DataLearner 标志

Gemini 3.1 Flash-Lite 评测详情

Gemini 3.1 Flash-Lite 当前已收录的代表性评测结果包括 SAGE(13 / 64,得分 49.54)、PinchBench v2(10 / 45,得分 80.50)、MedCode(23 / 64,得分 47.60)。本页还提供与 2 个竞品模型及 1 个前代或同系列模型的对比,在有数据时会展示性能和价格视图。

评测结果

Gemini 3.1 Flash-Lite

评测结果

思考模式
工具使用
联网能力

综合知识考试

共 1 项评测
评测名称 / 模式
得分
排名/总数
HLE
unknown
8.64
202 / 235

科学知识与推理

共 3 项评测
评测名称 / 模式
得分
排名/总数
74.24
160 / 253
81.82
115 / 253
CritPt
开启思考
1.10
151 / 204

跨能力综合测试

共 1 项评测
评测名称 / 模式
得分
排名/总数
61.68
63 / 117

自主开发与终端任务

共 2 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench Hard
开启思考工具
24.20
134 / 244
Terminal-Bench 4.0
开启思考工具
0.50
93 / 98

跨应用与工具编排

共 2 项评测
评测名称 / 模式
得分
排名/总数
80.50
10 / 45
MCP-Atlas
高工具
57.10
39 / 44

跨能力聚合指数

共 2 项评测
评测名称 / 模式
得分
排名/总数
ECI
unknown
144.45
79 / 167
Vals Index
高工具
15.46
42 / 42

图像感知与视觉推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU-Pro
开启思考
75.50
83 / 229

科学计算与科研编程

共 1 项评测
评测名称 / 模式
得分
排名/总数
SciCode
开启思考
43.40
99 / 134

客服与业务流程

共 2 项评测
评测名称 / 模式
得分
排名/总数
SAGE
高工具
49.54
13 / 64
τ³-Banking
开启思考工具
9.70
134 / 167

法律

共 3 项评测
评测名称 / 模式
得分
排名/总数
Harvey Lab-AA
开启思考工具
31.15
41 / 44
3.37
42 / 42

金融

共 2 项评测
评测名称 / 模式
得分
排名/总数
29.99
42 / 43
8.63
42 / 42

文档与图表理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDP.pdf
开启思考
7.80
92 / 122

专业数据分析

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-AnalystAgent
开启思考工具联网
8.75
26 / 29

维护、优化与工程管理

共 1 项评测
评测名称 / 模式
得分
排名/总数
4.61
42 / 43

程序生成与编辑

共 1 项评测
评测名称 / 模式
得分
排名/总数
0
59 / 61

临床工作与医疗决策

共 2 项评测
评测名称 / 模式
得分
排名/总数
MedScribe
高工具
63.90
65 / 66
MedCode
高工具
47.60
23 / 64

竞品对比

Gemini 3.1 Flash-Lite 与同类主流模型的评测得分对比

评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

12 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。

评测项Gemini 3.1 Flash-Lite当前DeepSeek-V4-FlashQwen3.6-35B-A3B
HLE
Accuracy
综合知识考试
8.64思考水平·高
51.50思考水平·高 | 工具
21.40开启思考
CritPt
Score
科学知识与推理
1.10开启思考
7.10思考水平·高
0.30开启思考
GPQA Diamond
Accuracy
科学知识与推理
81.82思考水平·高
71.20常规模式
84.85常规模式
LiveBench
Accuracy
跨能力综合测试
61.68思考水平·高
65.48常规模式
--
Terminal Bench Hard
Accuracy
自主开发与终端任务
24.20开启思考 | 工具
38.60思考水平·高 | 工具
34.80开启思考 | 工具
Terminal-Bench 4.0
Resolution rate (%)
自主开发与终端任务
0.50开启思考 | 工具
3.00思考水平·高 | 工具
--
PinchBench v2
Average score (%)
跨应用与工具编排
80.50思考水平·高
81.74思考水平·高
--
ECI
ECI score (capability index, higher is better)
跨能力聚合指数
144.45思考水平·高
146.10思考水平·高
143.92思考水平·高
MMMU-Pro
Accuracy
图像感知与视觉推理
75.50开启思考
--
75.00开启思考
SciCode
Score
科学计算与科研编程
43.40开启思考
45.30思考水平·高
36.60开启思考
τ³-Banking
Score
客服与业务流程
9.70开启思考 | 工具
30.90思考水平·高 | 工具
9.30开启思考 | 工具
Harvey Lab-AA
Criterion pass rate (some entries report all-pass rate)
法律
31.15开启思考 | 工具
81.33思考水平·高 | 工具
--
其余 2 个 benchmark 仍可在上方图表中查看。

Gemini 3.1 Flash-Lite 与同类模型的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Gemini 3.1 Flash-Lite
Google DeepMind$0.25 / 1M tokens$1.5 / 1M tokens—
DeepSeek-V4-Flash
DeepSeek-AI$0.14 / 1M tokens$0.28 / 1M tokens—

历代版本对比

Gemini 3.1 Flash-Lite 系列各版本的评测成绩纵向对比

Gemini 3.1 Flash-LiteGemini 2.5 Flash-Lite
评测类别:
柱状图按当前筛选范围内每个模型在各评测中的最高分展示;百分制评测使用原始高度,超出 0-100 的评测按该评测内相对比例缩放,标签仍保留原始分数。

5 项可对比评测得分汇总。每个模型展示最佳得分,模式在分数下方标注。· 点击任意行可切换下方趋势图。

评测项Gemini 3.1 Flash-Lite当前Gemini 2.5 Flash-Lite
HLE
Accuracy
综合知识考试
8.64思考水平·高
6.90常规模式
GPQA Diamond
Accuracy
科学知识与推理
81.82思考水平·高
66.70常规模式
LiveBench
Accuracy
跨能力综合测试
61.68思考水平·高
42.56思考水平·高
Terminal Bench Hard
Accuracy
自主开发与终端任务
24.20开启思考 | 工具
4.50开启思考 | 工具
MMMU-Pro
Accuracy
图像感知与视觉推理
75.50开启思考
58.20开启思考

单评测历史趋势图

当前查看:HLE · 综合知识考试

选择评测
常规常规 + 工具推理推理 + 工具深度推理深度推理 + 工具

横轴为模型与发布时间,纵轴为分数;同一模式会用实线串起版本变化,同代不同模式继续用虚线辅助对齐。

Gemini 3.1 Flash-Lite 所在系列的标准 API 价格对比

按模型并排展示标准文本输入价与输出价;若存在超长上下文加价,仅保留阈值内标准价,并在下方说明适用范围。

数据来源:DataLearnerAI,展示默认供应商的标准文本价格。 · USD / 1M tokens

模型供应商标准输入标准输出标准价适用于
Gemini 3.1 Flash-Lite
Google DeepMind$0.25 / 1M tokens$1.5 / 1M tokens—
Gemini 2.5 Flash-Lite
Google DeepMind$0.1 / 1M tokens$0.4 / 1M tokens—