# Gemini 3.1 Flash-Lite

> Fiche du modèle de langage Gemini 3.1 Flash-Lite sur Quelle IA, édition du 28 septembre 2026. Gemini 3.1 Flash-Lite (Google DeepMind) : score IA de 72,5, 99e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemini-3-1-flash-lite/
Origine : Google DeepMind · États-Unis · sorti le 3 mars 2026

## Score général

- Score IA : 72,5 (marge à 90 % : de 68,7 à 76,2)
- Rang : 99 (Groupe 9, ex æquo)
- Couverture : 100 % du poids des tâches, 30 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 73,2 | Rang 69 · 56 % |
| Code | 74,8 | Provisoire · 23 % |
| Agents | 68,8 | Provisoire · 11 % |
| Usage | 74,5 | Rang 92 · 100 % |
| Maths | 73,5 | Provisoire · 38 % |
| Sciences | 72,2 | Rang 64 · 80 % |
| Français | 81,6 | Rang 25 · 100 % |
| Vision | 74,5 | Provisoire · 33 % |
| Écriture | 75,9 | Rang 85 · 100 % |
| Web | 68,0 | Rang 100 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemini 3.1 Flash-Lite](https://artificialanalysis.ai/models/gemini-3-1-flash-lite-preview) | 15,6 | 153e sur 193 | 248,2 jetons/s | 5,80 s | 0,25 $ / 1,5 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemini-3-1-flash-lite-preview

## Exécution locale

Non. Gemini 3.1 Flash-Lite est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 0,22 € / 1,30 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, vidéo, son, PDF
- Réflexion : Minimale, faible, moyenne, élevée (quatre niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : C (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Janvier 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/google/gemini-3.1-flash-lite)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 94,1 % | 49,5 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 80 % | 71,8 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 81,8 % | 74,2 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 72,6 % | 118,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 72,2 % | 69,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 69,9 % | 78,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 69,2 % | 70,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 66,7 % | 51,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 74,2 % | 68,4 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 73,7 % | 68,1 | actif | https://epoch.ai/benchmarks |
| compar:IA | Français | 1 109,0 Elo | 110,2 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| DTBench | Raisonnement | 76,8 % | 68,7 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, MultiLoKo (connaissances locales) | Français | 56,5 % | 84,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, écriture créative | Écriture | 1 413,4 Elo | 79,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 435,3 Elo | 76,7 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 432,7 Elo | 77,0 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 449,3 Elo | 75,9 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 443,4 Elo | 74,5 | actif | https://arena.ai/leaderboard |
| WeirdML (v2) | Code | 52,2 % | 76,1 | actif | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 457,6 Elo | 72,3 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 234,6 Elo | 77,4 | actif | https://arena.ai/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 44,4 % | 60,8 | saturé | https://epoch.ai/benchmarks |
| SciCode | Code | 41,9 % | 73,6 | actif | https://artificialanalysis.ai/evaluations/scicode |
| LMCA | Raisonnement | 35,01 | 76,2 | actif | https://conceptualreasoning.ai/lmca |
| EuroEval, OrangeSum (résumé) | Français | 38,6 % | 90,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 37,8 % | 58,9 | saturé | https://epoch.ai/benchmarks |
| DeepResearch Bench | Agents | 37,3 % | 46,5 | actif | https://evals.futuresearch.ai/#drb |
| DeepResearch Bench | Agents | 36,4 % | 43,1 | actif | https://evals.futuresearch.ai/#drb |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 27,7 % | 74,4 | actif | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 255,9 Elo | 67,4 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 22,5 % | 72,3 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 21,4 % | 71,8 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 25 % | 81,0 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 24 % | 80,4 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 20 % | 77,5 | actif | https://epoch.ai/benchmarks |
| ForecastBench | Raisonnement | 54,4 % | -3,9 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 8,6 % | 60,4 | actif | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 3 % | 65,9 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| CritPt | Sciences | 1,1 % | 62,5 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemini 3.1 Flash-Lite ?** Gemini 3.1 Flash-Lite obtient un score IA de 72,5, avec une marge de 68,7 à 76,2, dans l'édition du 28 septembre 2026. Il est classé 99e sur 246 modèles, à partir de 30 mesures.

**Dans quelles tâches Gemini 3.1 Flash-Lite est-il le plus fort ?** Ses deux meilleures tâches sont français (81,6) et écriture (75,9). Sa tâche la plus faible est web (68,0).

**Gemini 3.1 Flash-Lite peut-il tourner en local ?** Non. Gemini 3.1 Flash-Lite est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Gemini 3.1 Flash-Lite ?** 0,22 € par million de jetons en entrée et 1,30 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemini 3.1 Flash-Lite ?** Gemini 3.1 Flash-Lite est édité par Google DeepMind (États-Unis), et il est sorti le 3 mars 2026. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com