Tekniske specifikationer — Gemini 3.1 Pro
| Punkt | gemini-3-pro (offentlig oversigt) |
|---|---|
| Udbyder | |
| Kanonisk model-id | gemini-3-pro (offentlig forhåndsvisning) |
| Inputtyper | Tekst, billede, video, lyd, PDF |
| Outputtyper | Tekst (naturligt sprog, strukturerede outputs, funktionkalds-payloads) |
| Input-token-grænse (kontekst) | 1,048,576 tokens |
| Output-token-grænse | 65,536 tokens |
| Funktionskald / brug af værktøjer | Understøttet (funktionskald, strukturerede outputs, værktøjsintegrationer) |
| Multimodalitet | Fuld multimodal understøttelse (billeder, video, lyd, dokumenter) |
| Kodeeksekvering og agentbaserede arbejdsgange | Understøttet (agent-tilstand, kodeassistance, værktøjsorkestrering) |
| Vidensafskæring | januar 2025 |
Hvad er Gemini 3.1 Pro?
Gemini 3.1 Pro er Googles offentlige flagskib i Gemini 3-familien, positioneret som en topmoderne multimodal ræsonneringsmodel med avancerede agent- og udviklerværktøjer. Modellen lægger vægt på håndtering af kontekst med høj kapacitet (over 1M token-input), bred mediesupport (billeder, video, lyd, PDF) og dybe integrationer til værktøjsbrug, funktionskald og kodecentrerede arbejdsgange (fx Gemini Code Assist og agenttilstande).
Gemini 3 Pro præsenteres af Google som optimeret til både interaktive udvikleroplevelser (lav-latens kodning og agent-arbejdsgange) og højfidelitets multimodal forståelse (fortolkning og ræsonnering på tværs af blandede medieinput).
Hovedfunktioner i Gemini 3.1 Pro
Gemini-3.1 Pro (via sin Preview) introducerer følgende funktioner:
Multimodal integration
Behandler input på tværs af:
- Naturligt sprog
- Billeder
- Tale/lyd
- Video
med en samlet token-repræsentation til krydsmodal ræsonnering.
Udvidet kontekstvindue
En usædvanligt stor kontekstkapacitet på op til ~1 million tokens muliggør håndtering af:
- Lange dokumenter
- Multidokumentsyntese
- Kodebaser og transkripter.
Dette overgår mange konkurrerende modeller, der typisk understøtter ~32 K–262 K tokens.
Skalering med Sparse Mixture-of-Experts (MoE)
Sparse MoE-routing gør det muligt at skalere den interne modelkapacitet uden proportionelle beregningsomkostninger og forbedrer ræsonnering i stor skala.
Avanceret ræsonnering/planlægning
Innovationer som chain-of-thought-træning, forstærkningslæring fra menneskelig feedback og specialiserede benchmarks gør den stærk i logiske og matematiske opgaver.
Formodede benchmarks:
AIME 2025: 100% (med kodeeksekvering)
SWE-Bench Verified: 83.9%
ARC-AGI-2: 71.8%
LiveCodeBench Pro: 2844 Elo
Terminal-Bench 2.0: 63.5%
MMMLU: 93.6%
Repræsentative virksomhedsbrugsscenarier
- End-to-end-medie-pipelines: Indlæs video, transkript og billeder for at producere synkroniserede resuméer, metadata og struktureret indsigt i stor skala.
- Storskala generering og gennemgang af kode: Brug i IDE'er og CI-pipelines til at autogenerere kode, refaktorere projekter med flere filer og udarbejde testforslag på tværs af store kodebaser.
- Agentbaseret automatisering: Koordinere multi-værktøjsagenter, der interagerer med cloud-tjenester, orkestreringssystemer og interne API'er ved hjælp af strukturerede funktionskald.
- Forskning og indholdsproduktion: Udkast til langformet indhold (rapporter, bøger), der kombinerer tekst og indlejrede multimedier med interne krydsreferencer bevaret.
Sådan får du adgang til Gemini 3.1 Pro API
Trin 1: Tilmeld dig for at få en API-nøgle
Log ind på cometapi.com. Hvis du endnu ikke er vores bruger, skal du registrere dig først. Log ind på din CometAPI console. Hent grænsefladens adgangslegitimations-API-nøgle. Klik på “Add Token” ved API-token i personcentret, hent token-nøglen: sk-xxxxx og indsend.
Trin 2: Send forespørgsler til Gemini 3.1 Pro API
Vælg “gemini-3.1-pro”-endepunktet for at sende API-forespørgslen og angive forespørgselsbrødteksten. Forespørgselsmetoden og forespørgselsbrødteksten findes i vores websites API-dokumentation. Vores website tilbyder også Apifox-test for din bekvemmelighed. Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto. basis-URL er Gemini Generating Content og Chat.
Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen vil svare på. Behandl API-svaret for at få det genererede svar.
Trin 3: Hent og verificer resultater
Behandl API-svaret for at få det genererede svar. Efter behandlingen svarer API'et med opgavestatus og outputdata.
Se også Gemini 3 Pro API