Google 推出 Gemini 3.1 Flash‑Lite：比 2.5 更快更便宜的「高頻 AI 工具人」|數位時代 BusinessNext

Google 推出 Gemini 3.1 Flash‑Lite：比 2.5 更快更便宜的「高頻 AI 工具人」

Google推出Gemini 3.1 Flash-Lite，是目前成本最低的AI模型，其定價每百萬輸入token為0.25美元，輸出則為1.5美元。

「思考等級」打破輕量模型的天花板

Gemini 3.1 Flash-Lite 最受矚目的架構更新，是新增的「思考等級」（Thinking Levels）功能。開發者可以針對每一次請求，在「最低（Minimal）」、「低（Low）」、「中（Medium）」、「高（High）」四個推理深度之間動態調整。

這意味著：處理簡單的分類或翻譯任務時，選擇最低推理深度可大幅壓低延遲與成本；面對需要多步推理的 UI 生成或系統模擬時，則提升推理等級換取精確度。 對於同時運行數百萬次查詢的 SaaS 企業而言，這種彈性尤為關鍵。

早期測試用戶回報，Flash-Lite 在意圖路由任務上的準確率達 94%。企業級應用如電商商品介面自動填充，也能在毫秒級延遲下完成大批次操作。Google 強調，Flash-Lite 並非「廉價版」，而是針對量產場景優化的「平衡版」。

基準測試：輕量不等於低能

儘管命名為 Flash「Lite」，Gemini 3.1 Flash-Lite 的學術推理成績並不遜色。

在 GPQA Diamond（設計用於測試專家級推理能力的基準）上，該模型得分達 86.9%；多模態理解基準 MMMU Pro 則為 76.8%。Arena.ai 排行榜的 Elo 分數為 1432，在同價位模型中排名前列，甚至在部分指標上超越 Gemini 前幾代的較大型模型。

相較於同月發布的 Gemini 3.1 Pro（GPQA Diamond 達 94.3%，定位為高算力推理模型），Flash-Lite 確實在頂端推理能力上有所取捨；但對於絕大多數高頻、低複雜度的生產工作流而言，這樣的性價比已屬罕見。

VentureBeat 的評測認為，Gemini 3.1 系列的策略意圖清晰：由 Pro 負責「動腦」，由 Flash-Lite 負責「動手」，共同覆蓋企業 AI 基礎設施的全層需求。

本文初稿為 AI 編撰，整理．編輯／李先泰

一家來自台灣的 AI 新創，如何讓美國上千家速食餐廳，都用它的 AI「看」得來速車道？

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能)，透過攝影機蒐集匿名數據並轉化為多項營運指標，協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例，在全面導入 Berry AI 解決方案後，服務速度提升 13%-20%，業績表現最好與最差的門市，每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後，得來速車道的服務時間也立刻改善，進而提升整體吞吐量。

然而，支撐 Berry AI 解決方案的，不只有前端看得見的攝影機與影像辨識技術，還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務，打造兼顧即時性、穩定性與成本效益的雲地混合架構，成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模，Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示，團隊成立初期投入近2年半的時間，探索最適合影像辨識技術的應用場景，最終將目光鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等。

同時，Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標，例如：不同門市、日期或時段的顧客等候時間，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後，Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而，隨著合作客戶與部署門市持續增加，資料量快速攀升，加上服務範圍橫跨不同區域，既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出，尤其 QSR 業者在選擇 AI 解決方案時，格外重視技術效能與穩定性，包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作，以及網路發生問題時能否維持服務等。在這樣的要求下，若將所有運算與資料都留在地端，不僅難以因應日益增加的部署門市與資料量體，設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端打造高可用性 AWS 雲地混合架構，突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益，成為 Berry AI 進軍北美後必須解決的新課題。為此，Berry AI 選擇與博弘雲端合作，取得穩定且高可用的 AWS 運算與資料庫服務架構，將即時運算留在地端，同時在雲端環境整合資料庫處理大量資料與後續分析工作，形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明，包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作，會先在地端完成；再將辨識結果傳送至 AWS 雲端，計算各項營運指標，提供後續分析與決策使用。透過這套架構，Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外，AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上，透過完整且多樣化的資料，持續訓練與優化模型，進一步提升地端影像辨識的準確度。

Berry AI 鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

圖／ Berry AI網站圖

成為企業技術團隊的延伸，博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長，Berry AI 也迎來新的課題：如何把雲端資源用得更有效率、更省成本，這也成為 Berry AI 與博弘雲端合作的重要契機。

對此，可能有很多人好奇，像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業，為什麼還需要與博弘雲端合作？「關鍵在於，博弘雲端長期深耕 AWS，對相關服務與技術架構更加熟悉，可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時，可以直接尋求博弘雲端協助；若需要進一步與 AWS 原廠確認，博弘雲端也能協助溝通與處理，減少 Berry AI 自行研究與排除問題所需投入的時間，讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是，博弘雲端不只提供技術支援，還能從 Berry AI 實際用量與成長需求出發，客製化設計最適合的節費方案，這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明，博弘雲端根據 Berry AI 既有的 AWS 用量，推估未來 1-3 年內的使用需求，並以此為基礎規劃合適的長期雲端資源用量；同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS，進一步整合集團需求進行評估，放大整體採購規模，爭取更大的節費空間。

宋青雲強調，雲端採取隨需即付的計價模式，雖然具備彈性優勢，但若缺乏持續管理，仍可能出現資源配置不符商務規劃，或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案，也會從效能、資安與成本等面向進行架構健檢，提出相應的優化建議；同時還會提供相關管理介面，讓企業隨時查看帳戶使用狀況、預估未來用量，在業務規模持續成長的同時，也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化，只是博弘雲端服務的一環。從企業準備上雲開始，博弘雲端便能協助將應用程式與資料從地端搬遷至雲端，或直接在雲端完成部署；進一步還能協助建置數據平台、數據中台，進行資料分析及導入 AI 應用，讓企業資料發揮更大價值。當服務正式上線後，博弘雲端也能接續提供維運服務。換言之，從前期 PoC、雲端建置到後續維運，博弘雲端都能依據企業需求，提供相應的服務與支援。

對 Berry AI 來說，藉由與博弘雲端合作，深化 AWS 雲端資源使用，不只是突破規模化挑戰，更重要的是能把有限的資源集中在核心業務，持續優化解決方案、開發更多貼近餐飲營運需求的應用，進一步爭取更多品牌合作，擴大北美市場版圖。目前，Berry AI 正全力拓展北美市場，也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System（DevOps、Infrastructure），以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台，到協助餐飲品牌提升營運效率的分析產品，每個環節都還有發揮的空間。期待匯聚更多優秀夥伴，一起用 AI 解決真實的營運問題，讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情：https://www.cake.me/companies/berryai/jobs

在 Instagram 查看這則貼文

數位時代（@bnext_official）分享的貼文