📌 一句话总结：Google 发布 Gemini 3.1 Pro，ARC-AGI-2 推理基准得分 77.1% 较前代翻倍，超越 Opus 4.6 和 GPT-5.2，但 Arena 排行榜仍落后 Opus 4.6 四分，定价与前代持平。
2026年2月20日 · AI资讯 · 阅读时间约 5 分钟
2 月 19 日，Google 正式发布 Gemini 3.1 Pro——Gemini 3 系列的重大升级版本。这款模型在多个推理基准上实现了跨越式提升，尤其在 ARC-AGI-2 抽象逻辑测试中得分从前代的 31.1% 飙升至 77.1%，直接翻了一倍多。Google 称，这也是上周 Gemini 3 Deep Think 更新背后的「核心智能引擎」。
基准测试：推理能力全面跃升
Gemini 3.1 Pro 在多项关键基准上的表现令人瞩目：
| 基准测试 | Gemini 3.1 Pro | Gemini 3 Pro | Opus 4.6 | GPT-5.2 |
|---|---|---|---|---|
| ARC-AGI-2（抽象逻辑） | 77.1% | 31.1% | 68.8% | 52.9% |
| Humanity's Last Exam | 44.4% | 37.5% | — | 34.5% |
| GPQA Diamond（科学知识） | 94.3% | — | — | — |
| SWE-Bench Verified（编码） | 80.6% | — | 80.8% | — |
| LiveCodeBench Pro（Elo） | 2,887 | 2,439 | — | 2,393 |
| BrowseComp（浏览能力） | 85.9% | — | — | — |
| MCP Atlas（Agent 能力） | 69.2% | — | — | — |
ARC-AGI-2 是一个专门评估模型解决全新逻辑模式能力的基准——这些模式在训练数据中从未出现过。Gemini 3.1 Pro 在这项测试上的得分不仅翻倍超越自家前代，还大幅领先 Opus 4.6（68.8%）和 GPT-5.2（52.9%）。
不过，Gemini 3.1 Pro 并非全面碾压。在 Arena 排行榜（用户投票制）上，Opus 4.6 在文本领域仍以 1504 分领先 Gemini 3.1 Pro 约 4 分。在编码领域，Opus 4.6、Opus 4.5 和 GPT-5.2 High 也都略微领先。此外，在带工具使用的 Humanity's Last Exam 中，Opus 4.6 以 53.1% 拿下榜首。Ars Technica 指出，Google 当前模型在工具调用效率上仍不及竞争对手。
实际应用：从 ISS 轨道追踪到 SVG 动画生成
Google 展示了 3.1 Pro 的几个实际应用场景，突出其「高级推理转化为实用能力」的定位：
- 航天仪表盘：模型独立配置公共遥测数据流，构建了一个实时可视化国际空间站轨道的仪表盘
- 代码动画生成：直接从文本提示生成可嵌入网站的 SVG 动画，纯代码实现，任意缩放不失真
- 3D 交互设计：编写复杂的 3D 椋鸟群飞模拟，支持手部追踪交互和基于鸟群运动的生成式配乐
- 创意编码：将文学主题转化为功能代码，为《呼啸山庄》设计了一个捕捉小说氛围的现代个人网站
定价与可用性：与前代持平，全平台铺开
Gemini 3.1 Pro 目前以预览版形式在多个平台同步上线：
- 开发者：Gemini API（AI Studio）、Gemini CLI、Google Antigravity、Android Studio
- 企业：Vertex AI、Gemini Enterprise
- 消费者：Gemini App、NotebookLM（Pro/Ultra 订阅用户）
API 定价与 Gemini 3 Pro 保持一致：输入 $2.00/百万 token（200K 以上 $4.00），输出 $12.00/百万 token（200K 以上 $18.00）。相比 Opus 系列的 $15/百万输入 token，价格优势明显。
富贵点评
Google 这次的策略很清晰：用 ARC-AGI-2 这个「纯推理」基准来讲故事，77.1% 的成绩确实亮眼。但有意思的是，Arena 排行榜上 Opus 4.6 仍然领先——这说明「解题能力强」和「用户觉得好用」之间还有一段距离。
更值得关注的是定价策略。Gemini 3.1 Pro 的输入价格只有 Opus 4.6 的七分之一，但在 SWE-Bench 编码测试上几乎打平（80.6% vs 80.8%）。对于预算敏感的开发者来说，这个性价比相当有吸引力。Google 正在用「够用的智能 + 极致的性价比」来抢占市场，而不是单纯追求跑分第一。
另外，Google 在工具调用和 Agent 能力上的短板仍然存在。在 Agent 时代，光有推理能力不够，还得能高效地调用外部工具、协调多步骤任务。这可能是 Google 接下来需要重点突破的方向。
📋 要点回顾
- 推理翻倍：ARC-AGI-2 得分从 31.1% 跃升至 77.1%，超越 Opus 4.6（68.8%）和 GPT-5.2（52.9%）
- 编码接近持平：SWE-Bench Verified 80.6%，仅落后 Opus 4.6 的 80.8% 零点二个百分点
- Arena 仍落后：用户投票排行榜上 Opus 4.6 在文本和编码领域仍保持领先
- 价格不变：输入 $2/百万 token，输出 $12/百万 token，约为 Opus 4.6 的七分之一
- 全平台上线：AI Studio、Vertex AI、Gemini CLI、Antigravity、Gemini App、NotebookLM 同步可用
❓ 常见问题
Q: Gemini 3.1 Pro 和 Gemini 3 Pro 有什么区别？
A: 最大的区别在推理能力。ARC-AGI-2 基准得分从 31.1% 提升到 77.1%，翻了一倍多。Humanity's Last Exam 也从 37.5% 提升到 44.4%。Google 称 3.1 Pro 是 Deep Think 背后的「核心智能引擎」升级版。
Q: Gemini 3.1 Pro 是目前最强的 AI 模型吗？
A: 取决于评估维度。在 ARC-AGI-2 抽象推理和 Humanity's Last Exam 上它确实领先，但在 Arena 用户投票排行榜上 Opus 4.6 仍然排名更高，在工具使用能力上也不及竞品。没有哪个模型在所有维度上都是第一。
Q: 普通用户怎么使用 Gemini 3.1 Pro？
A: 可以通过 Gemini App 直接使用，Pro 和 Ultra 订阅用户还能在 NotebookLM 中体验。开发者可以通过 Gemini API、AI Studio 或 Gemini CLI 接入。目前仍为预览版，正式版将在收集反馈后推出。
作者：王富贵 | 发布时间：2026年2月20日
参考来源：Google Blog · The Decoder · Ars Technica · VentureBeat