2月20日消息，今日凌晨，谷歌正式發(fā)布其新一代旗艦?zāi)Ｐ?strong>Gemini 3.1 Pro。根據(jù)谷歌放出的基準(zhǔn)測試，谷歌最強(qiáng)復(fù)雜任務(wù)處理模型Gemini 3.1 Pro在12項測試中超過Gemini 3 Pro、Claude Opus 4.6、Claude Sonnet 4.6、GPT-5.2等模型，拿下第一。
谷歌DeepMind主要提升了Gemini 3.1 Pro的推理能力。面對業(yè)界公認(rèn)高難度的ARC-AGI-2通用智能基準(zhǔn)測試，Gemini 3.1 Pro斬獲77.1%的高分，超越Claude、GPT模型，且成績相較Gemini 3 Pro實現(xiàn)翻倍提升。
去年9月加入谷歌DeepMind的清華物理系傳奇人物姚順宇（Shunyu Yao）也發(fā)文官宣了新模型發(fā)布，并稱“更好的Gemini模型正以勢不可擋的速度涌現(xiàn)”。
下面這一經(jīng)典的“鵜鶘騎自行車SVG動畫”對比，直觀體現(xiàn)了新模型的能力提升，右側(cè)Gemini 3.1 Pro生成的鵜鶘身體結(jié)構(gòu)、騎行姿態(tài)自然合理，且自行車的車架、鏈條、腳踏、座椅等細(xì)節(jié)完整，相比Gemini 3 Pro的生成結(jié)果符合物理常識，更像一個完整的動畫場景。
為Gemini 3.1開發(fā)SVG生成功能的清華校友Jiao Sun，在X上評論說“無比自豪”。
從今日起，Google AI Pro、Ultra訂閱用戶可以在Gemini應(yīng)用、AI助手NotebookLM中使用Gemini 3.1 Pro，免費用戶可向Gemini 3.1 Pro提問2次。開發(fā)者和企業(yè)用戶可以在AI Studio、Antigravity、Vertex AI、Gemini Enterprise、Gemini CLI及Android Studio的Gemini API預(yù)覽版中使用Gemini 3.1 Pro。
Gemini 3.1 Pro預(yù)覽版的API價格采用分級計費模式，與上一代Gemini 3 Pro預(yù)覽版保持一致，提示詞在20萬token以內(nèi)，每百萬token輸入價格2美元（約合人民幣14元），輸出價格12美元（約合人民幣83元），提示詞超過20萬token，每百萬token輸入價格4美元（約合人民幣28元），輸出價格18美元（約合人民幣124元）。
01 .
能搭WebOS、能做《我的世界》
還能拆視覺錯覺
Gemini 3.1 Pro的核心升級集中在復(fù)雜任務(wù)處理能力上。其博客透露，新模型在高級推理、多模態(tài)理解和復(fù)雜項目生成方面進(jìn)一步強(qiáng)化，能夠更好應(yīng)對高難度工作場景。模型發(fā)布后，社區(qū)實測迅速跟進(jìn)。
知名AI博主Chetaslua展示了其用Gemini 3.1 Pro一次性安裝Windows 11 WebOS的結(jié)果。
Chetaslua在帖中直言：“上次我分享類似案例時還非常困難，現(xiàn)在已經(jīng)變成常態(tài)。有了智能體系統(tǒng)，我們幾乎可以用這個模型做任何事。”
他之前也發(fā)過用Gemini 3.0 Pro生成Windows Web操作系統(tǒng)的視頻，兩個視頻放一起對比，提升效果非常明顯。
Gemini 3.1 Pro生成的系統(tǒng)界面有完整應(yīng)用圖標(biāo)、開始菜單樣式布局以及基礎(chǔ)窗口交互邏輯，整體形態(tài)更接近一個可運行的輕量級操作系統(tǒng)。
相比之下，之前3.0 Pro生成的系統(tǒng)形態(tài)相對簡陋，一些基礎(chǔ)桌面交互和系統(tǒng)級應(yīng)用缺失。
另一組更偏工程化的案例顯示，有開發(fā)者用Gemini 3.1 Pro在瀏覽器中直接生成并運行了一個可交互的VoxelWeb項目，形態(tài)類似“我的世界”式3D沙盒。
界面已包含啟動按鈕、移動控制、方塊交互以及基礎(chǔ)合成邏輯，具備完整的輕量沙盒雛形。
在前端生成與動畫細(xì)節(jié)方面，也有開發(fā)者要求模型生成一段完整的交互式生長動畫，覆蓋種子發(fā)芽、根系形成、枝干生長到樹葉展開的全過程。
實測結(jié)果顯示，模型在生長階段銜接與葉片細(xì)節(jié)上表現(xiàn)較為完整。該開發(fā)者評價稱：“這是我在這個提示詞下見過最好的樹葉效果。”
視覺理解方向的測試則進(jìn)一步拉高了難度。有網(wǎng)友專門驗證“AgenticVision”能力，輸入素材是一張看似普通的街頭垃圾桶照片。
模型不僅完成了基礎(chǔ)識別，還進(jìn)一步指出：當(dāng)瞇眼或拉遠(yuǎn)觀看時，畫面中的垃圾、陰影與輪廓會在視覺上拼合成兩個并排而坐的卡通角色。模型還逐項拆解了這一視覺錯覺的形成機(jī)制，解釋不同布料、垃圾袋與陰影分別對應(yīng)角色的頭部、身體與外輪廓關(guān)系，體現(xiàn)出多步視覺推理能力。
整體來看，Gemini 3.1 Pro已經(jīng)開始觸及空間關(guān)系理解、形狀映射和視覺錯覺解釋等更高階視覺認(rèn)知任務(wù)。開發(fā)者給出的綜合判斷是，其表現(xiàn)已進(jìn)入當(dāng)前第一梯隊水平。
我們還用“開車還是步行去距離100米的洗車店洗車”、“父母能否結(jié)婚”等陷阱題考了考Gemini 3.1 Pro，結(jié)果它都成功避坑答對。
02 .
手搓《模擬城市》
創(chuàng)意編程、交互式設(shè)計分分鐘搞定
谷歌DeepMind的官方X賬號展示了谷歌UX工程師Michael Chang用Gemini 3.1 Pro開發(fā)了一個逼真的城市規(guī)劃應(yīng)用程序。Gemini 3.1 Pro能自己處理復(fù)雜地形、繪制基礎(chǔ)設(shè)施圖、模擬交通，最后生成高質(zhì)量的可視化效果。
除了上面提到的鵜鶘騎自行車，Gemini 3.1 Pro在生成青蛙騎老式高輪自行車、長頸鹿駕駛微型汽車、鴕鳥穿著旱冰鞋等各種抽象畫面的SVG動畫上，表現(xiàn)也毫不遜色。相比Gemini 3 Pro，Gemini 3.1 Pro的生成效果整體場景更生動、更有故事感，細(xì)節(jié)表現(xiàn)力大幅提升。
如Gemini 3.1 Pro可以直接根據(jù)文本提示生成可用于網(wǎng)站的動畫SVG，并且由于這些動畫是用純代碼而非像素構(gòu)建的，因此在任何尺寸下都能保持清晰，并且文件體積相比傳統(tǒng)視頻非常小。
Gemini 3.1 Pro的復(fù)雜推理能力，能幫助用戶使用復(fù)雜API完成設(shè)計。如下面案例，該模型構(gòu)建了一個實時航空航天儀表盤，成功配置了公共遙測數(shù)據(jù)流，以可視化國際空間站的軌道運行軌跡。
在交互式設(shè)計方面，Gemini 3.1 Pro可以編寫代碼，生成一個復(fù)雜的3D椋鳥群飛模擬。并且其還能構(gòu)建沉浸式體驗，用戶可以通過手勢追蹤操控鳥群，同時聆聽一段生成式配樂，音樂會隨著鳥群的動態(tài)變化而改變。
Gemini3.1 Pro還能進(jìn)行創(chuàng)意編程， 將文學(xué)主題轉(zhuǎn)化為可運行的代碼。當(dāng)被要求為艾米莉·勃朗特（Emily Brontë）的《呼嘯山莊》構(gòu)建一個現(xiàn)代個人作品集網(wǎng)站時，該模型深入分析了小說的氛圍基調(diào)，設(shè)計出一個簡潔現(xiàn)代的界面，打造出一個能捕捉主角精神內(nèi)核的網(wǎng)站。
03 .
編程、推理、多模態(tài)樣樣行
數(shù)項測試超Claude、GPT模型
研究人員在一系列基準(zhǔn)測試中對Gemini 3.1 Pro進(jìn)行了評估，包括推理、多模態(tài)能力、智能體工具使用、多語言性能和長上下文。
相比Gemini 3 Pro、Claude Sonnet 4.6、Claude Opus 4.6、GPT-5.2、GPT-5.3-Codex，Gemini 3.1 Pro在12項基準(zhǔn)測試中拿下第一。
在需要更強(qiáng)推理能力的測試中，Gemini 3.1 Pro在人類最后的考試、ARC-AGI-2、GPQA Diamond 3項測試中，表現(xiàn)都優(yōu)于Claude、GPT模型。
編程能力測試中，Gemini 3.1 Pro在SWE-Bench Pro（公開版）和SWE-Bench Verified中得分相對較低，這兩大測試集考驗的是模型在真實項目中理解需求、定位問題、修改代碼、保證可用的端到端工程能力。
GDPval-AA Elo是當(dāng)前衡量大模型在高價值知識工作中綜合能力的相對評分體系，Gemini 3.1 Pro的表現(xiàn)優(yōu)于GPT-5.2、GPT-5.3-Codex，僅次于Sonnet 4.6。
衡量大模型工具使用能力的τ2-bench、MCP Atlas、BrowseComp、多語言性能的MMLU、長上下能力的MRCR v2測試集中，新模型的表現(xiàn)同樣優(yōu)于其他模型。
在多模態(tài)大模型學(xué)術(shù)評測基準(zhǔn)MMMU-Pro上，Gemini 3.1 Pro的表現(xiàn)比Claude、GPT模型更好，但略遜于Gemini 3 Pro。
04 .
結(jié)語：大模型競賽焦點
轉(zhuǎn)向復(fù)雜任務(wù)落地能力
當(dāng)前大模型行業(yè)正從通用能力比拼，轉(zhuǎn)向真實世界復(fù)雜任務(wù)的實戰(zhàn)能力競爭，海內(nèi)外各家模型在推理、工程化、多模態(tài)理解等核心能力上不斷發(fā)力突破，力求讓大模型真正落地應(yīng)用，與真實業(yè)務(wù)場景相結(jié)合。
谷歌近期的加速布局也是如此，其上周發(fā)布了Gemini 3 Deep Think模型升級、一周后又推出Gemini 3.1 Pro，都將模型的升級重點放在專業(yè)領(lǐng)域加速技術(shù)研發(fā)、解決實際工作中的復(fù)雜問題上?？梢钥闯?，當(dāng)下大模型已經(jīng)讓更智能的大模型真正具備解決真實世界復(fù)雜任務(wù)能力，AI成為專業(yè)領(lǐng)域核心生產(chǎn)力的潛力增加。