Tekniske spesifikasjoner — Gemini 3.1 Pro
| Egenskap | gemini-3-pro (offentlig sammendrag) |
|---|---|
| Leverandør | |
| Kanonisk modell-ID | gemini-3-pro (offentlig forhåndsvisning) |
| Inndatatyper | Tekst, bilde, video, lyd, PDF |
| Utdatatyper | Tekst (naturlig språk, strukturerte utdata, nyttelaster for funksjonskall) |
| Grense for inndatatokener (kontekst) | 1,048,576 tokens |
| Grense for utdatatokener | 65,536 tokens |
| Funksjonskall / verktøybruk | Støttet (funksjonskall, strukturerte utdata, verktøyintegrasjoner) |
| Multimodalitet | Full støtte for multimodalitet (bilder, video, lyd, dokumenter) |
| Kjøring av kode og agent-flyter | Støttet (agent-modus, kodeassistanse, verktøyorkestrering) |
| Kunnskapsavgrensning | January 2025 |
Hva er Gemini 3.1 Pro?
Gemini 3.1 Pro er Googles offentlige flaggskip i Gemini 3-familien, posisjonert som en toppmoderne multimodal resonneringsmodell med avanserte agent- og utviklerverktøy. Modellen vektlegger konteksthåndtering med høy kapasitet (over 1M token-inndata), bred mediestøtte (bilder, video, lyd, PDF) og dype integrasjoner for verktøybruk, funksjonskall og kode-sentriske arbeidsflyter (f.eks. Gemini Code Assist og agent-moduser).
Gemini 3 Pro presenteres av Google som optimalisert for både interaktive utvikleropplevelser (koding med lav ventetid og agent-arbeidsflyter) og høy-presis multimodal forståelse (tolkning og resonnering på tvers av blandede medieinndata).
Hovedfunksjoner i Gemini 3.1 Pro
Gemini-3.1 Pro (via forhåndsvisning) introduserer følgende funksjoner:
Multimodal integrasjon
Behandler inndata på tvers av:
- Naturlig språk
- Bilder
- Tale/lyd
- Video
med en enhetlig token-representasjon for tverrmodal resonnering.
Utvidet kontekstvindu
En usedvanlig stor kontektskapasitet på opptil ~1 million token muliggjør håndtering av:
- Lange dokumenter
- Multidokument-syntese
- Kodebaser og transkripsjoner.
Dette overgår mange konkurrerende modeller som typisk støtter ~32 K–262 K token.
Skalering med Sparse Mixture-of-Experts (MoE)
Ruting i Sparse MoE gjør det mulig å skalere intern modellkapasitet uten proporsjonale beregningskostnader, noe som forbedrer resonnering i skala.
Avansert resonnering / planlegging
Innovasjoner som chain-of-thought-trening, forsterkningslæring fra menneskelig tilbakemelding og spesialiserte benchmarker gjør den sterk på logiske og matematiske oppgaver.
Antatte benchmarker:
AIME 2025: 100% (med kodekjøring)
SWE-Bench Verified: 83.9%
ARC-AGI-2: 71.8%
LiveCodeBench Pro: 2844 Elo
Terminal-Bench 2.0: 63.5%
MMMLU: 93.6%
Representative bruksområder for virksomheter
- Ende-til-ende mediepipelines: Ingestere video, transkripsjon og bilder for å produsere synkroniserte sammendrag, metadata og strukturert innsikt i stor skala.
- Storskala kodegenerering og -review: Bruk i IDE-er og CI-pipelines for å autogenerere kode, refaktorere flerfilprosjekter og produsere testforslag på tvers av store kodebaser.
- Agentbasert automatisering: Koordinere multiverktøy-agenter som samhandler med skytjenester, orkestreringssystemer og interne API-er ved hjelp av strukturerte funksjonskall.
- Forskning og innholdsproduksjon: Utkast til lengre innhold (rapporter, bøker) som kombinerer tekst og innebygd multimedia med interne kryssreferanser bevart.
Slik får du tilgang til Gemini 3.1 Pro API
Trinn 1: Registrer deg for API-nøkkel
Logg inn på cometapi.com. Hvis du ikke er bruker ennå, vennligst registrer deg først. Logg inn i din CometAPI-konsoll. Hent tilgangslegitimasjonen API-nøkkel for grensesnittet. Klikk “Add Token” ved API-tokenet i det personlige senteret, hent token-nøkkelen: sk-xxxxx og send inn.
Trinn 2: Send forespørsler til Gemini 3.1 Pro API
Velg endepunktet “gemini-3.1-pro” for å sende API-forespørselen og angi forespørselskroppen. Forespørselsmetoden og forespørselskroppen hentes fra API-dokumentasjonen på nettstedet vårt. Nettstedet vårt tilbyr også Apifox-test for din bekvemmelighet. Erstatt <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Basis-URL er Gemini generering av innhold og Chat.
Sett inn spørsmålet eller forespørselen din i content-feltet—det er dette modellen vil svare på. Prosesser API-responsen for å få det genererte svaret.
Trinn 3: Hent og verifiser resultater
Prosesser API-responsen for å få det genererte svaret. Etter behandling svarer API-et med oppgavestatus og utdata.
Se også Gemini 3 Pro API