Google erweitert die Gemini-3-Familie um Gemini 3.1 Flash-Lite. Der Fokus liegt auf maximaler Geschwindigkeit und hoher Kosteneffizienz f\u00fcr Anwendungen mit sehr vielen Anfragen, bei denen Latenz und Budget wichtiger sind als \u201eDeep Reasoning um jeden Preis\u201c. Der Rollout startet zun\u00e4chst als Preview f\u00fcr Entwickler in der Gemini API (Google AI Studio) sowie f\u00fcr Unternehmen \u00fcber Vertex AI.<\/p>\n\n\n\n\n\n\n\n
1) Preis-Leistung f\u00fcr Skalierung<\/strong> 2) Mehr Tempo als der Vorg\u00e4nger-\u201eWorkhorse\u201c<\/strong> 3) \u201eThinking Levels\u201c: Rechenaufwand nach Bedarf<\/strong> Gemini 3.1 Flash Lite ist nativ multimodal (Text, Bild, Audio, Video - plus PDF als Input in der Gemini-API) und verf\u00fcgt \u00fcber ein sehr gro\u00dfes Kontextfenster.<\/p>\n\n\n\n Dazu: In der API sind Features wie \u201eFunction Calling\u201d, \u201eStructured Output\u201d, \u201eSearch Grounding\u201d und \u201eCode Execution\u201d als unterst\u00fctzt aufgef\u00fchrt, \u201eImage Generation\u201d oder \u201eLive API\u201d dagegen nicht.<\/p>\n\n\n\n Google nennt vor allem hochvolumige, latenzkritische Standardaufgaben<\/strong>, bei denen es weniger um \u201ekreative Meisterst\u00fccke\u201c als um zuverl\u00e4ssigen Durchsatz geht.<\/p>\n\n\n\n Aus Vertex-AI-Sicht ist die Ank\u00fcndigung besonders interessant: Flash Lite soll eine deutlich bessere Qualit\u00e4t<\/strong> als fr\u00fchere Lite-Modelle liefern und in zentralen Bereichen an Gemini 2.5 Flash heranreichen - inklusive Verbesserungen beim Instruction Following und Audio Input (z. B. ASR).<\/p>\n\n\n\n Wenn man die Positionierung zusammennimmt, ergibt sich ein klares Bild:<\/p>\n\n\n\n In der Praxis ist das genau der Sweet Spot f\u00fcr Teams, die Tausende bis Millionen Requests pro Tag verarbeiten: Klassifizieren, Extrahieren, \u00dcbersetzen, Vorverarbeiten, Filtern - und nur die \u201eharten F\u00e4lle\u201d an gr\u00f6\u00dfere Modelle weiterreichen.<\/p>\n\n\n\n Zum Start l\u00e4uft 3.1 Flash-Lite als Preview<\/strong>. Das hei\u00dft typischerweise: Modell kann sich noch \u00e4ndern, Limits und Verhalten sind weniger \u201eeingefroren\u201c als bei Stable-Releases. Au\u00dferdem nennt die Modellseite einen Knowledge Cutoff (Jan 2025)<\/strong> - f\u00fcr \u201eLive-Fakten\u201c sollte man also mit Grounding\/RAG arbeiten, statt auf Trainingswissen zu vertrauen<\/p>\n\n\n\n
Laut Google ist 3.1 Flash-Lite das schnellste und kosteneffizienteste Modell innerhalb der Gemini-3-Serie. Es werden Kosten von 0,25 $ pro 1 Million Input-Tokens und 1,50 $ pro 1 Million Output-Tokens (Preview, Gemini API) genannt.<\/p>\n\n\n\n
Google vergleicht explizit mit Gemini 2.5 Flash und spricht von 2.5x schnellerem \u201eTime to First Token\u201c<\/strong> sowie 45% h\u00f6herer Output-Geschwindigkeit<\/strong> bei \u00e4hnlicher oder besserer Qualit\u00e4t.<\/p>\n\n\n\n
Spannend f\u00fcr Produktivsysteme ist die Idee der konfigurierbaren Thinking Levels<\/strong>: Du kannst steuern, wie viel das Modell \u201enachdenkt\u201c - je nach Task eher minimal (max. Tempo) oder h\u00f6her (mehr Sorgfalt). Google positioniert das als praktischen Hebel, um High-Frequency-Workloads<\/strong> sauber auszubalancieren.<\/p>\n\n\n\nTechnische Eckdaten, die man kennen sollte<\/h3>\n\n\n\n
\n
<\/li>\n<\/ul>\n\n\n\nWof\u00fcr ist das Modell gedacht?<\/h3>\n\n\n\n
\n
<\/li>\n<\/ul>\n\n\n\nEinordnung: Wo liegt Flash-Lite im Gemini-Lineup?<\/h3>\n\n\n\n
\n
Preview-Hinweis, den man ernst nehmen sollte<\/h3>\n\n\n\n