Google Gemini 3.1 Pro Preview在多项基准测试中领先，性价比高
Google再次成为AI领域的领导者：Gemini 3.1 Pro Preview在Artificial Analysis Intelligence Index中领先，比Claude Opus 4.6高出4分，而运行成本不到后者的一半。
@GoogleDeepMind 提前给予我们访问Gemini 3.1 Pro Preview的权限。它在构成Artificial Analysis Intelligence Index的10项评估中领先6项，且相比Gemini 3 Pro Preview在能力上有显著提升，尤其在推理与知识、编码以及减少幻觉方面进步最大。
Gemini 3.1 Pro Preview依然保持较高的token效率，运行Artificial Analysis Intelligence Index仅需约5700万token（比Gemini 3 Pro Preview多100万），低于其他前沿模型在最大推理设置下的消耗，如Opus 4.6（最大）和GPT-5.2（极高）。结合更低的每token定价，Gemini 3.1 Pro Preview在前沿模型中具有成本效益，运行整个Intelligence Index的成本不到Opus 4.6（最大）的一半，但仍约为领先开源模型GLM-5的2倍。
关键要点：
➤ 更低成本下的顶尖智能：Gemini 3.1 Pro Preview在构成Artificial Analysis Intelligence Index的10项评估中领先6项，运行成本不到来自@OpenAI和@AnthropicAI的前沿模型的一半。它在Terminal-Bench Hard（代理编程）、AA-Omniscience（知识与幻觉）、Humanity's Last Exam（推理与知识）、GPQA-Diamond（科学推理）、SciCode（编程）和CritPt（研究级物理学）中取得最高分。CritPt得分尤为突出，在未发表的研究级物理推理问题上获得18%，比次优模型高出5个百分点以上。
➤ 改进的现实世界代理性能，但未领先：Gemini 3.1 Pro Preview在GDPval-AA（我们的代理评估，聚焦现实任务）中有所改进，但尚未成为该领域的领先模型。其ELO分数比Gemini 3 Pro Preview提高100分至1316，但仍落后于Claude Sonnet 4.6、Opus 4.6、GPT-5.2（极高）和GLM-5。
➤ 领先的编程能力：Gemini 3.1 Pro Preview在Artificial Analysis Coding Index中领先，在Terminal-Bench Hard（54%）和SciCode（59%）中均取得最高分。
➤ 减少幻觉：Gemini 3.1 Pro Preview在不知道答案时猜测错误的倾向大幅改善，其AA-Omniscience幻觉率比Gemini 3 Pro Preview降低了38个百分点。
➤ 保持token和成本效率：Gemini 3.1 Pro Preview在成本或token使用没有实质性增加的情况下实现改进。运行Artificial Analysis Intelligence Index仅比Gemini 3 Pro Preview多消耗约2%的token，并保持相同定价（≤20万上下文时为每百万输入/输出token $2/$12）。其运行Artificial Analysis Intelligence Index的成本为892美元，不到Opus 4.6（最大）和GPT-5.2（极高）等前沿模型的一半，但仍约为领先开源模型GLM 5（547美元）的2倍。
➤ Google在多模态领域占据前三：Gemini 3.1 Pro Preview在我们的多模态理解与推理基准MMMU-Pro中排名第一，领先于Gemini 3 Pro Preview和Gemini 3 Flash，巩固了Google在多模态推理领域的领导地位。
➤ 其他模型细节：Gemini 3.1 Pro Preview保留了与其前身相同的100万token上下文窗口，并支持工具调用、结构化输出和JSON模式。
@GoogleDeepMind 提前给予我们访问Gemini 3.1 Pro Preview的权限。它在构成Artificial Analysis Intelligence Index的10项评估中领先6项，且相比Gemini 3 Pro Preview在能力上有显著提升，尤其在推理与知识、编码以及减少幻觉方面进步最大。
Gemini 3.1 Pro Preview依然保持较高的token效率，运行Artificial Analysis Intelligence Index仅需约5700万token（比Gemini 3 Pro Preview多100万），低于其他前沿模型在最大推理设置下的消耗，如Opus 4.6（最大）和GPT-5.2（极高）。结合更低的每token定价，Gemini 3.1 Pro Preview在前沿模型中具有成本效益，运行整个Intelligence Index的成本不到Opus 4.6（最大）的一半，但仍约为领先开源模型GLM-5的2倍。
关键要点：
➤ 更低成本下的顶尖智能：Gemini 3.1 Pro Preview在构成Artificial Analysis Intelligence Index的10项评估中领先6项，运行成本不到来自@OpenAI和@AnthropicAI的前沿模型的一半。它在Terminal-Bench Hard（代理编程）、AA-Omniscience（知识与幻觉）、Humanity's Last Exam（推理与知识）、GPQA-Diamond（科学推理）、SciCode（编程）和CritPt（研究级物理学）中取得最高分。CritPt得分尤为突出，在未发表的研究级物理推理问题上获得18%，比次优模型高出5个百分点以上。
➤ 改进的现实世界代理性能，但未领先：Gemini 3.1 Pro Preview在GDPval-AA（我们的代理评估，聚焦现实任务）中有所改进，但尚未成为该领域的领先模型。其ELO分数比Gemini 3 Pro Preview提高100分至1316，但仍落后于Claude Sonnet 4.6、Opus 4.6、GPT-5.2（极高）和GLM-5。
➤ 领先的编程能力：Gemini 3.1 Pro Preview在Artificial Analysis Coding Index中领先，在Terminal-Bench Hard（54%）和SciCode（59%）中均取得最高分。
➤ 减少幻觉：Gemini 3.1 Pro Preview在不知道答案时猜测错误的倾向大幅改善，其AA-Omniscience幻觉率比Gemini 3 Pro Preview降低了38个百分点。
➤ 保持token和成本效率：Gemini 3.1 Pro Preview在成本或token使用没有实质性增加的情况下实现改进。运行Artificial Analysis Intelligence Index仅比Gemini 3 Pro Preview多消耗约2%的token，并保持相同定价（≤20万上下文时为每百万输入/输出token $2/$12）。其运行Artificial Analysis Intelligence Index的成本为892美元，不到Opus 4.6（最大）和GPT-5.2（极高）等前沿模型的一半，但仍约为领先开源模型GLM 5（547美元）的2倍。
➤ Google在多模态领域占据前三：Gemini 3.1 Pro Preview在我们的多模态理解与推理基准MMMU-Pro中排名第一，领先于Gemini 3 Pro Preview和Gemini 3 Flash，巩固了Google在多模态推理领域的领导地位。
➤ 其他模型细节：Gemini 3.1 Pro Preview保留了与其前身相同的100万token上下文窗口，并支持工具调用、结构化输出和JSON模式。