谷歌今天發布了Gemini 3.1 Pro,剛看到測試評分,感覺這是衝著屠榜來的(模型軍備競賽繼續,利好半導體!)😂
官方定位很明確:專為複雜任務設計,比如深度研究、工程難題、長鏈推理和agentic工作流。
核心亮點:1M token上下文窗口(保持不變)
多模態支持(文本+圖像+視頻+音頻+代碼)
輸出最高64k tokens
性能對比當前主流模型(Claude Opus 4.6、GPT-5.2/5.3等):
ARC-AGI-2(最難的抽象推理基準):
Gemini 3.1 Pro 77.1%,領先Claude 4.6(68.8%)約8-9個百分點,
領先GPT-5系列20-30+個百分點。這是最大進步,代表核心推理質的飛躍。
GPQA Diamond(PhD級科學推理):94.3%,小幅領先Claude 4.6(91.3%)和GPT-5.2(92.4%),差距2-3個百分點,基準已接近飽和。
SWE-Bench Verified(真實軟體工程任務):80.6%,領先Claude 4.6(約76-77%)3-5個百分點,領先GPT明顯(5-15%)。
其他:Terminal-Bench、APEX-Agents等長時agent任務上也拿下多個第一;LMArena/Artificial Analysis指數目前排第1,成本效率高。
更重要的是,成本優勢明顯:
API定價(每1M
查看原文