就在上周谷歌發(fā)布 Gemini Deep Think 重大更新后，谷歌于今日正式推出新一代基礎(chǔ)大模型 Gemini 3.1 Pro。

谷歌 CEO 桑達(dá)爾·皮查伊(Sundar Pichai)在社交平臺(tái)上確認(rèn)了這一消息。他表示，Gemini 3.1 Pro 相較前代 Gemini 3 Pro 的 31.1% 提升顯著。新模型在處理復(fù)雜概念可視化、多源數(shù)據(jù)整合、創(chuàng)意項(xiàng)目落地等任務(wù)時(shí)表現(xiàn)更為出色，目前已逐步接入消費(fèi)者與開發(fā)者產(chǎn)品。

去年9月加入谷歌 DeepMind 的清華大學(xué)校友、AI 研究員姚順宇也在社交平臺(tái)分享了相關(guān)進(jìn)展，并暗示后續(xù)還有更強(qiáng)模型正在籌備中。

(來源：X)

從“.5”到“.1”的版本策略調(diào)整

按照谷歌以往的發(fā)布節(jié)奏，重大更新多集中在年中（如 Google I/O 大會(huì)），且常以“.5”后綴標(biāo)識(shí)中期升級(jí)。但此次距離 Gemini 3 Pro 發(fā)布僅三個(gè)月，便推出了帶“.1”后綴的 3.1 Pro，可見谷歌底層技術(shù)迭代加速，以及推動(dòng)最新研究成果落地的節(jié)奏調(diào)整。

支撐這一節(jié)奏的，是新模型在核心推理能力上的提升。關(guān)鍵在于 ARC-AGI（抽象與推理語料庫）基準(zhǔn)測試。該測試不依賴知識(shí)記憶，而是考察模型面對(duì)陌生視覺與邏輯謎題時(shí)的多步推演能力，被視作衡量 AI 泛化與流體智力的重要參考。

在官方驗(yàn)證的 ARC-AGI-2 測試中，Gemini 3.1 Pro 得分為 77.1%，而數(shù)月前的 3 Pro 為 31.1%。橫向?qū)Ρ?，Anthropic 的 Claude Opus 4.6 得分為 68.8%，OpenAI 的 GPT-5.2 為 52.9%。這一差距說明，大模型在處理非結(jié)構(gòu)化、未見過的推理任務(wù)時(shí)，正逐步從模式匹配向邏輯推演演進(jìn)。

（來源：Google）

多項(xiàng)測試占優(yōu)，細(xì)分場景仍存差距

除抽象推理外，谷歌公布的技術(shù)文檔顯示，Gemini 3.1 Pro 在 16 項(xiàng)主流基準(zhǔn)測試中，有 12 項(xiàng)位列第一（含并列），覆蓋學(xué)術(shù)知識(shí)、科學(xué)問答、代碼生成、智能體協(xié)作及長上下文理解等方向。

在學(xué)術(shù)與科學(xué)能力方面，它在無外部工具輔助的 Humanity's Last Exam（人類終極考試）測試中準(zhǔn)確率達(dá) 44.4%，在高難度科學(xué)知識(shí)測試 GPQA Diamond 中得分 94.3%。這兩項(xiàng)成績均以較高幅度優(yōu)于當(dāng)前主流競品，體現(xiàn)出模型在知識(shí)儲(chǔ)備與邏輯推導(dǎo)上的優(yōu)勢。

（來源：Google）

在開發(fā)者關(guān)注的代碼與工程能力上，Terminal-Bench 2.0（終端操作代理測試）成功率達(dá) 68.5%，SWE-Bench Verified（真實(shí) GitHub 問題求解）單次嘗試得分 80.6%，與 Claude Opus 4.6 處于同一梯隊(duì)；LiveCodeBench Pro 的 Elo 評(píng)分更是達(dá)到 2,887 分，顯著領(lǐng)先于 GPT-5.2 的 2,393 分。

在多模態(tài)與長上下文理解方面，MCP Atlas（多步驟工作流）得分 69.2%，BrowseComp（代理搜索）85.9%，MMMLU（多語種問答）92.6%；在 128k 上下文的 MRCR v2 檢索測試中，與 Claude Sonnet 4.6 并列第一（84.9%）。整體來看，新模型在多個(gè)維度展現(xiàn)出較為均衡的能力儲(chǔ)備，而非單一維度的"偏科"優(yōu)勢。

盡管綜合表現(xiàn)突出，當(dāng)前大模型賽道已進(jìn)入差異化競爭階段，各模型在特定場景下仍各有側(cè)重。

例如在面向?qū)嶋H工程場景的 SWE-Bench Pro 測試中，OpenAI 專為代碼優(yōu)化的 GPT-5.3-Codex 以 56.8% 領(lǐng)先，Gemini 3.1 Pro 為 54.2%；在評(píng)估商業(yè)流程操作的 GDPval-AA 測試中，Claude Sonnet 4.6 以 1633 分顯著高于 Gemini 3.1 Pro 的 1317 分。

此外，在允許調(diào)用搜索與代碼工具的 HLE 測試中，Claude Opus 4.6 略優(yōu)于 Gemini 3.1 Pro；而在多模態(tài)理解測試 MMMU Pro 中，3.1 Pro 甚至微幅落后于前代 3 Pro。谷歌也未披露該模型的具體參數(shù)規(guī)模與訓(xùn)練數(shù)據(jù)細(xì)節(jié)。

從深度推理到日常應(yīng)用

此次 Gemini 3.1 Pro 的性能飛躍，源于此前推出的 Gemini 3 Deep Think 模型。后者專攻科學(xué)計(jì)算與復(fù)雜工程，其卓越的推理能力已在國際奧賽等場景中得到實(shí)證。Gemini 3.1 Pro 則進(jìn)一步將這種‘專家級(jí)’的核心能力拓展至通用領(lǐng)域，從而能夠服務(wù)于更廣泛的開發(fā)與用戶需求。

谷歌官方博客列舉了若干應(yīng)用場景：

首先在基于代碼的動(dòng)畫生成方面，3.1 Pro 能夠直接根據(jù)文本提示生成適用于網(wǎng)站的 SVG 動(dòng)畫。由于此類動(dòng)畫由純代碼而非像素位圖構(gòu)成，因此具備無損縮放特性，在任何分辨率下均能保持清晰，且文件體積遠(yuǎn)小于先前形式。

其次是數(shù)據(jù)處理場景。 Gemini 3.1 Pro 展現(xiàn)了卓越的“工具使用（Tool Use）”能力。以國際空間站（ISS）軌道追蹤為例，模型不僅能自主研讀 NASA 復(fù)雜的 API 文檔、編寫數(shù)據(jù)抓取腳本，還能實(shí)時(shí)處理回傳的流式遙測數(shù)據(jù)。令人吃驚的是，它能同步調(diào)用 D3.js 等可視化庫，快速搭建出包含實(shí)時(shí)經(jīng)緯度、軌道投影及速度指標(biāo)的交互式儀表盤。

還有創(chuàng)意編程能力。模型能夠深入理解文學(xué)名著（如海明威作品），提煉文字背后隱含的風(fēng)格特征，轉(zhuǎn)換成具體的交互界面細(xì)節(jié)。例如將簡潔有力的短句轉(zhuǎn)化為“極簡主義”排版，將硬朗的情感基調(diào)映射為“高對(duì)比度”配色。最終，這些抽象的美學(xué)特征被精準(zhǔn)轉(zhuǎn)譯為 CSS/HTML 代碼。這種跨模態(tài)轉(zhuǎn)換能力，使得文字創(chuàng)作者能以極低的成本，將抽象的文學(xué)內(nèi)核注入數(shù)字產(chǎn)品的交互界面之中。

最后是深度交互設(shè)計(jì)。3.1 Pro 能夠構(gòu)建復(fù)雜的三維“椋鳥低語”模擬場景。這不僅僅是視覺代碼的生成，更是沉浸式體驗(yàn)的營造：用戶可通過手勢追蹤操控鳥群，并聆聽隨鳥類動(dòng)作實(shí)時(shí)變化的生成式樂譜。對(duì)于研究人員和設(shè)計(jì)師而言，這為原型化多感官豐富的界面提供了強(qiáng)有力的工具。

此外，為加速能力落地，谷歌此次采取了分層部署策略。

普通用戶可通過更新后的 Gemini 應(yīng)用體驗(yàn)基礎(chǔ)功能；高階訂閱用戶在 NotebookLM 平臺(tái)可獨(dú)家接入 3.1 Pro 并享受更高調(diào)用額度。開發(fā)者可通過 Google AI Studio 申請 API 預(yù)覽權(quán)限，Gemini CLI 與 Android Studio 已完成首批適配；企業(yè)客戶則支持通過 Vertex AI 與 Gemini Enterprise 集成至私有業(yè)務(wù)流。這種"由淺入深"的推進(jìn)方式，有助于不同層級(jí)的用戶按需接入。

目前，3.1 Pro 已以預(yù)覽版形式上線谷歌代理式開發(fā)平臺(tái) Antigravity。谷歌表示，此舉旨在復(fù)雜多步任務(wù)場景中進(jìn)一步驗(yàn)證與優(yōu)化模型表現(xiàn)，為后續(xù)全面推廣積累經(jīng)驗(yàn)。

總體來看，Gemini 3.1 Pro 在推理能力與多維度任務(wù)表現(xiàn)上確有提升，尤其在抽象邏輯與代碼工程方向優(yōu)勢明顯。但大模型競爭已進(jìn)入"場景適配"階段，技術(shù)選型需結(jié)合具體需求理性評(píng)估。對(duì)于關(guān)注成本、穩(wěn)定性與落地效率的用戶而言，持續(xù)觀察其在真實(shí)業(yè)務(wù)中的表現(xiàn)，或許比基準(zhǔn)測試分?jǐn)?shù)更具參考價(jià)值。