toán khó hoặc lập kế hoạch sâu nên được gửi đến Gemini 3.1 Pro.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.
02
Gửi yêu cầu đầu tiên của bạn
Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.
Văn bản sang văn bảnGemini API
POST/v1beta/models/gemini-3.1-flash-lite:generateContent
Định dạng API:
```
curl "https://api.tokenlab.sh/v1beta/models/gemini-3.1-flash-lite:generateContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: sk-xxx" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "Hello!"}]}
    ]
  }'
```

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Thông số mặc định

mỗi 1M token

Giá Official: Đầu vào $0.25 / Đầu ra $1.50 / Đọc bộ nhớ đệm $0.025
Giá Verified: Đầu vào $0.125 / Đầu ra $0.75 / Đọc bộ nhớ đệm $0.0125
Giảm giá: -50%

Giá cache của prompt

Đọc bộ nhớ đệm

Giá Official: $0.025
Giá Verified: $0.0125
Giảm giá: -50%

Phí công cụ

Phí tính theo mỗi lượt gọi khi model sử dụng công cụ.

Tìm kiếm web

Giá Official: $0.014/lượt tìm
Giá Verified: $0.007/lượt tìm
Giảm giá: -50%

	Giá Officialmỗi 1M token	Giá Verifiedmỗi 1M token	Giảm giá
Thông số mặc định	Đầu vào $0.25 / Đầu ra $1.50 / Đọc bộ nhớ đệm $0.025	Đầu vào $0.125 / Đầu ra $0.75 / Đọc bộ nhớ đệm $0.0125	-50%
Giá cache của prompt
Đọc bộ nhớ đệm	$0.025	$0.0125	-50%
Phí công cụPhí tính theo mỗi lượt gọi khi model sử dụng công cụ.
Tìm kiếm web	$0.014/lượt tìm	$0.007/lượt tìm	-50%

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 22:01 UTC 9 thg 10, 2026

Tỷ lệ thành công 30 ngày: 100,0%
Lượt yêu cầu 30 ngày: 40K+
Hoạt động gần nhất: 7 phút trước

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Gemini 3.1 Flash-Lite trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử gemini-3.1-flash-lite với tin nhắn ngắn tại /v1beta/models/gemini-3.1-flash-lite:generateContent. Hiển thị phản hồi, độ trễ và chi phí.

Tình huống sử dụng

Phù hợp cho

Thị giác

Trích xuất hàng loạt
Trích xuất các trường từ hàng nghìn hóa đơn hoặc biểu mẫu và ghi lại từng kết quả dưới dạng đối tượng JSON đã được xác thực.
Kiểm duyệt nội dung và gắn thẻ
Dán nhãn các nội dung tải lên và bình luận của người dùng dựa trên một chính sách cố định kèm theo một dòng giải thích.
Tầng định tuyến
Quyết định xem mô hình chuyên gia hoặc công cụ nào mà yêu cầu nên được chuyển đến, sau đó chuyển tiếp nó.
Trợ lý thời gian thực
Cung cấp năng lượng cho tính năng tự động hoàn thành, trả lời nhanh hoặc các lượt hội thoại của trợ lý giọng nói nơi thời gian chờ đợi có thể nhìn thấy sẽ làm tổn hại đến trải nghiệm của người sử dụng.

Ví dụ prompt

Trích xuất nhà cung cấp, ngày tháng, tổng số tiền và đơn vị tiền tệ từ hình ảnh hóa đơn này và trả về chúng dưới dạng JSON.

Gắn nhãn bình luận bên dưới là thư rác (spam), lạm dụng, câu hỏi hoặc khen ngợi và giải thích lựa chọn đó trong một câu.

Cho trước thông điệp này của người dùng, hãy chọn một trong các mục: search_docs, create_ticket, answer_directly. Chỉ trả lời bằng tên công cụ.

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

Gemini 3.1 Flash-Lite phù hợp nhất cho việc gì?

Các công việc khối lượng lớn, nhạy cảm với độ trễ như trích xuất, phân loại, gắn thẻ, định tuyến và trả lời đa phương thức nhanh chóng. Nó đánh đổi một phần độ sâu suy luận để đổi lấy tốc độ và tải nhẹ hơn cho mỗi lần gọi.

Nó có chấp nhận hình ảnh không?

Có. Văn bản và hình ảnh có thể được kết hợp trong một yêu cầu, vì vậy nó có thể đọc tài liệu, ảnh chụp màn hình và ảnh chụp. Câu trả lời của nó được trả về dưới dạng văn bản hoặc dưới dạng JSON phù hợp với lược đồ của bạn.

Nó có thể gọi công cụ không?

Có. Việc gọi hàm (function calling) được hỗ trợ, cho phép nó đóng vai trò là tác nhân giai đoạn đầu chọn các công cụ cho các yêu cầu đơn giản hoặc chuyển tiếp các trường hợp khó đến một mô hình lớn hơn.

Nó khác biệt thế nào so với Gemini 3.5 Flash-Lite?

3.5 Flash-Lite là thế hệ mới hơn và là thế hệ mà Google hiện đang hướng các dự án mới tới; 3.1 Flash-Lite là mô hình Lite cũ hơn nhưng vẫn ổn định. Hãy kiểm tra các câu lệnh của riêng bạn trên cả hai trước khi chuyển lưu lượng truy cập.

Gemini 3.1 Flash-Lite có giá bao nhiêu?

Trên TokenLab, Gemini 3.1 Flash-Lite có giá Đầu vào $0.125 / Đầu ra $0.75 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Giới hạn ngữ cảnh và đầu ra của Gemini 3.1 Flash-Lite là bao nhiêu?

Gemini 3.1 Flash-Lite hỗ trợ tối đa 1.048.576 token ngữ cảnh và trả về tối đa 65.536 token mỗi phản hồi.

Gemini 3.1 Flash-Lite nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1beta/models/gemini-3.1-flash-lite:generateContent làm mặc định cho Gemini 3.1 Flash-Lite. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Gemini 3.1 Flash-Lite hỗ trợ những thao tác nào?

Gemini 3.1 Flash-Lite hỗ trợ Văn bản sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.