「高速なLLMが欲しいけれど、Proクラスのコストは払えない。」開発者から最もよく聞かれる悩みだ。
2026年3月3日にGoogleがリリースしたGemini 3.1 Flash-Liteは、その問いに対する現時点での回答かもしれない。毎秒382トークン、コスト$0.25/M入力トークンという数字を見て、どんなプロジェクトに使えるか気になった開発者も多いはずだ。
そもそもGemini 3.1 Flash-Liteとは何か
Gemini 3.1 Flash-Liteは、Googleが「最もコスト効率の高いモデル」と位置づける軽量系モデルだ。Gemini 3.1ファミリーの中でも最小クラスに属し、主に以下の条件下での使用を想定して設計されている。
- 大量のリクエストを同時並行で処理する高ボリュームシステム
- レイテンシが直接ユーザー体験に影響するリアルタイムアプリ
- コスト制約が厳しいスタートアップやSaaS企業
何が新しいのか
| 指標 | Gemini 2.5 Flash | Gemini 3.1 Flash-Lite | 変化 |
|---|---|---|---|
| 出力速度（tokens/sec） | 232 | 382 | +64% |
| Time to First Token | 基準値 | 2.5倍高速 | +150% |
| 入力コスト | $0.15/M | $0.25/M | +67%（やや高い） |
| 出力コスト | $0.60/M | $1.50/M | +150% |
| Thinkingモード | なし | あり（AI Studio/Vertex） | 新機能 |
料金情報の最終確認: 2026-04-14
注目すべきは出力速度の+64%だ。毎秒382トークン（約1,500文字/秒）という数字は、500ワードの回答を約4秒で生成できる速さを意味する。チャットアプリで「返答を待っている感覚」をほぼ消せるレベルだ。
一方、コスト面は必ずしも安くなっているわけではない。入力・出力ともに2.5 Flashより高くなっている。「安い」という印象を持つとしたら、それはGemini 3.1 Proと比較した場合の話だ（Proはおよそ$2/$8/Mトークン前後）。
具体的に何ができるようになるのか
ユースケース1: リアルタイムチャットボット
Gemini 3.1 Flash-Lite APIを使ったストリーミング応答の実装例を示す。382 tokens/secの速度を活かすには、ストリーミングが必須だ。
"""
Gemini 3.1 Flash-Lite ストリーミングチャットボット
動作環境: Python 3.11+, google-generativeai>=0.8.0
必要パッケージ: pip install google-generativeai
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import google.generativeai as genai
import os
# APIキーは環境変数から取得（ハードコーディングNG）
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
model = genai.GenerativeModel(
model_name="gemini-3.1-flash-lite-preview",
generation_config={
"temperature": 0.7,
"max_output_tokens": 1024,
}
)
def stream_response(user_message: str) -> str:
"""ストリーミングで応答を生成し、リアルタイムに出力する"""
full_response = []
# stream=True でストリーミング有効化
response = model.generate_content(user_message, stream=True)
for chunk in response:
if chunk.text:
print(chunk.text, end="", flush=True) # リアルタイム表示
full_response.append(chunk.text)
print() # 改行
return "".join(full_response)
# 使用例
if __name__ == "__main__":
result = stream_response("AIエージェントの設計パターンを3つ教えてください")
print(f"n総文字数: {len(result)}")
ユースケース2: 大量データの一括処理（バッチ推論）
高スループットが求められる一括処理の例。100件のリクエストを並列処理する構成だ。
"""
Gemini 3.1 Flash-Lite バッチ処理サンプル
動作環境: Python 3.11+, asyncio対応
注意: APIレート制限（Free: 15req/min、Pay-as-you-go: 1000req/min）を確認すること
"""
import asyncio
import google.generativeai as genai
import os
from typing import list
genai.configure(api_key=os.environ["GEMINI_API_KEY"])
async def process_single(model, text: str, semaphore: asyncio.Semaphore) -> str:
"""セマフォで同時リクエスト数を制御"""
async with semaphore:
# 同期APIを非同期で実行
loop = asyncio.get_event_loop()
response = await loop.run_in_executor(
None,
lambda: model.generate_content(f"以下を要約してください（100字以内）:n{text}")
)
return response.text
async def batch_process(texts: list[str], max_concurrent: int = 10) -> list[str]:
"""
複数テキストを並列処理
Args:
texts: 処理対象テキストのリスト
max_concurrent: 同時処理数（デフォルト10）
"""
model = genai.GenerativeModel("gemini-3.1-flash-lite-preview")
semaphore = asyncio.Semaphore(max_concurrent)
tasks = [process_single(model, text, semaphore) for text in texts]
results = await asyncio.gather(*tasks, return_exceptions=True)
# エラーをフィルタリング
return [r if isinstance(r, str) else f"Error: {r}" for r in results]
# 使用例
if __name__ == "__main__":
sample_texts = [f"サンプルテキスト{i}: AIエージェントに関する内容..." for i in range(50)]
results = asyncio.run(batch_process(sample_texts, max_concurrent=10))
print(f"処理完了: {len(results)}件")
ユースケース3: Thinkingモードを活用した段階的推論
Flash-Liteの新機能である「Thinkingモード」は、AI Studio/Vertex AI上で利用可能だ。単純なリクエストには不要だが、多段階の論理が必要なタスクで精度を上げられる。
"""
Gemini 3.1 Flash-Lite Thinking Mode（Vertex AI経由）
動作環境: Python 3.11+, google-cloud-aiplatform>=1.70.0
注意: Vertex AI利用にはGCPプロジェクトとIAM権限設定が必要
"""
from google.cloud import aiplatform
from google.cloud.aiplatform.gapic import PredictionServiceClient
import vertexai
from vertexai.generative_models import GenerativeModel, GenerationConfig
# プロジェクト設定（環境変数推奨）
PROJECT_ID = os.environ["GCP_PROJECT_ID"]
LOCATION = "us-central1"
vertexai.init(project=PROJECT_ID, location=LOCATION)
model = GenerativeModel(
"gemini-3.1-flash-lite-preview",
generation_config=GenerationConfig(
temperature=1.0, # Thinkingモードでは1.0推奨
thinking_config={"thinking_budget": 1024} # 思考トークン上限
)
)
response = model.generate_content(
"AIエージェントのメモリ設計において、短期・長期・エピソード記憶の使い分けをどう決めるべきか、理由とともに説明してください"
)
print(response.text)
よくある誤解
「Flash-Liteは精度が低い」
前世代（Gemini 2.5 Flash）と比較すれば精度は向上している。ただしGemini 3.1 ProやClaude Opus相当のベンチマークスコアは期待しないこと。軽量モデルの位置づけは変わらない。
「Proより安い」
Flash-LiteはGemini 3.1 Proより安いが、前世代の2.5 Flashより高い。「安さ」を強調する記事の多くは3.1 Pro比較なので注意。用途に応じて2.5 Flash（低コスト重視）と3.1 Flash-Lite（低レイテンシ重視）を使い分けるべきだ。
「チャットアプリにはProの方がいい」
単純なQ&Aや要約、データ抽出のような定型的なタスクであれば、Flash-Liteの速度と低コストの方がユーザー体験を大きく改善できる。Proが必要なのは、複雑な推論や長文コンテキストが必要な場合だ。
結局どうすればいいのか
以下の判断フローで選択してほしい。
- レイテンシ最優先 + コスト許容 → Flash-Liteを試す
- コスト最優先 + 速度は二の次 → Gemini 2.5 Flashが依然有力
- 精度最優先 + スループット重要 → Gemini 3.1 Flash（Lite非対応の機能が必要か確認）
- 精度最優先 + コスト度外視 → Gemini 3.1 Proまたは他のフロンティアモデル
実際の選定にあたっては、自分のユースケースで各モデルにA/Bテストをかけることが一番確実だ。Gemini API Developer Consoleでは無料枠の範囲でテストできるので、まずはコードを試してみてほしい。
AIエージェントにおけるモデル選定全般については、AIエージェントツール比較ガイドも参照してほしい。フロンティアモデルとの使い分けについてはAIエージェント構築完全ガイドでも解説している。
実装に関するご相談は お問い合わせフォーム からどうぞ。
出典
- Gemini 3.1 Flash Lite: Our most cost-effective AI model yet — Google Blog（参照日: 2026-04-14）
- Gemini 3.1 Flash-Lite Preview — Google AI for Developers（参照日: 2026-04-14）
- Gemini 3.1 Flash-Lite Preview – Intelligence, Performance & Price Analysis — Artificial Analysis（参照日: 2026-04-14）
- Gemini 3.1 Flash-Lite API: Cheapest Fast LLM in 2026 — ModelsLab（参照日: 2026-04-14）
- Gemini Developer API pricing — Google AI for Developers（参照日: 2026-04-14）
この記事はAIgent Lab編集部がお届けしました。
