Google predstavio Gemini 3.1 Flash-Lite: novi AI model donosi rekordnu brzinu i niže troškove za developere

 

Kompanija Google predstavila je novi model vještačke inteligencije pod nazivom Gemini 3.1 Flash-Lite, koji je trenutno najbrži i najisplativiji model unutar Gemini 3 generacije. Novi model je razvijen prvenstveno za programere i kompanije koje rade sa velikim količinama podataka i velikim brojem AI zahtjeva.

Za razliku od nekih drugih Gemini modela, Flash-Lite nije namijenjen direktnoj upotrebi krajnjih korisnika. Umjesto toga, dostupan je developerima i poslovnim korisnicima putem posebnih razvojnih platformi i cloud servisa.

Google ističe da novi model donosi značajno veće brzine obrade i generisanja odgovora u odnosu na prethodne generacije, uz istovremeno niže troškove korištenja.

 

Dostupan kroz Google AI Studio i Vertex AI

 

Prema informacijama koje je objavila kompanija Google na svom zvaničnom blogu, model je trenutno dostupan u preview fazi putem API-ja na platformi Google AI Studio.

Pored toga, poslovni korisnici mogu ga koristiti i kroz cloud platformu Vertex AI, koja je dio Google Cloud ekosistema i namijenjena je razvoju i implementaciji naprednih AI rješenja.

Preview status znači da model još uvijek prolazi kroz fazu testiranja i optimizacije, dok programeri imaju priliku da ga testiraju i prilagode svojim aplikacijama prije konačne stabilne verzije.

 

Znatno brže generisanje odgovora

 

Jedna od ključnih prednosti modela Gemini 3.1 Flash-Lite jeste značajno poboljšanje performansi u odnosu na model Gemini 2.5 Flash.

Prema benchmark testovima koje je naveo Google, model donosi:

  • 2,5 puta brže vrijeme do prvog tokena odgovora (Time to First Token)
  • oko 45 posto brže generisanje izlaznog sadržaja

Ovi rezultati potvrđeni su i kroz analize organizacije Artificial Analysis koja se bavi testiranjem AI modela i njihovih performansi.

Na popularnoj AI rang-listi Arena.ai novi model je ostvario Elo rezultat od 1432, što ga svrstava među najbrže modele u kategoriji optimizovanoj za visoku propusnost i brze odgovore.

Google tvrdi da Flash-Lite u brzini generisanja nadmašuje i konkurentske modele kao što su GPT-5 mini, Claude 4.5 Haiku i Grok 4.1 Fast.

 

Standard i “thinking” režim rada

 

Programeri koji koriste model putem platformi AI Studio i Vertex AI mogu birati između dva načina rada:

Standard mode
Koristi se za brze zadatke gdje je prioritet brzina odgovora, poput generisanja kratkih tekstova, prevođenja ili klasifikacije podataka.

Thinking mode
Ovaj režim omogućava modelu da koristi više vremena za analizu i “razmišljanje” prije generisanja odgovora. Programeri mogu kontrolisati vrijeme koje model troši na obradu kompleksnijih zadataka.

Takav pristup omogućava fleksibilnost između brzine i kvaliteta rezultata, što je posebno važno u profesionalnim aplikacijama i naprednim AI sistemima.

 

Namijenjen aplikacijama sa velikim opterećenjem

 

Google navodi da je Gemini 3.1 Flash-Lite optimizovan za scenarije u kojima je potrebno obraditi veliki broj zahtjeva u kratkom vremenskom periodu.

Primjeri upotrebe uključuju:

  • masovno prevođenje sadržaja na više jezika
  • moderaciju i filtriranje sadržaja na društvenim mrežama
  • automatizovanu obradu korisničkih zahtjeva u aplikacijama
  • generisanje korisničkih interfejsa i dashboarda
  • kreiranje simulacija i testnih okruženja
  • izvršavanje složenih instrukcija u poslovnim softverima

Zbog velike brzine odgovora i optimizovane arhitekture, model je posebno pogodan za servise koji svakodnevno obrađuju milione AI upita.

 

Niža cijena korištenja

 

Pored brzine, važna prednost modela je i niža cijena korištenja u odnosu na prethodnu generaciju.

Prema podacima koje je objavio Google:

  • 1 milion ulaznih tokena košta oko 0,25 dolara
  • 1 milion izlaznih tokena košta oko 1,5 dolara

Za poređenje, model Gemini 2.5 Flash ima cijenu od oko 0,30 dolara za ulazne i 2,5 dolara za izlazne tokene.

To znači da kompanije koje koriste AI u velikom obimu mogu ostvariti značajne uštede, posebno u aplikacijama koje obrađuju ogromne količine tekstualnih podataka.

 

Google dodatno ubrzava razvoj AI ekosistema

 

Predstavljanje modela Flash-Lite dio je šire strategije kompanije Google da proširi ekosistem Gemini modela i ponudi različite varijante optimizovane za specifične potrebe.

Dok neki modeli nude maksimalne performanse za kompleksne zadatke, Flash-Lite je fokusiran na brzinu, efikasnost i niske troškove, što ga čini idealnim za komercijalne aplikacije i servise sa velikim prometom.

Očekuje se da će nakon završetka preview faze model postati šire dostupan unutar Google Cloud infrastrukture i integrisan u veći broj razvojnih alata.