在 Gemini 3 Pro 发布还没过去多久，Google DeepMind 又一次选择了“深夜突袭”的方式，推出了下一代旗舰模型 Gemini 3.1 Pro。
和以往例行升级不同，这次更新很快在多个核心基准测试中拉开了明显差距，也让整个 AI 圈重新感受到了一种久违的代际变化。
这次 3.1 Pro 的研发中，延续了 Deep Think 之后对推理能力的持续投入，清华校友姚顺宇也参与了模型相关工作。从目前披露的结果来看，这种投入最直接的体现，就是模型在复杂推理测试上的跃升。
在被认为极其严苛的 ARC-AGI-2 测试中，Gemini 3.1 Pro 拿下了 77.1% 的成绩，几乎是上一代 3.0 Pro 的两倍；它在 ARC-AGI-1 这种早期基准上延续了统治力，但重点突出它在难度更高的 ARC-AGI-2 上的翻倍表现。对比之下，无论是强调深度思考的 Claude Opus 4.6，还是经过特调的 GPT-5.2，都被明显甩在了身后。
如果把视角从推理转向更偏工程实际的能力差异，这种代差会变得更加直观。在多项 SVG 与代码生成测试中，3.1 Pro 与 3 Pro 之间已经不再是“细节优化”，而是能力层级的变化。SVG 生成背后考察的是模型对于“代码生成、空间布局、视觉美学”的综合理解能力，而不仅仅是跑分，在编程和推理相关评测里，Gemini 3.1 Pro 在多个榜单中处于领先位置。在 AAII 的综合评测中，它不仅总分超过 Claude Opus 4.6 四分以上，API 调用成本也只有对方的一半左右，这一点对开发者来说尤其现实。
Gemini 3.1 Pro 已经在 Gemini 与 NotebookLM 中上线，开发者也可以通过 Google AI Studio、Antigravity 以及 Android Studio 进行体验。某种程度上，这也让硅谷当前的大模型竞争格局变得更加清晰——舞台中央，几乎只剩下 Google DeepMind 与 Anthropic 的正面对抗，而此前长期占据话题中心的 OpenAI，在这一轮主战场上的存在感，正在被逐渐稀释。
作为目前谷歌体系内最强的模型，Gemini 3.1 Pro 在能力结构上也完成了一次系统性跨越。它不仅保留了原生全模态输入的优势，还将上下文窗口扩展到了最高 100 万 Token。在被称为“人类最后考试”的 HLE 测试中，3.1 Pro 在不借助外部工具的情况下取得了 44.4% 的成绩，明显领先 GPT-5.2，也领先于 Opus 4.6。ARC-AGI-2 中的 77.1%，则进一步巩固了它在推理维度的领先地位。
真正让不少研究者感到意外的，是 Gemini 3.1 Pro 在代码与智能体方向的进化幅度。在 LiveCodeBench Pro 中，它的 Elo 积分达到了 2887，呈现出断层领先；在 Terminal-Bench 2.0 中，它也超过了专门面向代码优化的 GPT-5.3-Codex；而在 APEX-Agents 这类强调多轮决策与执行的测试里，3.1 Pro 同样位居前列。这意味着它开始具备更稳定的工程协作能力，而不只是“写得出代码”。
长上下文处理是另一个变化明显的维度。在 MRCR v2 的 128k 测试中，Gemini 3.1 Pro 拿到了 84.9% 的高分；而在 1M Token 级别的测试中，它不仅支持，而且仍然保持了可用的理解能力。相比之下，GPT-5.2 和 Opus 4.6 在百万 token 级别确实不如 Gemini 3.1 Pro 原生支持得好，这是 Gemini 的传统优势。与此同时，3.1 Pro 的幻觉率也相比上一代显著下降，这一点对真实应用的意义，远大于单一榜单名次。
这些能力的提升，并没有停留在跑分层面。在实际展示中，Gemini 3.1 Pro 已经能把逻辑推理转化为相当成熟的应用能力。只需要一段简短的提示词，它就可以直接生成可嵌入网页的 SVG 动画，文件体积极小，却支持无限缩放且保持清晰；它也能整合复杂 API，构建实时数据看板，将航天遥测数据转化为直观的可视化界面，清晰呈现国际空间站的运行状态。
在交互与创意编程方向，3.1 Pro 甚至可以通过纯代码生成复杂的 3D 群体行为模拟，比如椋鸟群舞，并结合手势追踪与生成式音乐，构建完整的沉浸式体验。它还能将文学主题转化为真实可运行的前端页面，为《呼啸山庄》这样的经典作品设计现代风格的个人主页，在视觉和氛围上保持高度一致。这些案例的价值，并不在于“炫”，而在于它们已经接近真实原型工具的工作方式。
从更多开发者的首测反馈来看，无论是城市规划模拟、SVG 动画生成，还是 3D 空间推理，Gemini 3.1 Pro 都展现出了比上一代明显更稳定的表现。这种稳定性，恰恰是模型从“演示级能力”迈向“可落地能力”的关键一步。
发布的预览版，显然只是一个开始。谷歌也明确表示，从去年 11 月以来，大量真实用户反馈持续推动了模型的快速迭代。Gemini 3.1 Pro 的这次深夜发布，本质上是一次对行业节奏的重新校准——在通往更高阶通用智能的深水区，只有在算力、算法与工程能力上形成闭环的玩家，才能真正走到下一阶段。
进化没有终点，但下一幕，已经明显更近了。
