2025年11月，谷歌发布的Gemini 3 Pro曾短暂封王，但很快就被OpenAI和Anthropic的新模型挤下了宝座。不过，这场竞赛的残酷之处就在于，优势可能转瞬即逝。

就在2026年2月19日深夜，谷歌带着名为“Gemini 3.1 Pro”的新模型杀了回来。官方数据看着挺吸引人：在一项衡量AI解决全新逻辑问题能力的“怪考题”ARC-AGI-2上，Gemini 3.1 Pro的得分直接翻了一倍多，冲到77.1%。

第三方机构Artificial Analysis的测试也显示，Gemini 3.1 Pro的综合智能指数已经悄悄爬到了第一，把Claude Opus 4.6甩在了身后。



在Benchmark上，它没有选择去争那些靠用户投票的“人气榜”，专注在硬核推理、编码能力和成本控制上，摆出一副要跟开发者和企业用户“务实合作”的姿态。

最关键的是，性能涨了，价格却没变。谷歌这次，似乎是铁了心要用“加量不加价”的策略，把丢掉的头衔再抢回来。

01 “三级思考”模式

之前的Gemini 3 Pro可能会让人觉得它够快、够强，但有时候答案还是有点“飘”。这次的Gemini 3.1 Pro，谷歌把重点放在了“核心推理能力”上，换句话说，就是让它更会“动脑子”了。

这最直观地体现在名为ARC-AGI-2的测试里。这个测试考的不是死记硬背，全是些没见过的新逻辑题，专门用来检验AI真正的推理能力。





Gemini 3.1 Pro的得分在各项标准测试中均碾压同类竞品

Gemini 3 Pro之前的得分是31.1%，而Gemini 3.1 Pro一口气冲到了77.1%。谷歌DeepMind的老板戴密斯·哈萨比斯（Demis Hassabis）也特地发文说，这标志着模型在核心推理和问题解决能力上有了重大改进。

但真正的杀手锏，还不是得分。Gemini 3.1 Pro这次引入了一个“三级思考”模式——低、中、高。你可以把它理解为给模型装了一个可以调节的“算力旋钮”。简单说，就是用户可以根据任务难度，自己决定让模型花多少时间思考。

之前的Gemini 3 Pro只有两档：低和高。这次Gemini 3.1 Pro在中间加了一档，同时调整了“高”模式的含义。调到高的时候，模型会进入类似Deep Think的状态。Deep Think是谷歌上周更新的推理模型，特点是花更多时间处理复杂问题。现在Gemini 3.1 Pro自己就能做这件事，不用单独切换。

这个功能主要解决一个实际问题。以前开发者处理不同难度的任务，往往需要准备多个模型，简单对话用一个，复杂推理用另一个。接口不同，计费不同，还得自己写逻辑判断该调用哪个。时间长了，这套东西维护起来比较麻烦。

现在一个模型就够了。常规任务用低档，可以快速返回；复杂任务用高档，让它多花点时间处理。不用来回切换，也不用维护多个模型。

02 “抢王座”，跑分大比分获胜

既然是来“抢王座”的，就免不了要和OpenAI的GPT-5.2、Anthropic的Claude Opus 4.6这些老对手掰掰手腕。

从纸面数据看，Gemini 3.1 Pro这次确实挺能打。Artificial Analysis的智能指数测试里，它在10项评估中拿下了6项第一，包括Terminal-Bench Hard（编码）、GPQA Diamond（科学知识）和Humanity's Last Exam（推理知识）。



在Artificial Analysis的智能指数测试中，Gemini 3.1 Pro吊打对手

尤其在测试模型是否“不懂装懂”的AA-Omniscience幻觉率上，Gemini 3.1 Pro比前代狂降了38个百分点，这意味着它现在更清楚自己“不知道什么”，而不是瞎编一通。



在AA-Omniscience测试中，Gemini 3.1 Pro幻觉率大幅下降

在一项针对研究级物理推理问题的CritPt测试中，Gemini 3.1 Pro更是拿下了18%的分数，比第二名的模型高出5个百分点以上。Artificial Analysis对此评价称，这表明谷歌这次在底层智能上确实下了狠功夫。

不过，AI圈的竞争从来不只是“考高分”。在更贴近用户体验的Arena排行榜上，情况就没那么一边倒了。这个榜单靠用户给不同模型的回答投票排名，比的不是逻辑对错，而是谁的回答看起来更“顺眼”。目前，在纯文本任务上，Claude Opus 4.6依然领先Gemini 3.1 Pro 4分，在代码任务上，Opus系列和GPT-5.2也还保持着微弱优势。



Arena的排名可能会奖励那些回答“看起来正确”但未必真正正确的模型，而Gemini 3.1 Pro这次在减少幻觉上的进步，恰恰是为了追求“真正的正确”。这似乎反映出谷歌和竞争对手在路线上的微妙差异：一个更执着于解决硬核问题，另一个则在讨好普通用户的“感觉”上更胜一筹。

03 不只是代码，还能读懂《呼啸山庄》的“氛围”

跑分和排名终究是数字，Gemini 3.1 Pro到底能干什么？谷歌这次展示的几个例子，倒是比以往生动了不少。

最让人印象深刻的是它的“创意编程”能力。比如，让它为《呼啸山庄》设计一个现代风格的个人作品集网站。Gemini 3.1 Pro不只是简单总结书的内容，可以“推理”出小说那种阴郁、狂野的氛围，然后把它转化成一个时尚、现代的界面设计。



Gemini 3.1 Pro根据小说设计的网站

另一个例子是3D交互。Gemini 3.1 Pro能直接生成一段代码，创造一个复杂的3D欧椋鸟群模拟。你甚至可以用手去追踪和操控鸟群，鸟群飞舞的同时，还有根据它们运动变化生成的背景音乐。



Gemini 3.1 Pro拥有强大的3D交互能力，可创造并用手指操控鸟群

来自初创公司Cartwheel的联合创始人安德鲁·卡尔（Andrew Carr）在试用后就发现，这个模型对3D空间变换的理解比之前强了一大截，以前做3D动画时老是搞错的旋转顺序问题，在Gemini 3.1 Pro上居然被完美解决了。

对于普通用户来说，最实用的可能是生成动画SVG。以前你想做个网页小动画，可能要懂设计、会剪辑。现在，直接给Gemini 3.1 Pro一句描述，它就能生成一段纯代码构建的动画，不仅在任何屏幕上放大都清晰，文件还特别小。这被不少人看作是“氛围编程”的开始。



Gemini 3.1 Pro可以通过简单提示生成动画SVG

强大的推理能力还让Gemini 3.1 Pro打破了复杂API与人性化设计之间的壁垒。谷歌展示的一个例子里，模型直接构建出一个实时的航天数据看板，完美接入公开的遥测数据流，将国际空间站的实时运行轨迹清晰地展现在你眼前，将一堆冷冰冰的数据接口变成了普通人也能看懂的交互界面。



Gemini 3.1 Pro直接接入遥测数据流，构建航天数据交互界面

值得一提的是，此前参与了Gemini 3 Deep Think研究的姚顺宇也在社交平台上介绍了这项新突破。他特别提到，这次的升级只是开始，“后续还会有更好的模型源源不断地涌现”。



04 开发者亲测：更强、更快、还更省钱

光看官方演示还不够，真正上手用的开发者怎么说？

JetBrains的AI总监弗拉迪斯拉夫·坦科夫（Vladislav Tankov）分享了他的测试感受。他给出的评价很直接：与前代相比，Gemini 3.1 Pro质量提升了15%，“更强、更快……而且更高效，需要的输出token更少”。这意味着对于开发团队来说，同样的任务，Gemini 3.1 Pro不仅能干得更好，而且可能因为输出更精炼，让API账单变得更便宜。

Hostinger Horizons的产品负责人代纽斯·卡沃柳纳斯（Dainius Kavoliunas）说，即使是没什么编程经验的“非开发者”，也能通过Gemini 3.1 Pro把自己模糊的想法，变成风格准确的代码，模型似乎能理解指令背后的“意图”。

当然，也不是所有方面都完美。

虽然Artificial Analysis的数据显示，Gemini 3.1 Pro在现实世界的智能体任务上进步很大，得分从56.9%涨到了68.5%，但在这个领域它还不是绝对的王者，Claude Sonnet 4.6和GPT-5.2等对手依然跑在前面。

05 不用换钱包，现在就能上手试

说了这么多，最关键的问题来了：Gemini 3.1 Pro什么时候能用？贵不贵？

答案是：现在就能用，而且不涨价。从2月19日开始，Gemini 3.1 Pro就以预览版的形式逐步上线了。

普通用户打开Gemini应用或者NotebookLM（目前仅限Pro和Ultra订阅者）就能尝鲜，开发者则可以通过Google AI Studio、Gemini CLI，或者在Android Studio里直接调用Gemini API。至于企业客户，Gemini 3.1 Pro已经出现在Vertex AI和Gemini Enterprise里了。

最让人意外的是定价。Gemini 3.1 Pro保持了和Gemini 3 Pro完全一样的价格：输入每百万tokens 2美元起，输出每百万tokens 12美元起。Artificial Analysis算了一笔账：跑完他们整个智能指数测试集，Gemini 3.1 Pro的花费还不到Claude Opus 4.6的一半。



谷歌凭借Gemini 3.1 Pro重返智能成本前沿

谷歌DeepMind的首席科学家杰夫·迪恩（Jeff Dean）也站出来力挺，他放出了一个并排对比视频，展示Gemini 3.1 Pro生成的动画明显比上一代更清晰、更流畅。



迪恩还转发了另一条用Gemini 3.1 Pro从零开始模拟城市规划的动图，直接生成一个可交互的全新城市设计界面。从道路布局到功能分区，模型不是简单画张图，而是搭建了一个你可以上手调整、实时探索的“数字沙盘”。



谷歌CEO桑达尔·皮查伊（Sundar Pichai）亲自下场，强调了这次在核心推理能力上的翻倍提升，并表示新模型非常适合处理那些“将创意项目变为现实”的复杂任务。



值得一提的是，这次只是“3.1”而不是“3.5”或“4.0”。从去年11月到现在才三个月，谷歌就通过这种迭代式的版本更新，实现了如此大的性能飞跃，这比直接跳版本号更让人印象深刻。这说明，AI竞赛的节奏正在变得越来越快。