Gemini 3.1 Pro

Name: Gemini 3.1 Pro
Brand: Google DeepMind
SKU: gemini-3-1-pro
Price: 2.4 USD
Availability: InStock

MultimodalNouveauDisponible

par Google DeepMindgemini-3-1-pro

Google DeepMind's February 2026 flagship. 1M-token (1,048,576) context, native multimodal (text/image/audio/video), Deep Think reasoning.

Essayer Obtenir une clé API Comparer

Prix · 1M entrée/sortie: 2,40 $US / 14,40 $US
Contexte: 1 048 576 tokens
Max. sortie: 65 536 tokens
Entrée → Sortie: Texte + Image + Audio + Vidéo → Texte
Développeur: Google DeepMind
Mis à jour: 24 septembre 2026

Playground

Essayer Gemini 3.1 Pro

Chat

2,40 $US/1M entrée

Envoyez un message. La réponse arrive complète une fois que le modèle a terminé (sans streaming).

Longueur max. de la réponse (tokens)

TempératureParamètre par défaut du modèle

⌘/Ctrl + Entrée

Cette exécution

au maximum 0,0148 $US · 1,48 crédits réservés

Facturation selon les tokens réellement utilisés ; la partie inutilisée de la réservation est remboursée.

Nouveau par ici ?

10 crédits gratuits (0,10 $US) à l'inscription avec Google

Utilisable 24 heures après l'inscription, jusqu'à 5 exécutions par jour et au maximum 2 crédits par exécution. Les autres méthodes de connexion commencent sans crédits. Suffisant pour 6 exécutions de ce modèle.

À propos de Gemini 3.1 Pro

RésuméAu 24 septembre 2026

Gemini 3.1 Pro est un modèle de Google DeepMind dans la catégorie Multimodal. Sur Railwail, Gemini 3.1 Pro coûte 2,40 $US par 1M tokens d'entrée et 14,40 $US par 1M tokens de sortie. La fenêtre de contexte contient 1 048 576 tokens, et une réponse peut faire jusqu'à 65 536 tokens.

Released February 19, 2026, Gemini 3.1 Pro is Google DeepMind's flagship frontier model. Native 1,048,576-token context window, fully multimodal (text, image, audio, video tokens in a single pass), built-in Deep Think reasoning with adjustable thinking budgets. Top scores on GPQA Diamond, AIME, Humanity's Last Exam, and strong coding on SWE-bench. Function calling, JSON schema, Search grounding and Code Execution are first-class. Best for: long-document and long-video analysis, scientific reasoning, agentic workflows.

Arrière-plan

À propos de Google DeepMind

Fondée 2010 · Mountain View, USA / London, UK

Google DeepMind is the merged AI research organisation formed in April 2023 by combining Google Brain (founded inside Google in 2011) with DeepMind (founded in London in 2010 by Demis Hassabis, Shane Legg and Mustafa Suleyman, acquired by Google in 2014). Demis Hassabis leads the unit as CEO. DeepMind authored seminal papers including 'Attention Is All You Need' (Google Brain, 2017), AlphaGo (2016), AlphaFold (2018-2021, awarded the 2024 Nobel Prize in Chemistry), AlphaZero, Chinchilla scaling laws and the Gemini Technical Report. The Gemini family launched in December 2023 (Ultra, Pro, Nano), followed by Gemini 1.5 Pro with 1M+ context (early 2024), Gemini 2.0 Flash (December 2024), Gemini 2.5 Pro with Deep Think (March/May 2025), Gemini 3 Pro (late 2025), Gemini 3.1 Pro (February 2026) and Gemini 3 Flash (April 2026). Google DeepMind also ships Imagen, Veo, Lyria and NotebookLM and powers AI features across Google Search, Workspace and Android.

Visiter Google DeepMind

Architecture

Sparse Mixture-of-Experts Transformer (natively multimodal, Deep Think reasoning)

Gemini 3.1 Pro was released February 19, 2026 as Google DeepMind's flagship frontier model. It is a natively multimodal Sparse Mixture-of-Experts Transformer that ingests text, image, audio and video tokens through a shared embedding space, building directly on the Gemini 3 Pro architecture (late 2025) and Gemini 2.5 Pro (early 2025). The input context window is 1,048,576 tokens, the same size as Gemini 2.5 Pro. Pretraining used Google's TPU v6e infrastructure on a multi-trillion-token corpus mixing web text, code, books, scientific papers, image-text pairs, audio waveforms and video frames, with a knowledge cutoff in late 2025. Post-training combined supervised fine-tuning, RLHF, reinforcement learning against verifiable rewards on math and code, and a refreshed 'Deep Think' reasoning stage that teaches the model to allocate test-time thinking budgets and emit long internal chains-of-thought before its final answer. Tool use, function calling, structured output, Search grounding and the Code Execution tool are first-class. Safety training followed Google's Frontier Safety Framework v2.

Paramètres: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Contexte: 2 000 000 tokens

Capacités

1,048,576-token input context window with native long-video and long-audio support
Built-in Deep Think reasoning mode with adjustable thinking budget
Natively multimodal: text, image, audio and video in a single pass
Top scores on GPQA Diamond, AIME 2026 and Humanity's Last Exam
Strong coding performance on SWE-bench Verified and LiveCodeBench
Function calling, JSON schema and parallel tool calls
Search grounding and Code Execution tools built into the API
Cross-lingual reasoning across 100+ languages
Available via Vertex AI, AI Studio and the Gemini app (paid-only since April 2026)
2x batch pricing reduction for large jobs
Best for: long-document and long-video analysis, scientific reasoning, agentic workflows, complex multimodal extraction.

Entraînement et licence

Pretrained on a multi-trillion-token mixture of web text, code, books, scientific papers, licensed third-party text, audio waveforms, image-text pairs and video frames. Knowledge cutoff in late 2025. Post-training uses supervised fine-tuning, RLHF, RL against verifiable rewards and Deep Think reasoning training.

Licence: Proprietary commercial license via Google AI Studio, Vertex AI and the Gemini app. Paid-only since April 1, 2026.

Tests de sécurité: Evaluated under Google DeepMind's Frontier Safety Framework v2 covering CBRN, cyber, persuasion and ML R&D risks, with internal red teams and external evaluators.

Limitations connues

Deep Think adds significant latency and token cost
Prompts above 200K tokens are billed at 2x input / 1.5x output rates
Long-context recall quality can degrade beyond ~1M tokens for some tasks
Vision occasionally misreads dense tables and handwriting
Region availability varies; not yet generally available in all EU regions

Articles de recherche

Tarification

Prix en dollars américains. L'utilisation est facturée à partir de crédits prépayés.

Entrée	2,40 $US / 1M tokens
Sortie	14,40 $US / 1M tokens
Entrée (prompts de plus de 200 000 tokens)	4,80 $US / 1M tokens
Sortie (prompts de plus de 200 000 tokens)	21,60 $US / 1M tokens

Facturé selon les tokens que chaque requête utilise réellement.
1 crédit = 0,01 $US

Calculatrice de coûts

Calculatrice de prix

Tokens d'entrée

/ req.

Tokens de sortie

/ req.

Requêtes

Total

0,96 $US

96 crédits

Par requête

0,0096 $US · 0,96 crédits

Chaque requête est arrondie à 0,01 crédit.

API

Appelez Gemini 3.1 Pro avec votre clé API Railwail. Utilisez cet ID de modèle dans la requête :

gemini-3-1-proDocumentation API Obtenir une clé API

curl https://railwail.com/api/v1/chat/completions \
  -H "Authorization: Bearer $RAILWAIL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-1-pro",
    "messages": [
      {
        "role": "user",
        "content": "Explain what a vector database is in two sentences."
      }
    ],
    "max_tokens": 1024
  }'

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["RAILWAIL_API_KEY"],
    base_url="https://railwail.com/api/v1",
)

completion = client.chat.completions.create(
    model="gemini-3-1-pro",
    messages=[
        {
            "role": "user",
            "content": "Explain what a vector database is in two sentences.",
        },
    ],
    max_tokens=1024,
)

print(completion.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.RAILWAIL_API_KEY,
  baseURL: "https://railwail.com/api/v1",
});

const completion = await client.chat.completions.create({
  model: "gemini-3-1-pro",
  messages: [
    {
      role: "user",
      content: "Explain what a vector database is in two sentences."
    }
  ],
  max_tokens: 1024
});

console.log(completion.choices[0].message.content);

// npm install railwail
import railwail from "railwail";

const rw = railwail(process.env.RAILWAIL_API_KEY);

const res = await rw.chat("gemini-3-1-pro", [
  { role: "user", content: "Explain what a vector database is in two sentences." },
], { max_tokens: 1024 });

console.log(res.choices[0].message.content);

Définissez votre clé en tant que RAILWAIL_API_KEYCréer une clé API

Spécifications

ID du modèle: gemini-3-1-pro
Développeur: Google DeepMind
Catégorie: Multimodal
Entrée: Texte, Image, Audio, Vidéo
Sortie: Texte
Fenêtre de contexte: 1 048 576 tokens
Sortie max.: 65 536 tokens
Facturation: À l'usage (tokens ou temps GPU)
Taille du modèle: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Licence: Proprietary commercial license via Google AI Studio, Vertex AI and the Gemini app. Paid-only since April 1, 2026.
Entrée du catalogue mise à jour: 24 septembre 2026

Paramètres d'entrée

Entrées et paramètres du schéma d'entrée du modèle. L'exemple dans la section API montre lesquels l'API accepte.

ParamètreTypePar défautValeurs autorisées

promptObligatoire
User message
Type: Texte
Par défaut: –
Valeurs autorisées: Jusqu'à 32 000 caractères
top_p
Type: Nombre
Par défaut: 0.95
Valeurs autorisées: 0 à 1
stream
Type: Oui/Non
Par défaut: false
Valeurs autorisées: –
image_url
Optional image URL to analyze
Type: Texte
Par défaut: –
Valeurs autorisées: –
max_tokens
Type: Nombre entier
Par défaut: 4096
Valeurs autorisées: 1 à 32 000
temperature
Type: Nombre
Par défaut: 1
Valeurs autorisées: 0 à 2
system_prompt
Optional system instruction
Type: Texte
Par défaut: –
Valeurs autorisées: Jusqu'à 8 000 caractères

Cas d'usage

À quoi ça sert

Long-video and long-PDF analysis
Scientific research and literature review
Coding agents with Deep Think reasoning
Search-grounded enterprise chatbots
Multimodal data extraction at scale
Audio transcription and analysis with reasoning
Whole-codebase refactoring and migration

Tous les modèles : Multimodal

Questions fréquemment posées

Qu'est-ce que Gemini 3.1 Pro ?

Gemini 3.1 Pro est un modèle de Google DeepMind dans la catégorie Multimodal. Sur Railwail, vous pouvez l'appeler avec une clé API via l'API Railwail.

Combien coûte Gemini 3.1 Pro sur Railwail ?

Sur Railwail, Gemini 3.1 Pro coûte 2,40 $US par 1M tokens d'entrée et 14,40 $US par 1M tokens de sortie. Vous êtes facturé pour ce que chaque requête utilise réellement. L'utilisation est payée à partir de crédits prépayés ; 1 crédit équivaut à 0,01 $US.

Quelle est la fenêtre de contexte de Gemini 3.1 Pro ?

La fenêtre de contexte de Gemini 3.1 Pro contient 1 048 576 tokens. Une réponse peut faire jusqu'à 65 536 tokens.

Quelle est la vitesse de Gemini 3.1 Pro ?

Il n'y a pas encore assez d'exécutions mesurées de Gemini 3.1 Pro sur Railwail pour indiquer un temps d'exécution. Cela dépend de l'entrée, des paramètres et de la charge chez le fournisseur.

Gemini 3.1 Pro est-il meilleur que BLIP ?

Cela dépend de la tâche. Gemini 3.1 Pro (Google DeepMind) et BLIP (Salesforce) sont tous deux des modèles de la catégorie Multimodal. La page de comparaison affiche leurs prix et spécifications côte à côte.

Comparer Gemini 3.1 Pro et BLIP

Gemini 3.1 Pro peut-il traiter des images ?

Oui. Gemini 3.1 Pro accepte les images en entrée en plus du texte.

Comment utiliser Gemini 3.1 Pro via l'API ?

Créez une clé API Railwail et envoyez votre requête avec l'ID de modèle gemini-3-1-pro. Des exemples de code pour curl, Python et JavaScript se trouvent dans la section API de cette page.

Modèles comparables

Tous dans cette catégorie

Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 $US/1M entrée
150 % plus cher par unité
Comparer Gemini 3.1 Pro et Claude Opus 4.7
Claude Sonnet 4.6Anthropic
Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.
3,60 $US/1M entrée
50 % plus cher par unité
Comparer Gemini 3.1 Pro et Claude Sonnet 4.6
Gemini 3 FlashGoogle DeepMind
Google's April 2026 fast multimodal model. Combines Gemini 3 Pro's reasoning with Flash-tier latency and price. Default model in the Gemini app.
0,60 $US/1M entrée
75 % moins cher par unité
Comparer Gemini 3.1 Pro et Gemini 3 Flash

Utiliser Gemini 3.1 Pro via l'API

Une clé API pour tous les modèles sur Railwail. L'utilisation est facturée à partir de crédits prépayés, 1 crédit = 0,01 $US.

Obtenir une clé API Parcourir tous les modèles