Home/Models/Google/Gemini 3 Pro
G

Gemini 3 Pro

Inndata:$1.6/M
Utdata:$9.6/M
Kontekst:200.0k
Maks utdata:200.0k
Gemini 3 Pro er en modell for generell bruk i Gemini-familien, tilgjengelig som forhåndsvisning for evaluering og prototyping. Den støtter etterlevelse av instruksjoner, resonnering over flere runder og kode- og dataoppgaver, med strukturerte utdata og verktøy-/funksjonskall for arbeidsflytautomatisering. Typiske bruksområder omfatter chatassistenter, oppsummering og omskriving, spørsmål-og-svar forsterket med gjenfinning, datauttrekk og lettvekts kodehjelp på tvers av apper og tjenester. Tekniske høydepunkter inkluderer API-basert distribusjon, strømmende svar, sikkerhetskontroller og integrasjonsberedskap, med multimodale funksjoner avhengig av forhåndsvisningskonfigurasjonen.
Ny
Kommersiell bruk
Playground
Oversikt
Funksjoner
Priser
API
Versjoner

Gemini 3 Pro (Forhåndsvisning) er Google/DeepMind sitt nyeste flaggskip innen multimodal resonneringsmodell i Gemini 3-familien. Den posisjoneres som deres «mest intelligente modell til nå», designet for dyp resonnering, agentbaserte arbeidsflyter, avansert koding og langkontekst multimodal forståelse (tekst, bilder, lyd, video, kode og verktøyintegrasjoner).

Nøkkelfunksjoner

  • Modaliteter: Tekst, bilde, video, lyd, PDF-er (og strukturerte verktøyutdata).
  • Agentikk/verktøy: Innebygd funksjonskalling, søk som verktøy, kodekjøring, URL-kontekst og støtte for orkestrering av flertrinnsagenter. «Thought-signature»-mekanisme bevarer flertrinnsresonnering på tvers av kall.
  • Koding og «vibe coding»: Optimalisert for frontend-generering, interaktiv UI-generering og agentbasert koding (den topper relevante resultatlister ifølge Google). Markedsført som deres sterkeste «vibe-coding»-modell til nå.
  • Nye utviklerkontroller: thinking_level (low|high) for å avveie kostnad/latens mot resonneringsdybde, og media_resolution for å styre multimodal troskap per bilde- eller videoramme. Disse hjelper med å balansere ytelse, latens og kostnad.

Benchmark-ytelse

  • Gemini3Pro oppnådde førsteplass i LMARE med 1501 poeng, foran Grok-4.1-thinking med 1484 poeng og også ledende over Claude Sonnet 4.5 og Opus 4.1.
  • Den oppnådde også førsteplass i programmeringsarenaen WebDevArena med 1487 poeng.
  • I «Humanity’s Last Exam» (akademisk resonnering) oppnådde den 37.5% (uten verktøy); i GPQA Diamond (science) 91.9%; og i MathArena Apex (mattekonkurranse) 23.4%, noe som satte ny rekord.
  • I multimodale kapabiliteter oppnådde MMMU-Pro 81%; og i Video-MMMU (videoforståelse) 87.6%.

Tekniske detaljer og arkitektur

  • Parameteret «Thinking level»: Gemini 3 eksponerer en thinking_level-kontroll som lar utviklere avveie dybden av intern resonnering mot latens/kostnad. Modellen behandler thinking_level som en relativ ramme for intern flertrinnsresonnering heller enn en streng tokengaranti. Standard er typisk «high» for Pro. Dette er en eksplisitt ny kontroll for å styre flertrinnsplanlegging og chain-of-thought-dybde.
  • Strukturerte utdata og verktøy: Modellen støtter strukturerte JSON-utdata og kan kombineres med innebygde verktøy (Google Søk-forankring, URL-kontekst, kodekjøring, osv.). Noen funksjoner for strukturerte utdata + verktøy er kun i forhåndsvisning for gemini-3-pro-preview.
  • Multimodale og agentbaserte integrasjoner: Gemini 3 Pro er eksplisitt bygget for agentbaserte arbeidsflyter (verktøy + flere agenter over kode/terminaler/nettleser).

Begrensninger og kjente forbehold

  1. Ikke perfekt faktuell nøyaktighet — hallusinasjoner er fortsatt mulig. Til tross for forbedringer som Google hevder, er kildestøttet verifisering og menneskelig gjennomgang nødvendig i høyrisikoområder (juridisk, medisinsk, finans).
  2. Ytelsen i lang kontekst varierer med oppgaven. Støtte for et 1M-inngangsvindu er en reell kapasitet, men empirisk effektivitet kan falle på noen benchmarks ved ekstreme lengder (observerte punktvise nedganger ved 1M på enkelte langkontekst-tester).
  3. Kostnads- og latensavveininger. Store kontekster og høyere thinking_level øker beregning, latens og kostnad; pristrinn gjelder basert på tokenvolumer. Bruk thinking_level og chunking-strategier for å styre kostnader.
  4. Sikkerhet og innholdsfiltre. Google fortsetter å håndheve sikkerhetspolicyer og modereringslag; visst innhold og handlinger forblir begrenset eller vil utløse avvisningsmodus.

Hvordan Gemini 3 Pro Forhåndsvisning står seg mot andre toppmodeller

Sammenligning på høyt nivå (forhåndsvisning → kvalitativ):

Sammenlignet med Gemini 2.5 Pro: Markante forbedringer i resonnering, agentbasert verktøybruk og multimodal integrasjon; langt større konteksthåndtering og bedre forståelse av lange tekster. DeepMind viser konsistente gevinster på tvers av akademisk resonnering, koding og multimodale oppgaver.

Sammenlignet med GPT-5.1 og Claude Sonnet 4.5 (ifølge rapporter): I Google/DeepMind sine benchmarks presenteres Gemini 3 Pro som ledende på flere agentiske, multimodale og langkontekst-metrikker (se Terminal-Bench, MMMU-Pro, AIME). Sammenlignende resultater varierer etter oppgave.

Typiske og høyverdige bruksområder

  • Oppsummering av store dokumenter/bøker og Q&A: støtte for lang kontekst gjør den attraktiv for juridiske miljøer, forskning og etterlevelse.
  • Kodeforståelse og -generering i repo-skala: integrasjon med kodeverktøykjeder og forbedret resonnering hjelper med refaktorering av store kodebaser og automatiserte kodegjennomganger.
  • Multimodale produktassistenter: bilde + tekst + lyd-arbeidsflyter (kundestøtte som tar inn skjermbilder, lydutdrag og dokumenter).
  • Mediegenerering og -redigering (foto → video): tidligere Gemini-funksjoner inkluderer nå Veo-/Flow-stil foto→video-kapasiteter; forhåndsvisning antyder dypere multimediagenerering for prototyper og mediaarbeidsflyter.

Slik får du tilgang til Gemini 3 Pro API

Trinn 1: Registrer deg for API-nøkkel

Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn på din CometAPI console. Hent API-nøkkelen (tilgangslegitimasjonen) for grensesnittet. Klikk “Add Token” ved API-token i det personlige senteret, få token-nøkkelen: sk-xxxxx og send inn.

CometAPI-nøkkel

Trinn 2: Send forespørsler til Gemini 3 Pro API

Velg «gemini-3-pro»-endepunktet for å sende API-forespørselen og sett forespørselsinnholdet. Metoden og forespørselskroppen hentes fra API-dokumentasjonen på nettstedet vårt. Nettsiden vår tilbyr også Apifox-test for enkelhets skyld. Erstatt <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Basis-URL er Gemini Generating Content og Chat

Sett inn spørsmålet eller forespørselen i innholdsfeltet — det er dette modellen svarer på. Behandle API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Behandle API-responsen for å hente det genererte svaret. Etter behandling svarer API-et med oppgavestatus og utdata.

FAQ

What is the context window and output limit for Gemini 3 Pro?

Gemini 3 Pro støtter et inndatakontekstvindu på 1 million token, med opptil 64 000 token i output, noe som gjør den ideell for å analysere hele kodebaser eller lange dokumenter.

How does the thinking_level parameter work in Gemini 3 Pro?

Gemini 3 Pro bruker dynamisk tenkning som standard. Sett thinking_level til 'low' for raskere svar når kompleks resonnering ikke er nødvendig, eller 'high' (standard) for å maksimere resonneringsdybden for komplekse oppgaver.

Does Gemini 3 Pro support Google Search grounding?

Ja, Gemini 3 Pro støtter Google Search-grounding, File Search, Code Execution og URL Context-verktøy. Merk at Google Maps-grounding og Computer Use ennå ikke støttes i Gemini 3.

What makes Gemini 3 Pro different from Gemini 2.5 Pro?

Gemini 3 Pro tilbyr trinnvise forbedringer i agentiske arbeidsflyter og autonom koding. Den bruker thought signatures for resonneringskontekst på tvers av API-kall, og har en kunnskapsgrense i januar 2025.

Can Gemini 3 Pro combine structured outputs with built-in tools?

Ja, Gemini 3-modeller tillater å kombinere strukturerte utdata (JSON-skjema) med innebygde verktøy som Google Search, URL Context og Code Execution i samme forespørsel.

Why should I keep temperature at 1.0 for Gemini 3 Pro?

Google anbefaler sterkt å beholde temperature på standardverdien 1.0. Lavere verdier kan føre til uventede løkker eller redusert ytelse på matematiske oppgaver og oppgaver som krever kompleks resonnering.

What are thought signatures and why are they important?

Thought signatures er krypterte representasjoner av modellens interne resonnering. For funksjonskall håndheves de strengt — manglende signaturer gir 400-feil. Offisielle SDK-er håndterer dem automatisk.

Funksjoner for Gemini 3 Pro

Modell-ID (forhåndsvisning): `gemini-3-pro-preview`. Inndatatyper: Tekst, bilde, video, lyd, PDF. Utdata: Tekst Kontekst / token-grenser: Inndata ≈ 1,048,576 tokens; Utdata ≤ 65,536 tokens. Kunnskapsavgrensning:januar 2025 (bruker Search Grounding for nyere informasjon). Funksjoner (utvalgte): funksjonskall, kodekjøring, filsøk, strukturerte utdata, Search Grounding. Ikke støttet: lydgenerering, bildegenerering, live API, bildesegmentering, Google Maps grounding (noen funksjoner avviker fra Gemini 2.5).

Priser for Gemini 3 Pro

Utforsk konkurransedyktige priser for Gemini 3 Pro , designet for å passe ulike budsjetter og bruksbehov. Våre fleksible planer sikrer at du bare betaler for det du bruker, noe som gjør det enkelt å skalere etter hvert som kravene dine vokser. Oppdag hvordan Gemini 3 Pro kan forbedre prosjektene dine samtidig som kostnadene holdes håndterbare.

gemini-3-pro (same price across variants shown)

Model familyVariant (model name)Input price (USD / 1M tokens)Output price (USD / 1M tokens)
gemini-3-progemini-3-pro-preview$1.60$9.60
gemini-3-progemini-3-pro-preview-thinking$1.60$9.60
gemini-3-progemini-3-pro-all$1.60$9.60

Eksempelkode og API for Gemini 3 Pro

Gemini 3 Pro er Google/DeepMinds nyeste flaggskipmodell for multimodal resonnering i Gemini 3-familien. Den posisjoneres som deres «mest intelligente modell til nå», designet for dyptgående resonnering, agentbaserte arbeidsflyter, avansert koding og multimodal forståelse med lang kontekst (tekst, bilder, lyd, video, kode og verktøyintegrasjoner).
Python
JavaScript
Curl
from google import genai
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

response = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents="Explain how AI works in a few words",
)

print(response.text)

Versjoner av Gemini 3 Pro

Grunnen til at Gemini 3 Pro har flere øyeblikksbilder kan inkludere potensielle faktorer som variasjoner i utdata etter oppdateringer som krever eldre øyeblikksbilder for konsistens, å gi utviklere en overgangsperiode for tilpasning og migrering, og ulike øyeblikksbilder som tilsvarer globale eller regionale endepunkter for å optimalisere brukeropplevelsen. For detaljerte forskjeller mellom versjoner, vennligst se den offisielle dokumentasjonen.
Modell-idBeskrivelseTilgjengelighetForespørsel
gemini-3-pro-allDen brukte teknologien er uoffisiell, og genereringen er ustabil osv.✅Chat format
gemini-3-proAnbefalt, peker til den nyeste modellen❌Gemini Generating Content format
gemini-3-pro-previewOffisiell forhåndsvisning❌Gemini Generating Content format

Flere modeller