Gemini 3.1 Pro: Googlen päättelykyvyn harppaus selitettynä

TL;DR

Google julkaisi Gemini 3.1 Pron (esiversio) 19. helmikuuta 2026. Tärkeimmät luvut:

• ARC-AGI-2: 77,1 % — yli kaksinkertainen Gemini 3 Prohon (31,1 %) verrattuna, voittaa Opus 4.6:n (68,8 %) ja GPT-5.2:n (52,9 %)
• GPQA Diamond: 94,3 % — johtaa kaikkia malleja maisteritason tieteessä
• SWE-bench: 80,6 % — vastaa Opus 4.6:tta (80,8 %) koodauksessa
• Hinta: 2 $/12 $ per M tokenia — halvin huippumalli (frontier model)
• 1M tokenin konteksti — ennallaan Gemini 3 Prosta
• Johtaa 13:ssa 16:sta Googlen arvioimasta suorituskykytestistä
• Saatavilla nyt esiversiona: AI Studio, Vertex AI, Gemini CLI, Gemini-sovellus

Mitä Google ilmoitti

1. helmikuuta 2026 Google julkaisi Gemini 3.1 Pron — ensimmäisen ".1"-päivityksen malliensa versioinnissa. Se rakentuu Gemini 3 Pron (marraskuu 2025) päälle integroimalla Gemini 3 Deep Think -sarjan tekniikoita helpommin lähestyttävään ja nopeampaan malliin.

Pääasiallinen tilasto: 77,1 % ARC-AGI-2-testissä, joka mittaa uudenlaista abstraktia päättelykykyä. Se on yli tuplasti Gemini 3 Pron 31,1 % ja merkittävästi edellä sekä Opus 4.6:tta (68,8 %) että GPT-5.2:ta (52,9 %). VentureBeat kutsuu sitä "Deep Think Miniksi, jossa on säädettävä päättelykyky tarvittaessa."

Kattava suorituskykyvertailu

Missä Gemini 3.1 Pro johtaa (13/16 testiä)

Missä kilpailijat voittavat edelleen

Päättelykyvyn harppaus kontekstissa

ARC-AGI-2 mittaa mallin kykyä ratkaista ongelmia, joita se ei ole koskaan aiemmin nähnyt — puhdasta abstraktia päättelyä, ei opetusdatasta periytyvää mallien tunnistusta. Näin nopeasti Gemini parani:

Gemini 3.1 Pro hyppäsi 31,1 prosentista 77,1 prosenttiin yhdessä versiossa — 148 % parannus. Tämä johtuu Deep Thinkin laajennetun päättelyn tekniikoiden integroimisesta perusmalliin.

Mikä muuttui verrattuna Gemini 3 Prohon

1. Deep Think -integraatio

Gemini 3 Deep Think oli erillinen, hitaampi malli, joka oli optimoitu laajennettuun päättelyyn. Gemini 3.1 Pro leipoo nämä tekniikat vakiomalliin, jossa on säädettävä päättelysyvyys. Saat Deep Think -tason päättelyn ilman Deep Thinkin viivettä useimmissa tehtävissä.

2. Huomattavasti parempi päättelykyky

Luvut puhuvat puolestaan:

3. Parempi agenttisuorituskyky

APEX-Agents (33,5 %) ja MCP Atlas (69,2 %) -tulokset osoittavat, että Gemini 3.1 Pro on huomattavasti kyvykkäämpi autonomisena agenttina — työkalujen käyttö, monivaiheinen suunnittelu ja itsensä korjaaminen ovat kaikki parantuneet.

4. Säilytetty multimodaalinen vahvuus

Gemini 3.1 Pro säilyttää Geminin keskeisen edun: natiivin multimodaalisen prosessoinnin tekstille, kuville, audiolle ja videolle yhdessä kontekstissa. Mikään muu huippumalli ei vastaa tätä laajuutta tässä hintapisteessä.

Hinnoittelu

Sama hinta kuin Gemini 3 Prolla — ilmainen päivitys:

Vertailu kilpailijoihin

Gemini 3.1 Pro on halvin huippumalli — 33 % halvempi kuin Sonnet 4.6 syötteessä ja 20 % halvempi tulosteessa.

Istuntokohtainen hinta (100K sisään + 20K ulos)

Muita kustannusoptimointeja:

• Batch mode (eräajo): 50 % alennus (0,22 $/istunto)


• Context caching (kontekstin välimuisti): Välimuistiin tallennetun syötteen luku maksaa 10 % perushinnasta

Saatavuus

Missä sitä voi käyttää

API-pikastartti

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-3.1-pro-preview")

response = model.generate_content("Your prompt here")
print(response.text)

Räätälöityjen työkalujen päätepiste

Google julkaisi myös erikoistuneen päätepisteen parempaa työkalujen suorituskykyä varten:

model = genai.GenerativeModel("gemini-3.1-pro-preview-customtools")

Käytä tätä päätepistettä, kun rakennat agentteja, jotka luottavat vahvasti funktioiden kutsumiseen ja työkalujen käyttöön.

Mitä tämä tarkoittaa

Päättelykilpailu kiihtyy

Kolme huippumallia julkaistiin 13 päivän sisällä:

• 6. helmikuuta: Claude Opus 4.6 (Anthropic)


• 17. helmikuuta: Claude Sonnet 4.6 (Anthropic)


• 19. helmikuuta: Gemini 3.1 Pro (Google)

Luokkansa paras päättelykyky edulliseen hintaan

Gemini 3.1 Pron 77,1 % ARC-AGI-2 on korkein saatavilla oleva päättelytulos halvimmalla hinnalla (2 $/12 $). Tehtäviin, jotka vaativat uudenlaista ongelmanratkaisua, abstraktia päättelyä tai tieteellistä analyysia, se on selkeä valinta.

Tasapeli koodauksessa

80,6 % tuloksella SWE-bench-testissä (verrattuna Opus 4.6:n 80,8 % ja Sonnet 4.6:n 79,6 %), Gemini 3.1 Pro on nyt ensimmäistä kertaa kilpailukykyinen koodauksessa. Aiemmat Gemini-mallit jäivät tässä testissä merkittävästi Claudesta jälkeen.

Puuttuva palanen: Tietokoneen käyttö

Gemini 3.1 Prosta ei ole tuloksia OSWorld-testissä (tietokoneen käyttö). Claude Sonnet 4.6 johtaa tätä osa-aluetta 72,5 % tuloksella. Jos työnkulkusi sisältää selaimen automaatiota, lomakkeiden täyttöä tai työpöydän hallintaa, Claude on edelleen ainoa varteenotettava vaihtoehto.

Tuotteita rakentaville kehittäjille

Käytännön vaikutukset:

• Halvin päättely: 0,44 $/istunto vs. 0,60 $ (Sonnet) vs. 0,80 $ (GPT-5.2)


• Paras tieteellisiin/analyyttisiin tehtäviin: 94,3 % GPQA Diamond on korkein saatavilla oleva tulos


• Kilpailukykyinen koodauksessa: 80,6 % SWE-bench kuroo umpeen eron Claudeen


• Multimodaalinen etu: Natiivi video/audio-prosessointi, jota Claude ja GPT eivät vastaa


• Esiversio-tila: Ei vielä GA-vaiheessa (general availability) — odota parannuksia ennen yleistä julkaisua

• Google Blog: Gemini 3.1 Pro announcement
• Google DeepMind: Gemini 3.1 Pro Model Card
• 9to5Google: Gemini 3.1 Pro for complex problem-solving
• VentureBeat: Gemini 3.1 Pro first impressions
• MarkTechPost: Gemini 3.1 Pro 77.1% ARC-AGI-2
• OfficeChai: Gemini 3.1 Pro Benchmarks
• GitHub Blog: Gemini 3.1 Pro in GitHub Copilot
• The Decoder: Gemini 3.1 Pro reasoning