Gemini 3.1 Flash Lite cobra 8x menos que o Pro — e ainda não tem nota de QI

Paga 8x menos que o Pro, e ainda não tem nota

Paga oito vezes menos que o Pro Preview, é multimodal, tem 1 milhão de contexto. E ainda não tem nota de inteligência publicada. Esse é o Gemini 3.1 Flash Lite, lançado há 17 dias e que, se você só olhou o preço de saída — US$ 1,50 por milhão de tokens — perdeu o número que de fato muda a sua fatura no fim do mês.

Antes de chegar lá, o básico.

A ficha mostra o que a Google publicou e, principalmente, o que ela ainda não publicou. Não há nota de inteligência, não há nota de código, não há nota de raciocínio, nem score agentic. O catálogo guarda o modelo há 17 dias e o índice de capacidade cognitiva ainda não foi medido — ou ainda não foi liberado. Para um lançamento da Google em maio de 2026, é um silêncio incomum.

O que a Google está te vendendo (e o que ela não te conta)

A descrição oficial repete três expressões que você precisa ler com cuidado: "high-efficiency", "low-latency", "high-volume". Traduzindo do marketing: este não é o modelo para a tarefa difícil. É o modelo para a mesma tarefa feita um milhão de vezes. O contexto de 1.048.576 tokens — um milhão — numa versão "Lite" também não é detalhe: é a deixa explícita para workloads que dependem de muito material reaproveitado a cada chamada.

E é aqui que entra o número que muda a conta.

US$ 0,025 por milhão no cache: a economia real

O cache do Flash Lite custa US$ 0,025 por milhão de tokens lidos. O input normal custa US$ 0,25 — dez vezes mais. Na prática, se você consegue manter o contexto do seu sistema dentro do cache, o custo de cada nova chamada fica praticamente concentrado no output.

Imagine um agente que precisa reler 200 mil tokens de prompt a cada turno. No input direto, são US$ 0,05 por chamada. Lendo do cache, US$ 0,005. Em cem mil chamadas, a diferença é de US$ 4.500. Em um milhão de chamadas, US$ 45.000. É o tipo de economia que decide se um produto de IA existe como negócio ou só como POC.

O cache serve para prompts grandes e repetidos: definição de persona, contexto de RAG, instruções de tool-use, system prompts longos, transcrições reaproveitadas. Não serve para conversa descartável, nem para prompt curto — aí o cache não tem como te ajudar.

Onde ele se encaixa no tabuleiro

O Flash Lite não concorre com o topo da casa Google. Concorre com o seu próprio custo de oportunidade.

No panorama de hoje, o Flash Lite aparece como a opção multimodal mais barata entre os modelos Gemini listados, e ligeiramente mais barato na saída que o DeepSeek V4 Pro 0423 (US$ 1,74 por milhão) — embora o DeepSeek traga nota de inteligência 45,268 e o Flash Lite, por enquanto, não traga nenhuma. Contra o Gemini 3.5 Flash, a diferença é grande: US$ 9,00 contra US$ 1,50 por milhão de saída. Contra o Pro Preview, são oito vezes mais barato.

Vale situar: 34 modelos entraram no catálogo nos últimos 30 dias, e o catálogo passa de 447. Entre os modelos com 1 milhão de contexto, multimodalidade completa (texto, imagem, vídeo, áudio, PDF) e saída abaixo de US$ 2 por milhão, a lista encolhe depressa.

Para quem vale, para quem não muda, e o que fazer amanhã

Vale para você se: você roda sistema com prompt grande e repetido — RAG com contexto longo, agente conversacional com persona fixa, ferramenta de análise de documento multimodal; você precisa de multimodalidade barata num único endpoint; o gargalo do seu produto é custo por chamada, não qualidade absoluta de resposta.

Não muda nada se: suas chamadas são curtas e únicas e o cache não tem como te ajudar; você precisa de raciocínio forte, coding consistente ou agentic de qualidade — sem nota publicada, o risco de regressão é alto e o Pro Preview existe por um motivo; você já roda DeepSeek V4 Pro com nota 45,268 e não tem motivo específico para ficar no ecossistema Gemini.

Se a sua fatura é dominada por chamadas repetitivas com contexto grande, monte um teste de duas semanas com o Flash Lite cacheado. Meça custo por conversa completa, não só por token. E antes de migrar de vez, pergunte à Google: qual a política de expiração do cache e qual a latência de p99. Preço baixo sem SLA de cache é só marketing.