В феврале 2026 года Google обновила свою флагманскую модель — Gemini 3.1 Pro. Пока релиз доступен в статусе Preview, но уже успел возглавить независимые рейтинги и вызвать живой спор среди разработчиков: это точечная доработка третьей версии или самостоятельный скачок в области рассуждений? В этом обзоре разбираем характеристики, результаты бенчмарков, цены, слабые места и сценарии, в которых модель действительно раскрывается. Информация актуальна на конец 2026 года.
Что такое Gemini 3.1 Pro и чем он отличается от Gemini 3 Pro
Gemini 3.1 Pro — обновлённая версия флагманской языковой модели Google DeepMind. Формально это не «троечка с новым номером», а отдельное поколение с изменённым балансом между скоростью, глубиной мышления (thinking) и надёжностью. Ключевая идея апдейта — улучшенное рассуждение и стабильность в многошаговых агентных сценариях, где предыдущей версии не хватало аккуратности на длинных цепочках действий.
Практическая разница видна уже в первых тестах: ответ стал предсказуемее, длинные рассуждения реже ломаются, а генерация кода — «агентнее». Разработчики отдельно отметили, что исправили давнюю проблему обрыва ответов примерно на 21 тысяче токенов: теперь длинный текст доводится до конца без ручных костылей.
Что осталось неизменным
Контекстное окно прежнее — до одного миллиона токенов на вход и около 65 тысяч на выход. Этого хватает, чтобы загрузить в один запрос репозиторий среднего проекта, сотни страниц документации, час видео или восемь с половиной часов аудио. Цены при этом не изменились: два доллара за миллион входных токенов и двенадцать за миллион выходных — для моделей такого класса это по-прежнему выгодное предложение на фоне конкурентов.
Что добавилось
- Глубокое рассуждение: точность на логических тестах выросла более чем вдвое.
- Улучшенное следование инструкциям и работа с инструментами в агентных сценариях.
- Аккуратная генерация анимированных SVG и рендеринг трёхмерных структур прямо в чате.
- Новый режим мышления: четыре уровня — от самого быстрого до максимально глубокого.
- Отдельный эндпоинт gemini-3.1-pro-preview-customtools для сценариев с кастомными инструментами.
Технические характеристики и параметры модели
Перед сравнением с конкурентами — сводка ключевых параметров. Модель мультимодальная: на вход принимает текст, изображения, видео, аудио и PDF, на выходе отдаёт текст. В одном запросе можно комбинировать до 900 изображений, часовое видео и документ на 900 страниц — без предварительной конвертации.
| Параметр | Значение |
|---|---|
| Название модели | gemini-3.1-pro-preview |
| Дата релиза | 19 февраля 2026 года |
| Контекстное окно | 1 048 576 токенов (~750–1500 страниц) |
| Максимум вывода | 65 536 токенов |
| Входные данные | Текст, изображения, видео, аудио, PDF |
| Цена (стандартный режим) | $2 за 1M входных / $12 за 1M выходных токенов |
| Цена (расширенный контекст) | $4 за 1M входных / $18 за 1M выходных токенов |
| Скорость генерации | ~106 токенов в секунду |
| Доступность | Gemini App, AI Studio, Vertex AI, Gemini API, NotebookLM |
Интересная деталь — двухуровневое ценообразование. Стандартный тариф действует до 200 тысяч токенов, расширенный — до полного миллиона. Это позволяет не переплачивать за контекст там, где он не нужен: короткие задачи остаются дешёвыми даже на флагмане.
Бенчмарки: где модель топ, а где проседает
По независимым оценкам Artificial Analysis Gemini 3.1 Pro Preview занимает первое место из 115 моделей в сводном Intelligence Index — 57 баллов при медиане 26. Но сводный балл малоинформативен, поэтому смотрим на конкретные тесты.
- ARC-AGI-2 — 77,1% против 31,1% у Gemini 3 Pro. Тест создан так, чтобы исключить запоминание паттернов из обучающих данных, поэтому высокий балл говорит именно о способности к рассуждению.
- GPQA Diamond — 94,3% — вопросы уровня докторантуры по физике, химии и биологии.
- Humanity’s Last Exam — 44,4% без инструментов и 51,4% с подключением поиска и кода.
- SWE-Bench Verified — 80,6% — исправление реальных багов в открытых проектах.
- Terminal-Bench 2.0 — 68,5% — многошаговая работа в командной строке.
- LiveCodeBench Pro — 2887 Elo, примерно на 500 очков впереди ближайшего соперника в соревновательном программировании.
- BrowseComp — 85,9% и MCP Atlas — 69,2% — лидерство в агентном поиске и многошаговых MCP-воркфлоу.
Однако не всё гладко. На enterprise-бенчмарке GDPval-AA, который имитирует реальные рабочие задачи юристов, финансистов и HR, модель набрала 1317 баллов против 1633 у Claude Sonnet 4.6 — разрыв в 316 очков. Вывод: на «синтетических» интеллектуальных тестах Gemini вне конкуренции, а в корпоративных процессах преимущество не так очевидно. Это стоит учитывать при выборе стека.
Слабые места: задержка и статус Preview
Главная инженерная ловушка — time to first token. Перед первым словом в ответе модель думает в среднем около 29 секунд: расширенное рассуждение (extended thinking) требует вычислений, а они не бесплатны по времени. Для асинхронных задач, где важна точность, это приемлемо. Но для чат-интерфейсов и реального времени разрыв в 24 раза против медианы конкурентов — серьёзное UX-ограничение.
Второй момент — статус Preview. Он означает пониженные лимиты запросов, отсутствие гарантий SLA на Vertex AI и вероятность изменений без сохранения версий. Для продакшена с жёсткими контрактными обязательствами разумнее подождать GA-релиза или изолировать критичный путь от обновлений модели.
Как попробовать Gemini 3.1 Pro: пошагово
- Откройте приложение или веб-версию Gemini и выберите модель 3.1 Pro в селекторе. Подписки Google AI Pro и Ultra дают увеличенные лимиты и доступ через NotebookLM.
- Для разработки используйте Google AI Studio: выберите модель gemini-3.1-pro-preview, получите API-ключ и соберите первый запрос через Gemini API.
- Для агентных сценариев с bash и кастомными инструментами возьмите эндпоинт gemini-3.1-pro-preview-customtools — он лучше приоритизирует ваши функции вроде view_file или search_code.
- Для CLI-разработки подключите Gemini CLI или среду Google Antigravity: там модель уже показала уверенные результаты на 3D-графике и сложных взаимодействиях.
Кому подойдёт модель: сценарии использования
Сильные стороны — рассуждение, длинный контекст и код — складываются в понятный набор сценариев. Gemini 3.1 Pro оптимален, когда нужно работать с большими объёмами данных и выстраивать многошаговые пайплайны: аудит кодовых баз, анализ договоров и отчётности, RAG-системы на огромных документах, автоматизация через function calling и структурированный JSON-вывод в CI/CD-процессах. Хорошо раскрываются и творческие задачи: прототипирование интерфейсов, генерация анимированной графики, интерактивные симуляции — от трафика в вымышленном городе до визуализации звёздных скоплений.
Слабые сценарии тоже понятны: приложения с откликом в реальном времени, задачи, где критична низкая задержка первого токена, и корпоративные рабочие процессы в юриспруденции и финансах, где конкурирующие модели пока ведут себя надёжнее.
Частые вопросы о Gemini 3.1 Pro
Когда выйдет стабильная версия? Точных сроков Google не называет: судя по прошлым циклам, между анонсом Preview и общедоступным релизом проходит несколько месяцев. Ориентируйтесь на официальную документацию Gemini API — статус модели там обновляется первым.
Поддерживает ли модель русский язык? Да: Gemini традиционно хорошо понимает русский, а в мультимодальном режиме описывает изображения и документы на русском без настройки. Формально заявлена поддержка более сотни языков, включая кириллические.
Чем она лучше GPT и Claude? На тестах на рассуждение — заметно: ARC-AGI-2 и LiveCodeBench Pro дают отрыв от ближайших соперников. Но тарифы конкурентов различаются, а на отдельных корпоративных задачах Claude держит преимущество. Выбор зависит от приоритетов: интеллект, цена, скорость или надёжность в узкой предметной области.
Можно ли использовать бесплатно? Да, базовый доступ в приложении Gemini бесплатен, но с лимитами и очередями на пиковых нагрузках. Подписка AI Pro снимает основные ограничения и добавляет интеграцию с NotebookLM.
Вывод: стоит ли переходить на Gemini 3.1 Pro
Gemini 3.1 Pro Preview — самая умная доступная модель по совокупности независимых бенчмарков, при этом по цене она осталась на уровне предыдущего поколения. Статус Preview и высокая задержка — реальные, но не фатальные минусы: для агентных пайплайнов, работы с длинными документами и сложной логики это уже сегодня рабочий инструмент, а к моменту GA-релиза оставшиеся шероховатости, вероятно, сгладят.
Если выбираете модель под конкретную задачу, полезно сравнить её с альтернативами в действии, а не только по цифрам в таблицах — для этого пригодятся подробные обзоры нейросетей на профильном информационном портале, где модели прогоняют по реальным кейсам, а не только по синтетическим тестам. А для быстрой проверки подойдёт бесплатный доступ через Gemini App — такой способ оценить характер модели без единой строки кода.
