Gemini 3.1 Pro

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

MultimodalNeuVerfügbar

von 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.

Ausprobieren API-Schlüssel holen Vergleichen

Preis · 1 Mio. In/Out: $ 2.40 / $ 14.40
Kontext: 1'048'576 Token
Max. Ausgabe: 65'536 Token
Eingabe → Ausgabe: Text + Bild + Audio + Video → Text
Entwickler: Google DeepMind
Aktualisiert: 24. September 2026

Playground

Gemini 3.1 Pro ausprobieren

Chat

$ 2.40/1 Mio. In

Schick eine Nachricht. Die Antwort kommt vollständig, sobald das Modell fertig ist (ohne Streaming).

Max. Antwortlänge (Token)

TemperaturModellstandard

⌘/Strg + Enter

Dieser Lauf

höchstens $ 0.0148 · 1.48 Credits vorgemerkt

Abgerechnet werden die tatsächlich verbrauchten Token, der Rest der Vormerkung wird erstattet.

Neu hier?

10 Gratis-Credits ($ 0.10) bei Anmeldung mit Google

Nutzbar 24 Stunden nach der Anmeldung, bis zu 5 Läufe pro Tag und höchstens 2 Credits je Lauf. Andere Anmeldearten starten ohne Guthaben. Reicht für 6 Läufe dieses Modells.

Über Gemini 3.1 Pro

Kurz gesagtStand: 24. September 2026

Gemini 3.1 Pro ist ein Modell von Google DeepMind aus der Kategorie Multimodal. Über Railwail kostet Gemini 3.1 Pro $ 2.40 je 1 Mio. Input-Token und $ 14.40 je 1 Mio. Output-Token. Das Kontextfenster umfasst 1'048'576 Token, eine Antwort bis zu 65'536 Token.

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.

Hintergrund

Über Google DeepMind

Gegründet 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.

Google DeepMind besuchen

Architektur

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.

Parameter: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Kontext: 2'000'000 Token

Fähigkeiten

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.

Training & Lizenz

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.

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

Sicherheitstests: 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.

Bekannte Grenzen

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

Fachartikel

Preise

Preise in US-Dollar. Abgerechnet wird über vorab gekaufte Credits.

Eingabe	$ 2.40 / 1 Mio. Token
Ausgabe	$ 14.40 / 1 Mio. Token
Eingabe (Prompts über 200'000 Token)	$ 4.80 / 1 Mio. Token
Ausgabe (Prompts über 200'000 Token)	$ 21.60 / 1 Mio. Token

Abgerechnet werden die Token, die jede Anfrage tatsächlich verbraucht.
1 Credit = $ 0.01

Kostenrechner

Preisrechner

Input-Token

/ Anfr.

Output-Token

/ Anfr.

Anfragen

Gesamt

$ 0.96

96 Credits

Je Anfrage

$ 0.0096 · 0.96 Credits

Jede Anfrage wird auf 0,01 Credits aufgerundet.

API

Rufe Gemini 3.1 Pro mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

gemini-3-1-proAPI-Dokumentation API-Schlüssel holen

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);

Schlüssel als RAILWAIL_API_KEY setzenAPI-Schlüssel erstellen

Spezifikationen

Modell-ID: gemini-3-1-pro
Entwickler: Google DeepMind
Kategorie: Multimodal
Eingabe: Text, Bild, Audio, Video
Ausgabe: Text
Kontextfenster: 1'048'576 Token
Max. Ausgabe: 65'536 Token
Abrechnung: Nach Verbrauch (Token bzw. GPU-Zeit)
Modellgrösse: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Lizenz: Proprietary commercial license via Google AI Studio, Vertex AI and the Gemini app. Paid-only since April 1, 2026.
Katalogeintrag aktualisiert: 24. September 2026

Eingabeparameter

Eingaben und Einstellungen laut Eingabeschema des Modells. Welche davon die API annimmt, zeigt das Beispiel im Abschnitt API.

ParameterTypStandardErlaubte Werte

promptPflicht
User message
Typ: Text
Standard: –
Erlaubte Werte: bis 32'000 Zeichen
top_p
Typ: Zahl
Standard: 0.95
Erlaubte Werte: 0 bis 1
stream
Typ: Ja/Nein
Standard: false
Erlaubte Werte: –
image_url
Optional image URL to analyze
Typ: Text
Standard: –
Erlaubte Werte: –
max_tokens
Typ: Ganzzahl
Standard: 4096
Erlaubte Werte: 1 bis 32'000
temperature
Typ: Zahl
Standard: 1
Erlaubte Werte: 0 bis 2
system_prompt
Optional system instruction
Typ: Text
Standard: –
Erlaubte Werte: bis 8'000 Zeichen

Einsatzgebiete

Wofür es genutzt wird

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

Alle Modelle: Multimodal

Häufige Fragen

Was ist Gemini 3.1 Pro?

Gemini 3.1 Pro ist ein Modell von Google DeepMind aus der Kategorie Multimodal. Über Railwail lässt es sich mit einem API-Schlüssel über die Railwail-API aufrufen.

Was kostet Gemini 3.1 Pro bei Railwail?

Über Railwail kostet Gemini 3.1 Pro $ 2.40 je 1 Mio. Input-Token und $ 14.40 je 1 Mio. Output-Token. Abgerechnet wird, was jede Anfrage tatsächlich verbraucht. Bezahlt wird mit vorab gekauften Credits; 1 Credit entspricht $ 0.01.

Wie gross ist das Kontextfenster von Gemini 3.1 Pro?

Das Kontextfenster von Gemini 3.1 Pro umfasst 1'048'576 Token. Eine Antwort kann bis zu 65'536 Token lang sein.

Wie schnell ist Gemini 3.1 Pro?

Für Gemini 3.1 Pro gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.

Ist Gemini 3.1 Pro besser als BLIP?

Das hängt von der Aufgabe ab. Gemini 3.1 Pro (Google DeepMind) und BLIP (Salesforce) sind beide Modelle aus der Kategorie Multimodal. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

Gemini 3.1 Pro und BLIP vergleichen

Kann Gemini 3.1 Pro Bilder verarbeiten?

Ja. Gemini 3.1 Pro nimmt neben Text auch Bilder als Eingabe an.

Wie nutze ich Gemini 3.1 Pro über die API?

Erstelle einen Railwail-API-Schlüssel und sende deine Anfrage mit der Modell-ID gemini-3-1-pro. Codebeispiele für curl, Python und JavaScript stehen im Abschnitt API auf dieser Seite.

Vergleichbare Modelle

Alle dieser Kategorie

Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
$ 6.00/1 Mio. In
150 % teurer je Einheit
Gemini 3.1 Pro und Claude Opus 4.7 vergleichen
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.
$ 3.60/1 Mio. In
50 % teurer je Einheit
Gemini 3.1 Pro und Claude Sonnet 4.6 vergleichen
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.
$ 0.60/1 Mio. In
75 % günstiger je Einheit
Gemini 3.1 Pro und Gemini 3 Flash vergleichen

Gemini 3.1 Pro über die API nutzen

Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = $ 0.01.

API-Schlüssel holen Alle Modelle ansehen