谷歌已发布 Gemini 3.1 Pro 预览版。按官方披露，这一版本在 ARC-AGI-2 上拿到 77.1%，比前代 Gemini 3 Pro 高出一倍以上；在列出的 16 项基准测试 中，Gemini 3.1 Pro 拿下了 13 项第一。
其余几项关键成绩也被一并公布：GPQA Diamond 为 94.3%，SWE-Bench Verified 为 80.6%，Humanity’s Last Exam 为 44.4%，MMMLU 为 92.6%。在衡量多步骤工具调用流程的 MCP Atlas 上，Gemini 3.1 Pro 达到 69.2%，领先 Claude 和 GPT-5.2 近 10 个百分点。
三级推理深度开放给开发者调节
这次更新里，更受开发者关注的是 thinking level，也就是三级思考深度系统。用户可在 low、medium、high 三档之间切换推理预算：处理简单 API 调用时可降低延迟和成本，复杂调试场景则可切到更高档位。短句说，就是把模型“想多久”交给开发者自己决定。
当设为 high 时，Gemini 3.1 Pro 的行为被描述为接近 Gemini Deep Think 的迷你版本。VentureBeat 将其称为“按需启动的 Deep Think Mini”。在衡量 AI 代理自主网页搜索能力的 BrowseComp 上，该模型从前代的 59.2% 升至 85.9%，提升幅度相当明显。
性能提升，但每百万Token定价不变
价格层面，Gemini 3.1 Pro 维持与 Gemini 3 Pro 相同的 API 定价：每百万输入 token 2 美元，每百万输出 token 12 美元。按文中给出的对比，Gemini 3.1 Pro 的输入成本比 Claude Opus 4.6 低 60%，输出成本低 52%。
模型上下文窗口继续维持在 100 万 token，文中称这相当于 Claude 的 5 倍、GPT-5 的 2.5 倍；输出上限则扩展到 65,000 token。单次 API 上传限制也从 20MB 提高到 100MB，并支持直接传入 YouTube URL，让模型处理视频内容。报道认为，谷歌能在性能上行的同时保持不涨价，与其自研 TPU 芯片及云基础设施带来的成本优势有关。
三家竞争重点不同，模型排名持续轮换
Gemini 3.1 Pro 并未在所有任务中全面领先。报道提到，Claude Sonnet 4.6 在 Thinking Max 模式下，与 Gemini 3.1 Pro 在长上下文记忆测试 MRCR v2 打平；在 GDPval-AA Elo 专家任务上，Claude 以 1633 领先 Gemini 的 1317。
OpenAI 的 GPT-5.3-Codex 则在终端编程任务 Terminal-Bench 2.0 上拿到 77.3%，高于 Gemini 3.1 Pro 的 68.5%。同时，报道还提到 Claude 系列的幻觉率约为 3%，低于 Gemini 和 GPT 的平均约 6%。从现有基准看，谷歌在推理与代理任务上冲得很快，Anthropic 在精度和安全性上保持优势，OpenAI 则继续守住代码生成和生态位置，而模型竞争的更新频率也在缩短。