Gemini 3.1

Gemini 3.1是谷歌於2026年3月推出的人工智慧模型系列。

該系列包含多個版本：Gemini 3.1 Pro於2026年2月19日發布，專注於複雜推理任務，在ARC-AGI-2基準測試中取得77.1%的得分；Gemini 3.1 Flash-Lite於2026年3月4日發布，主打速度與成本效率，首Token回響速度較前代提升2.5倍，吞吐量可達每秒363個Token；Gemini 3.1 Flash Live於2026年3月27日發布，專為低延遲實時音頻與語音互動設計，在ComplexFuncBench Audio測試中取得約90.8%的成績。全系列支持三層思考模式，具備強大的多模態理解能力，並擁有長達200萬token的上下文視窗。該系列通過Google AI Studio、Vertex AI等平台向開發者、企業及普通用戶開放，免費用戶可通過Gemini官方網站網頁版、官方手機App等方式使用Gemini 3.1 Pro，但通常有使用次數限制。Gemini 3.1 Pro採用階梯計費模式，並在核心推理能力提升的情況下保持了與上代相同的價格。

發展歷史

2026年2月19日，谷歌發布Gemini 3.1 Pro，這是首次以‘.1’作為版本增量發布的Gemini模型，其基於Gemini 3 Deep Think的技術基礎，提升了核心推理能力。

2026年3月4日，谷歌正式推出Gemini 3.1 Flash-Lite，該模型強調速度與成本效益，專為開發者的大規模、高吞吐量工作負載而設計。

2026年3月27日，谷歌正式推出Gemini 3.1 Flash Live模型，該模型側重於實時音頻和語音互動。

版本介紹

Gemini 3.1是谷歌於2026年推出的新一代AI模型系列，採用分層模型體系，針對不同套用場景推出了多個版本。

Gemini 3.1 Pro於2026年2月19日發布，定位為強化複雜推理能力，專為處理超級複雜的任務設計。在ARC-AGI-2基準測試中，Gemini 3.1 Pro取得了77.1%的得分。

Gemini 3.1 Flash-Lite於2026年3月4日發布，強調速度與成本效率，是輕量級模型。其首Token回響速度較前代提升2.5倍，每秒可產出超過360個Token。該模型支持開發者控制“思考深度”（thinking levels）功能。

Gemini 3.1 Flash Live於2026年3月27日發布，專為實時音頻和語音互動設計，具備低延遲對話、高精度回響和長上下文處理能力。在ComplexFuncBench Audio測試中取得約90.8%的成績。該模型通過Gemini Live API向開發者開放。

整體來看，谷歌通過分層模型體系覆蓋不同需求：Gemini 3.1 Pro用於高複雜度推理，Gemini 3.1 Flash用於高速回響，Gemini 3.1 Flash-Lite用於低成本大規模調用，Gemini 3.1 Flash Live用於實時語音互動。

技術特點

Gemini 3.1系列模型在核心架構與效率設計上採用了混合專家（MoE）架構和注意力稀疏化（如分組查詢注意力、滑動視窗注意力）等算法創新，並結合針對稀疏架構最佳化的推理引擎與高級調度策略（如持續批處理），實現了從算法到系統的全棧效率最佳化，旨在以最低的單位成本提供頂尖能力。其核心推理能力實現顯著突破，在抽象推理基準測試ARC-AGI-2中得分達到77.1%，較前代Gemini 3 Pro性能提升超過一倍。Gemini 3.1具備強大的多模態理解能力，支持對文本、圖像、視頻、音頻的理解與跨模態推理，並擁有長達200萬token的上下文視窗。

Gemini 3.1系列引入了專為實時互動設計的變體，如Gemini 3.1 Flash Live，該模型具備低延遲、高精度的實時語音對話與連續理解能力，在ComplexFuncBench Audio測試中取得約90.8%的成績。全系列支持三層思考模式（Low/Medium/High），允許開發者根據任務複雜度靈活控制模型的推理資源分配，在速度、質量與成本間取得平衡。

在多項基準測試中，Gemini 3.1表現領先，如在GPQA Diamond（科學知識測試）中得分94.3%，在Humanity's Last Exam中得分44.4%。其輕量版模型Gemini 3.1 Flash-Lite實現了極高的推理效率，首次回響速度較前代提升2.5倍，吞吐量可達每秒超過360個Token，在保持高質量的同時具有顯著的成本優勢。

性能表現

Gemini 3.1系列模型在多個基準測試中進行了評估。其中，Gemini 3.1 Pro在ARC-AGI-2基準測試中得分為77.1%，在GPQA Diamond測試中得分為94.3%，在Humanity's Last Exam測試中得分為44.4%，得分超越Claude Opus 4.6和GPT-5.2。在Artificial Analysis評測中，其整體智慧型維度得分為57分，編碼能力得分為56分。在MCP Atlas測試中得分為69.2%，BrowseComp測試中得分為85.9%，MMMLU測試中得分為92.6%。在SWE-Bench Verified單次嘗試中得分為80.6%，LiveCodeBench Pro的Elo評分為2,887分。但在GDPval-AA測試中得分為1317分，低於Claude Sonnet 4.6的1633分。

Gemini 3.1 Flash-Lite模型輸出速度達363 token/s。在GPQA Diamond測試中得分為86.9%，在MMMU-Pro測試中得分為76.8%，在Video-MMMU測試中得分為84.8%。在SimpleQA Verified測試中準確率為43.3%，在LiveCodeBench代碼生成測試中得分為72.0%。

Gemini 3.1 Flash模型在語音轉錄任務中的錯誤率為4.9%（基於涵蓋所有語言的測試），作為與微軟MAI-Transcribe-1對比的基準。

Gemini 3.1 Flash Live模型在ComplexFuncBench Audio測試中得分為90.8%。

訪問方式

Gemini 3.1系列模型提供了多種訪問方式。免費用戶可通過Gemini官方網站網頁版、官方手機App、Chrome瀏覽器內置功能以及Google搜尋結果頁頂部的AI總結功能使用Gemini 3.1 Pro，但通常有使用次數限制。開發者可通過Google AI Studio、Gemini API、Gemini CLI、智慧型體開發平台Google Antigravity以及Android Studio調用Gemini 3.1 Pro/Flash等模型的API。企業用戶可通過Google Cloud的Vertex AI平台和Gemini Enterprise服務集成並使用Gemini 3.1系列模型。Google AI Pro與Ultra訂閱用戶可在Gemini套用和NotebookLM中使用Gemini 3.1 Pro，並享有更高的調用額度。

價格體系

3.1 Flash-Lite採用按輸入與輸出Token數量計費的模式。

Gemini 3.1 Pro採用階梯計費模式，其費用根據輸入token數量是否超過20萬而有所不同。同時，該模型提供需額外付費的上下文快取服務。此外，該系列的圖像生成服務亦單獨定價。

行業反響

Gemini 3.1系列模型發布後，因其在性能、效率與成本方面的表現，獲得了較多關注。有評測認為其在推理、代碼、多模態理解、長上下文處理、代理任務執行等關鍵維度上表現較為均衡。其定價策略在核心推理能力提升的情況下保持與上代相同，被認為具有較好的性價比。行業分析認為，Gemini 3.1的發布反映出AI行業的競爭焦點正從參數規模轉向效率最佳化與套用落地。Gemini 3.1 Flash-Lite模型在推理速度和成本控制方面具有優勢，為AI套用的大規模、高頻次部署提供了方案。在開發者社區中，該模型受到關注，實測展示了其工程化能力，例如能夠生成包含3D渲染、實時數據獲取的互動系統。Gemini 3.1 Flash Live的發布被視為谷歌在定義“實時對話”人機互動範式、構建全棧AI平台方面的重要進展。同時有觀點指出，該系列模型在部分特定任務（如某些商業流程操作、複雜代理任務規劃）上的表現，與競爭對手的特定模型相比仍存在差距。

在科研數據審查領域，荷蘭軟體開發者馬克斯·英格蘭開發的“Bloodhound”數據檢測軟體將Gemini 3.1用作第二輪智慧型研判工具，以評估公開科學數據集中重複數值的合理性並標記可疑數據。Dryad數據出版負責人丹·愛德華茲評價其工作“揭示了過去未被識別的表格數據問題，為促進研究誠信開闢了新途徑”。