Gemini 3.1 Pro: Googles resonneringssprang forklart

TL;DR

Google lanserte Gemini 3.1 Pro (preview) den 19. februar 2026. Nøkkeltallene:

• ARC-AGI-2: 77,1 % — mer enn det dobbelte av Gemini 3 Pro (31,1 %), slår Opus 4.6 (68,8 %) og GPT-5.2 (52,9 %)
• GPQA Diamond: 94,3 % — leder over alle modeller på vitenskap på masternivå
• SWE-bench: 80,6 % — matcher Opus 4.6 (80,8 %) på koding
• Pris: $2/$12 per M tokens — billigste "frontier"-modell
• 1M token kontekst — uendret fra Gemini 3 Pro
• Leder på 13 av 16 benchmarks evaluert av Google
• Tilgjengelig nå i preview: AI Studio, Vertex AI, Gemini CLI, Gemini-appen

Hva Google annonserte

Den 19. februar 2026 lanserte Google Gemini 3.1 Pro — den første ".1"-oppdateringen i deres modellversjonering. Den bygger på Gemini 3 Pro (november 2025) ved å integrere teknikker fra Gemini 3 Deep Think-serien i en mer tilgjengelig og raskere modell.

Googles blogg beskriver den som designet for "oppgaver der et enkelt svar ikke er nok" — kompleks flertrinns resonnering, datasyntese og agent-baserte arbeidsflyter.

Hovedstatistikken: 77,1 % på ARC-AGI-2, benchmarken for ny abstrakt resonnering. Det er mer enn det dobbelte av Gemini 3 Pros 31,1 %, og betydelig foran både Opus 4.6 (68,8 %) og GPT-5.2 (52,9 %). VentureBeat kaller det "en Deep Think Mini med justerbar resonnering på forespørsel."

Full oversikt over benchmarks

Der Gemini 3.1 Pro leder (13 av 16 benchmarks)

Der konkurrentene fortsatt vinner

Resonneringsspranget i kontekst

ARC-AGI-2 måler en modells evne til å løse problemer den aldri har sett før — ren abstrakt resonnering, ikke mønstergjenkjenning fra treningsdata. Her er hvor raskt Gemini forbedret seg:

Gemini 3.1 Pro hoppet fra 31,1 % til 77,1 % i én versjon — en forbedring på 148 %. Dette kommer av integrering av Deep Thinks utvidede resonneringsteknikker i basemodellen.

Hva er endret sammenlignet med Gemini 3 Pro

1. Deep Think-integrering

Gemini 3 Deep Think var en separat, tregere modell optimalisert for utvidet resonnering. Gemini 3.1 Pro baker disse teknikkene inn i standardmodellen, med justerbar resonneringsdybde. Du får resonnering på Deep Think-nivå uten Deep Think-latens for de fleste oppgaver.

2. Dramatisk bedre resonnering

Tallene taler for seg selv:

3. Bedre agent-ytelse

APEX-Agents (33,5 %) og MCP Atlas (69,2 %) poengsummer viser at Gemini 3.1 Pro er betydelig mer kapabel som en autonom agent — verktøybruk, flertrinns planlegging og selvkorrigering er alle forbedret.

4. Bevart multimodal styrke

Gemini 3.1 Pro beholder Geminis kjernefordel: medfødt multimodal prosessering av tekst, bilder, lyd og video innenfor en enkelt kontekst. Ingen annen frontier-modell matcher denne bredden til dette prispunktet.

Prising

Samme pris som Gemini 3 Pro — en gratis oppgradering:

Sammenligning med konkurrenter

Gemini 3.1 Pro er den billigste frontier-modellen — 33 % billigere enn Sonnet 4.6 på input, og 20 % billigere på output.

Kostnad per sesjon (100K inn + 20K ut)

Ytterligere kostnadsoptimalisering:

• Batch-modus: 50 % rabatt ($0,22/sesjon)


• Kontekst-caching: Bufrede input-lesinger koster 10 % av baseprisen

Tilgjengelighet

Hvor du kan bruke den

API-hurtigstart

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)

Endepunkt for egendefinerte verktøy

Google lanserte også et spesialisert endepunkt for bedre verktøyytelse:

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

Bruk dette endepunktet når du bygger agenter som er sterkt avhengige av funksjonskalling og verktøybruk.

Hva dette betyr

Kappløpet om resonnering tilspisser seg

Tre frontier-modeller lansert på 13 dager:

• 6. feb: Claude Opus 4.6 (Anthropic)


• 17. feb: Claude Sonnet 4.6 (Anthropic)


• 19. feb: Gemini 3.1 Pro (Google)

Best-i-klassen resonnering til budsjettpris

Gemini 3.1 Pros 77,1 % på ARC-AGI-2 er den høyeste resonneringssummen som er tilgjelig, til den laveste prisen ($2/$12). For oppgaver som krever ny problemløsning, abstrakt resonnering eller vitenskapelig analyse, er den det klare valget.

Paritet på koding

Med 80,6 % på SWE-bench (mot Opus 4.6 sine 80,8 % og Sonnet 4.6 sine 79,6 %), er Gemini 3.1 Pro nå konkurransedyktig på koding for første gang. Tidligere Gemini-modeller lå betydelig bak Claude på denne benchmarken.

Den manglende brikken: Datamaskinbruk

Gemini 3.1 Pro har ikke benchmark-resultater på OSWorld (datamaskinbruk). Claude Sonnet 4.6 leder med 72,5 % på denne kapabiliteten. Hvis arbeidsflyten din involverer nettleserautomatisering, skjemautfylling eller skrivebordskontroll, forblir Claude det eneste levedyktige alternativet.

For utviklere som bygger produkter

De praktiske implikasjonene:

• Billigste resonnering: $0,44/sesjon mot $0,60 (Sonnet) mot $0,80 (GPT-5.2)


• Best for vitenskapelige/analytiske oppgaver: 94,3 % på GPQA Diamond er den høyeste poengsummen som er tilgjengelig


• Konkurransedyktig på koding: 80,6 % på SWE-bench tetter gapet til Claude


• Multimodal fordel: Medfødt video/lyd-prosessering som Claude og GPT ikke matcher


• Preview-status: Ikke GA (generelt tilgjengelig) ennå — forvent forbedringer før full lansering

• 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