二月底，Google DeepMind 發表了 Gemini 3.1 Pro。發表後有一個數字在開發者社群中廣為流傳：在目前追蹤的 18 個主要 benchmark 中，3.1 Pro 拿下了 12 個第一。
更值得關注的是 ARC-AGI-2——這項測試專門設計來評估模型解決「從未見過的新邏輯題」的能力，防止模型死記硬背訓練數據過關。3.1 Pro 在這上面跑出了 77.1%。
推理能力翻倍究竟意味著什麼
Google 官方表示 3.1 Pro 的推理能力比 Gemini 3 Pro 提升了 2 倍以上。
這句話聽起來模糊，但結合 ARC-AGI-2 的成績來看是有說服力的。ARC-AGI 每次出全新題目，要求模型看幾個例子就能歸納出規律並應用——無法靠背答案，只能靠真正的推理。
2 倍提升，大致對應的是：給一個複雜的多步驟問題，模型能自己拆解、推導、驗證，不需要你在 prompt 中手把手引導。加入了新的 MEDIUM 檔位 Thinking Level（之前只有開關兩檔），現在可以控制推理深度——不是每個任務都需要最深的推理，可按需調節。
技術規格
上下文和輸出：
- 上下文視窗：100 萬 token
- 最大輸出：65K token
支援的輸入格式：
- 文字和程式碼
- 圖片（單次最多 3000 張，每張最大 7MB）
- 音訊（最長 8.4 小時）
- 影片（含音訊約 45 分鐘，純影片約 1 小時）
- PDF（每次最多 3000 頁，單檔最大 50MB）
100 萬 token 能裝什麼？大概是一個大型程式碼倉庫的全部程式碼，或者 900 頁 PDF，或者 8.4 小時的播客音訊。把整個專案丟進去然後直接問問題，現在是真的可以操作了。
實用功能
除了推理能力，3.1 Pro 加了幾個實用的東西：
- Grounding with Google Search：回答時可以即時搜尋，減少知識截止日期帶來的問題
- 程式碼執行：模型可以直接執行程式碼驗證結果，不只是生成程式碼
- Finance 和 Spreadsheet 專項優化：這兩個 agentic 場景有專門調校過
- RAG Engine 整合：連接企業知識庫更方便
還支援批次預測，長上下文任務使用快取的話成本會低很多。
定價
| 項目 | 價格 |
|---|---|
| 輸入 | $2.00/M token |
| 輸出 | $12.00/M token |
| Reasoning 模式輸入 | $12.00/M token |
| 快取讀取 | $0.20/M token |
| 快取寫入 | $0.38/M token |
跟 Claude Opus 4.6（$15/$75）相比便宜很多，和 GPT-5.4 Pro 接近。如果大量使用快取，長上下文任務的成本會壓得比較低。
目前是公開預覽版，知識截止日期是 2025 年 1 月。
但綜合第一還不是它
說實話：在綜合 benchmark 排行上，GPT-5.4 Pro 的得分是 92（BenchLM.ai），Gemini 3.1 Pro 是 87，Claude Opus 4.6 是 85。
贏了 12/18 的單項測試，但某些關鍵能力維度上還是差一點。特別是程式設計任務，Claude Opus 4.6 的 SWE-bench 表現仍然更強。
Google 在推理和多模態處理上交出了這張答卷，但全面第一還不是。
值不值得切換過來
如果你的業務主要是：
- 長文件處理（合約、報告、程式碼庫審查）
- 多模態輸入（同時處理圖片+文字+音訊）
- 成本預算有限但需要接近 Opus 等級的推理能力
3.1 Pro 是一個認真的選項，性價比有競爭力。
但如果核心需求是寫程式碼、做 agent，Claude 還是更成熟。Google 在這次發表裡能交出 77.1% 的 ARC-AGI-2，說明推理能力是真的在進步，不是刷分。但要完全取代 Claude 和 GPT-5.4，還差那麼一點距離。
參考來源：Google's new Gemini Pro model has record benchmark scores — again（TechCrunch）；CocoLoop、Gemini 3.1 Pro: A smarter model for your most complex tasks（Google DeepMind Blog）；Gemini 3.1 Pro Preview Model Specs, Costs & Benchmarks（Galaxy.ai）；Gemini 3.1 Pro | Google Cloud Vertex AI Documentation