Gemini 3.1 Pro
Google · Veröffentlicht Feb. 2026
Googles leistungsfähigstes öffentlich verfügbares Pro-Tier-Modell mit 1M-Token-Kontext zu wettbewerbsfähigen Preisen. Vorgänger-Generation: Gemini 3.6 und 3.5 Flash schlagen es jetzt bei Coding- und agentischen Benchmarks zu niedrigeren Kosten. Bleib dabei in Google Cloud/Vertex AI; ansonsten liefern die Flash-Reihe oder Wettbewerber mehr.
Ist es das Richtige für dich?
Gut für
- Tiefgehendes Reasoning bei komplexen wissenschaftlichen und mathematischen Problemen
- Analyse sehr großer Kontexte mit 1M Tokens
- Kostenbewusste Teams, die Pro-Tier-Reasoning für $2/$12 benötigen
- Nutzer des Google Cloud/Vertex AI-Ökosystems
Nicht geeignet für
- Modernste Coding- und agentische Workflows — Flash-Modelle übertreffen es
- Sicherheitssensible Deployments — FAR.AI fand 249 universelle Jailbreaks für ~$278
Leistung nach Aufgabe
Complex reasoning / science
ARC-AGI-2 77.1% (2.5x Gemini 3 Pro), GPQA Diamond 94.3% — top-tier reasoning at launch
Long-context analysis
1M token context window, MRCR v2 84.9% at 128K — process entire codebases or multi-document research
Coding
SWE-Bench Verified 80.6% is strong but now trails Gemini 3.6 Flash and Claude Opus 5
Agentic workflows
APEX-Agents 33.5%, MCP Atlas 69.2% — solid but Flash models are better for production agents
Math
LiveCodeBench 2887 Elo, HLE 44.4% no-tools — strong mathematical reasoning
Multimodal understanding
MMMU-Pro 80.5% — competitive, natively multimodal across text, audio, images, video
Security / safety
FAR.AI found 249 universal jailbreaks for ~$278 — significantly weaker safeguards than Claude Fable 5 and GPT-5.6 Sol
Preise
Eingabe
$2 / 1M
Ausgabe
$12 / 1M
Kontext
1M tokens
Benchmarks
| Benchmark | Wert | Quelle |
|---|---|---|
| ARC-AGI-2 | 77.1% | Quelle |
| MMLU (MMMLU) | 92.6% | Quelle |
| GPQA Diamond | 94.3% | Quelle |
| SWE-Bench Verified | 80.6% | Quelle |
| SWE-Bench Pro (Public) | 54.2% | Quelle |
| Terminal-Bench 2.0 | 68.5% | Quelle |
| LiveCodeBench Pro | 2887 Elo | Quelle |
| APEX-Agents | 33.5% | Quelle |
| HLE (no tools) | 44.4% | Quelle |
| HLE (with tools) | 51.4% | Quelle |
| MCP Atlas | 69.2% | Quelle |
| BrowseComp | 85.9% | Quelle |
| MRCR v2 (128K) | 84.9% | Quelle |
| MMMU-Pro | 80.5% | Quelle |
| GDPval-AA Elo | 1317 | Quelle |
Noch keine Urteilsänderungen
Die Uhr läuft ab dem ersten Tag — Änderungen erscheinen hier, sobald sich unser Urteil weiterentwickelt.
Quellen
- Google DeepMind: Gemini 3.1 Pro Model CardJuli 2026
- FAR.AI AI Security LeaderboardJuli 2026
- Google AI for Developers — Official pricing page (no 3.5 Pro yet)Juni 2026
- Google Blog: Gemini 3.1 Pro announcementJuli 2026
- Metacto: Gemini API PricingJuli 2026
- nxcode.io: Gemini 3.1 Pro Complete GuideJuli 2026
- GitHub Changelog: Gemini 3.1 Pro in CopilotJuli 2026
- GitHub Changelog: Gemini 2.5 Pro deprecation Jul 31, 2026Juli 2026
Prüfprotokoll
- Preise— Keine Änderungen
Automatisierter Agent