Gemini 3.1 Pro Preview: новый технологический лидер в индустрии ИИ

Google снова является лидером в сфере искусственного интеллекта: Gemini 3.1 Pro Preview лидирует в индексе искусственного интеллекта, опережая на 4 пункта Claude Opus 4.6 и обходясь вдвое дешевле.

GoogleDeepMind предоставил нам предварительный доступ к Gemini 3.1 Pro Preview. Он лидирует в 6 из 10 оценок, составляющих индекс искусственного анализа интеллекта, и значительно превосходит Gemini 3 Pro Preview по возможностям, с наибольшим приростом в рассуждении и знаниях, кодировании и уменьшении галлюцинаций.

Gemini 3.1 Pro Preview также остается относительно эффективным с использованием токенов: для расчета индекса искусственного анализа интеллекта используется около 57 миллионов токенов (+1 миллион по сравнению с Gemini 3 Pro Preview), что ниже, чем у других передовых моделей при максимальных настройках рассуждения, таких как Opus 4.6 (максимум) и GPT-5.2 (xhigh). В сочетании с более низкой ценой за токен Gemini 3.1 Pro Preview является экономически эффективным среди передовых аналогов: он стоит менее половины от стоимости Opus 4.6 (максимум) для запуска полного индекса интеллекта, хотя все же почти в два раза превышает ведущую модель открытого веса, GLM-5.

Ключевые выводы

➤ Современный интеллект при меньших затратах: Gemini 3.1 Pro Preview лидирует в 6 из 10 оценок, составляющих индекс искусственного анализа интеллекта, при менее чем половине затрат на эксплуатацию по сравнению с передовыми аналогами из @OpenAI и @AnthropicAI. Он получает высшие баллы по тестам Terminal-Bench Hard (агентское кодирование), AA-Всеведение (знание и галлюцинации), «Последний экзамен человечества» (рассуждение и знание), GPQA-Diamond (научное рассуждение), SciCode (кодирование) и CritPt (физика исследовательского уровня). Особенно примечателен показатель CritPt: 18% по неопубликованным физическим задачам исследовательского уровня, более 5 п.п. выше следующей лучшей модели

➤ Улучшенная реальная производительность агентов, но не лидерство: Gemini 3.1 Pro Preview показывает улучшение GDPval-AA, нашей агентной оценки, ориентированной на реальные задачи, но она по-прежнему не является ведущей моделью в этой области. Модель увеличивает свой показатель ELO более чем на 100 баллов до 1316 (по сравнению с Gemini 3 Pro Preview), однако по-прежнему уступает Claude Sonnet 4.6, Opus 4.6, GPT-5.2 (xhigh) и GLM-5.

➤ Лучшие возможности кодирования: Gemini 3.1 Pro Preview лидирует в индексе кодирования искусственного анализа, получив наивысший балл как в Terminal-Bench Hard (54%), так и в SciCode (59%).

➤ Уменьшение галлюцинаций: Gemini 3.1 Pro Preview демонстрирует значительное улучшение склонности к неправильным угадываниям, когда он не знает ответа, снижая уровень галлюцинаций в рамках АА-Всеведение на 38 п.п. из предварительного просмотра Gemini 3 Pro

➤ Сохранение токенов и экономической эффективности: Gemini 3.1 Pro Preview улучшается без существенного увеличения стоимости или использования токенов. Он использует всего на ~ 2% больше токенов для запуска индекса искусственного анализа интеллекта, чем Gemini 3 Pro Preview, и сохраняет ту же цену (2 доллара США/12 долларов США за 1 миллион токенов ввода/вывода для контекста ≤200 тысяч). Стоимость запуска индекса искусственного интеллекта в размере 892 долларов США составляет менее половины стоимости передовых моделей, таких как Opus 4.6 (максимум) и GPT-5.2 (xhigh), хотя все же примерно в два раза дороже ведущих моделей с открытым весом, таких как GLM 5 (547 долларов США).

➤ Google занимает первые 3 места в мультимодальности: Gemini 3.1 Pro Preview занимает первое место в MMMU-Pro, нашем тесте мультимодального понимания и рассуждения, опережая Gemini 3 Pro Preview и Gemini 3 Flash, что укрепляет лидерство Google в мультимодальном рассуждении.

➤ Другие сведения о модели: Gemini 3.1 Pro Preview сохраняет то же контекстное окно на 1 миллион токенов, что и его предшественник, и включает поддержку вызова инструментов, структурированных выходных данных и режима JSON.

Индекс интеллекта искусственного анализа (18 февраля 2026 г.)

Gemini 3.1 Pro Preview улучшается, не становясь более дорогим и многословным, используя всего на ~ 1 миллион токенов больше по сравнению с Gemini 3 Pro Preview, что означает увеличение затрат на запуск индекса искусственного анализа интеллекта на 72 доллара. Эта стоимость меньше половины стоимости передовых аналогов, таких как Opus 4.6 (макс.) и GPT-5.2 (xhigh), хотя все же примерно в два раза превышает стоимость ведущих моделей открытого веса, таких как GLM 5 и Kimi K2.5.

Выходные токены, используемые для запуска индекса искусственного анализа интеллекта (18 февраля 2026 г.)

Gemini 3.1 Pro Preview имеет среднюю скорость вывода 114 токенов/с. Хотя он немного медленнее своего предшественника (-10 т/с), он остается одной из самых быстрых моделей в топ-10 индекса искусственного анализа интеллекта, уступая только другим моделям Google (Gemini 3 Flash и Gemini 3 Pro Preview).

Выходная скорость (18 фев. 26 г.)

Шесть оценок, которые Gemini 3.1 Pro Preview лидирует в индексе искусственного анализа интеллекта, включают CritPt и Terminal-Bench Hard. CritPt тестирует модели на неопубликованных физических задачах исследовательского уровня. В CritPt Gemini 3.1 Pro Preview улучшается на ~9 п.п. и теперь опережает следующую лучшую модель на 5 пунктов. Он также опережает Terminal-Bench Hard, тест агентного использования терминалов, немного опережая Claude Sonnet 4.6.

Gemini 3.1 Pro Preview также лидирует в нашем тесте знаний и галлюцинаций AA-Всеведение. Модель улучшается на 17 пунктов по нашему ключевому показателю — индексу всезнания, который вознаграждает модели за знание ответа и наказывает за неправильные предположения.

Это увеличение обусловлено снижением склонности модели к неверным предположениям, когда она не знает ответа, что снижает уровень галлюцинаций АА-Всеведение с 88% до 50%. Gemini 3.1 Pro Preview также обеспечивает точность AA-всезнания 53% (сравнимо с Gemini 3 Pro Preview), что отражает глубокие встроенные знания.

Индекс всеведения АА (18 февраля 2026 г.)

Gemini 3.1 Pro Preview занимает первое место в MMMU-Pro, нашем тесте мультимодального понимания и рассуждения, опережая Gemini 3 Pro Preview и Gemini 3 Flash, что укрепляет лидерство Google в мультимодальном рассуждении.

Полная расшифровка результатов

Оценки разведки (18 февраля 2026 г.)