Gemini 3.1 Pro

Googleтекстрелиз 19.02.2026reasoning

Reasoning-first Gemini preview for agentic coding and complex problem solving

Характеристики

Контекст
1.0M токенов
Максимум на выход
66K токенов
Входные данные
text, image, video, audio, pdf
Выходные данные
text
Knowledge cutoff
2025-01
Токенизатор
—

Возможности

✓ Вызов функций✓ Structured output— Открытые веса✓ Приём файлов✓ Reasoningeffort: low/medium/high

Цены

Вход
$2.4000
за 1M токенов
Выход
$14.4000
за 1M токенов
Из кэша
$0.2400
за 1M токенов

Статистика у нас · за 30 дней

Запросов
2
Успешных
100%
Медиана ответа
4060 мс
Средняя
4060 мс

Бенчмарки

независимые замеры: Vals AI и Design Arena

MedCode

отраслевые задачи · #2 из 40

  • Claude Opus 563.6%
  • ▸ Gemini 3.1 Pro Preview (02/26)59.1%
  • Gemini 4 Argon58.8%
  • Claude Fable 556.1%
  • Gemini 3 Flash (12/25)55.9%

LegalBench

отраслевые задачи · #5 из 40

  • Claude Fable 588.6%
  • Claude Fable 5.188.5%
  • Gemini 4 Argon88.3%
  • Wonder Full87.4%
  • ▸ Gemini 3.1 Pro Preview (02/26)87.4%

Vals Science Index

отраслевые задачи · #22 из 24

  • GPT-6 Astra65.1%
  • Claude Fable 5.263.7%
  • GPT-6.1 Sol59.6%
  • Claude Sonnet 5.559.1%
  • Claude Opus 5.558.6%
  • ▸ Gemini 3.1 Pro Preview (02/26)27.4%

SAGE

отраслевые задачи · #23 из 29

  • Claude Opus 5.591.3%
  • GPT-6.1 Sol90.5%
  • Claude Haiku 5.589.8%
  • Gemini 4 Argon89.5%
  • GLM 5.3 Flash89.3%
  • ▸ Gemini 3.1 Pro Preview (02/26)83.2%

IOI

олимпиада по информатике · #25 из 40

  • Gemini 4 Argon100.0%
  • GPT-6 Astra100.0%
  • GPT-6.1 Sol96.9%
  • Claude Opus 5.595.1%
  • GPT-5.6 Sol91.2%
  • ▸ Gemini 3.1 Pro Preview (02/26)51.8%

MysteryMechanism

отраслевые задачи · #25 из 30

  • GPT-6 Astra53.1%
  • Claude Fable 5.251.8%
  • Claude Opus 5.549.5%
  • Claude Sonnet 5.549.1%
  • Claude Fable 5.147.8%
  • ▸ Gemini 3.1 Pro Preview (02/26)20.7%
Остальные бенчмаркиМестоРезультатЛидер
Vibe Code Bench 1-100#26 из 266.69%Wonder Full · 33.98%
BioMysteryBench#29 из 3160%Claude Fable 5.2 · 83.7%
SRE Bench#36 из 370%GPT-6 Astra · 56.87%
Terminal-Bench-Science#38 из 40—GPT-6 Astra · null%

Design Arena · ASCII

слепые сравнения · #16 из 99 · побед 63.5%

  • claude-opus-5-51358
  • claude-opus-51354
  • gpt-6-astra1348
  • gpt-6-astra-max1342
  • claude-fable-51323
  • ▸ gemini-3.1-pro1267

Design Arena · SVG

слепые сравнения · #29 из 142 · побед 65.5%

  • arrow-2-telos1526
  • gpt-6-astra1404
  • gpt-6-astra-max1398
  • arrow-21386
  • gemini-4-argon1349
  • ▸ gemini-3.1-pro1259

Design Arena · 3D

слепые сравнения · #60 из 179 · побед 58.4%

  • gpt-6-astra-max1518
  • claude-fable-5-21513
  • claude-opus-5-51461
  • california1459
  • gpt-6-astra1458
  • ▸ gemini-3.1-pro1219

Design Arena · Website

слепые сравнения · #71 из 201 · побед 52%

  • california1346
  • gpt-6-astra1332
  • claude-fable-5-11330
  • gpt-6-astra-max1330
  • claude-sonnet-5-51329
  • ▸ gemini-3.1-pro1227

Показаны 4 лучшие категории из 7. Остальные — на сайте Design Arena.

Arena, место
#39
Рейтинг
-0.045
Голосов
87 520
Официальный анонс модели ↗Источники: Vals AI, Design Arena, Arena (LMArena).

Подключение

curl https://aicombiner.net/v1/chat/completions \
  -H "Authorization: Bearer $AICO_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gemini-3.1-pro", "messages": [{"role": "user", "content": "Привет"}]}'

Один ключ открывает все модели каталога. Документация

Официальные источники

Подробно о модели Gemini 3.1 Pro Preview

Gemini 3.1 Pro Preview — модель компании Google, выпущенная 19 февраля 2026 г. Держит в контексте 1 000 тысяч токенов — это примерно 2 000 страниц текста. Поддерживает вызов функций (function calling), структурированный вывод по схеме, приём изображений, приём PDF, режим рассуждений.

Сколько стоит работа

Входные токены — 2.4000 $ за миллион, выходные — 14.4000 $. Повторная отправка того же контекста тарифицируется по кэшу — 0.2400 $. Тысяча запросов, в каждом 500 токенов вопроса и 500 токенов ответа, обойдётся примерно в 8.40 $.

Что показывают бенчмарки

Бенчмарк — это набор задач с проверяемым ответом. Место в нём говорит не о «силе» модели вообще, а о том, насколько хорошо она решает именно такие задачи. Разница в один-два процента обычно лежит внутри статистической погрешности, разрыв в десять и больше — уже реальная разница.

  • MedCode — отраслевые задачи с проверяемым ответом. Результат: 59.1%, место #2 из 40. Лидер — Claude Opus 5 с 63.6%, разрыв 4.5 п.п.
  • LegalBench — отраслевые задачи с проверяемым ответом. Результат: 87.4%, место #5 из 40. Лидер — Claude Fable 5 с 88.6%, разрыв 1.2 п.п.
  • Vals Science Index — отраслевые задачи с проверяемым ответом. Результат: 27.4%, место #22 из 24. Лидер — GPT-6 Astra с 65.1%, разрыв 37.7 п.п.
  • SAGE — отраслевые задачи с проверяемым ответом. Результат: 83.2%, место #23 из 29. Лидер — Claude Opus 5.5 с 91.3%, разрыв 8.1 п.п.
  • IOI — олимпиадные задачи по информатике уровня международной олимпиады. Результат: 51.8%, место #25 из 40. Лидер — Gemini 4 Argon с 100.0%, разрыв 48.2 п.п.
  • MysteryMechanism — отраслевые задачи с проверяемым ответом. Результат: 20.7%, место #25 из 30. Лидер — GPT-6 Astra с 53.1%, разрыв 32.4 п.п.
  • Vibe Code Bench 1-100 — отраслевые задачи с проверяемым ответом. Результат: 6.7%, место #26 из 26. Лидер — Wonder Full с 34.0%, разрыв 27.3 п.п.
  • BioMysteryBench — медицинские и биологические загадки: по набору симптомов и анализов нужно предложить диагноз. Результат: 60.0%, место #29 из 31. Лидер — Claude Fable 5.2 с 83.7%, разрыв 23.7 п.п.
  • SRE Bench — отраслевые задачи с проверяемым ответом. Результат: 0.0%, место #36 из 37. Лидер — GPT-6 Astra с 56.9%, разрыв 56.9 п.п.
  • Terminal-Bench-Science — отраслевые задачи с проверяемым ответом. Результат: —%, место #38 из 40.

Лучше всего модель показывает себя в «MedCode» (#2), слабее — в «Terminal-Bench-Science» (#38). Это нормально: модели обучают на разных данных, и профиль получается неровным.

Дизайн и интерфейсы

Design Arena сравнивает результаты слепым голосованием: два ответа показывают человеку, он выбирает лучший, из исходов считается Elo — как в шахматах. Здесь модель участвует в 7 категориях:

  • ASCII — текстовая графика из символов. Elo 1267, место #16 из 99, побед 63.5%.
  • SVG — векторные иконки по текстовому описанию. Elo 1259, место #29 из 142, побед 65.5%.
  • 3D — трёхмерные сцены и объекты. Elo 1219, место #60 из 179, побед 58.4%.
  • Website — сгенерированные сайты: две версии показывают людям, они выбирают лучшую. Elo 1227, место #71 из 201, побед 52%.
  • DataViz — графики и дашборды по набору данных. Elo 1207, место #73 из 156, побед 52.2%.
  • UI Component — отдельные элементы интерфейса: кнопки, формы, таблицы. Elo 1219, место #74 из 186, побед 54%.
  • GameDev — игровые прототипы и механики. Elo 1196, место #80 из 194, побед 52.2%.

Общий рейтинг

В общем зачёте Arena (слепые сравнения ответов на любые вопросы) модель занимает #39 место. Рейтинг -0.045 построен на 87 520 голосах — чем больше голосов, тем уже доверительный интервал. Свежие релизы часто стоят ниже, чем окажутся через месяц: у них просто меньше оценок.

Как ведёт себя у нас

За последние 30 дней через сервис прошло 2 запросов к этой модели, успешных 100%. Медианный ответ — 4060 мс, средний 4060 мс. Модель отвечает медленно: для интерактивных сценариев лучше брать что-то быстрее.

Как подключить

Модель вызывается через OpenAI-совместимый API: адрес https://aicombiner.net/v1, ключ в заголовке Authorization: Bearer, имя модели — gemini-3.1-pro. Один ключ открывает весь каталог, поэтому переключение между моделями — это смена одного поля в запросе. Деньги списываются по факту: за фактические токены, а не за попытку.