Gemini 3.1 Flash-Lite

Gemini 3.1 Flash-Lite에는 네 가지 사고 수준이 있다. minimal, low, medium, high다. 요청마다 수준을 정하므로 번역 작업은 minimal에서 가장 낮은 비용으로 돌고 복잡한 계획 작업은 high에서 돈다. 이는 Gemini 2.5 모델이 쓰던 예전 토큰 예산 방식을 대체하며, 숫자 노브 대신 단순한 다이얼을 팀에 준다.

Artificial Analysis에 따르면 첫 응답 토큰까지 걸리는 시간은 Gemini 2.5 Flash보다 2.5배 빠르고 전체 출력 속도는 45% 올랐다. 독립 테스트에서는 초당 360토큰을 넘는 출력이 측정됐다. 이 속도는 채팅, 라이브 어시스턴트, 첫 토큰이 느리면 흐름이 끊기는 모든 제품에서 중요하다.

이 모델은 추가 도구 없이 텍스트, 이미지, 오디오, 비디오, PDF를 읽는다. 긴 문서나 비디오를 구조화된 Markdown으로 바꾸거나 스크린샷을 읽고 그에 따라 행동할 수 있다. 하나의 API로 여러 형식을 다룬다. 네이티브 지원 덕분에 여러 모델을 오가지 않고 혼합 미디어 파이프라인을 하나의 API 표면으로 유지한다.

Flash-Lite는 최대 100만 토큰의 컨텍스트를 지원하므로 긴 보고서, 코드베이스, 스크립트를 한 번의 호출로 넣을 수 있다. Google은 이 모델이 128k 토큰 미만의 중간 길이 컨텍스트에서 가장 좋은 성능을 낸다고 밝히는데, 이는 대부분의 실제 워크로드를 감당하면서 드문 대형 작업의 여지도 남긴다.

입력 100만 토큰당 0.25달러, 출력 100만 토큰당 1.50달러로 이 모델은 대량 작업을 겨냥한다. Google은 이를 Gemini 3.1 Pro보다 훨씬 아래에 둔다. 그래서 팀은 최상위 모델이 부과할 청구서 없이 수백만 번의 호출을 돌릴 수 있다. 이 점이 이 모델이 존재하는 주된 이유다. 비용이 규모를 결정한다.

Google은 도구 호출과 오케스트레이션을 포함한 에이전트 용도로 Flash-Lite를 만들었다. 여러 단계의 지시를 따르고 일련의 호출에서 일관성을 유지한다. 데이터를 읽고 판단하고 행동하는 워크플로에 맞는다. Latitude와 Whering 같은 초기 테스터는 복잡한 비즈니스 작업에 이를 배포하고 지시 준수 능력이 강하다고 보고했다.

Google AI Studio의 Gemini API나 Vertex AI로 모델에 접근한다. 두 경로 모두 같은 모델 ID를 쓰고 사고 수준 제어를 공유한다. 그래서 프로토타입을 다시 쓰지 않고 프로덕션으로 옮길 수 있다. Google은 테스트용 무료 등급도 안내한다.