Gemini 3.1 Pro

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

MultimodalNovoDisponível

por 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.

Experimentar Obter chave API Comparar

Preço · 1M entrada/saída: US$ 2,40 / US$ 14,40
Contexto: 1.048.576 tokens
Saída máxima: 65.536 tokens
Entrada → Saída: Texto + Imagem + Áudio + Vídeo → Texto
Desenvolvedor: Google DeepMind
Atualizado: 24 de setembro de 2026

Playground

Experimentar Gemini 3.1 Pro

Chat

US$ 2,40/1M entrada

Envie uma mensagem. A resposta chega completa assim que o modelo termina (sem streaming).

Comprimento máximo da resposta (tokens)

TemperaturaPadrão do modelo

⌘/Ctrl + Enter

Esta execução

no máximo US$ 0,0148 · 1,48 créditos reservados

Cobrado pelos tokens realmente utilizados; a parte não utilizada da reserva é reembolsada.

Novo por aqui?

10 créditos grátis (US$ 0,10) ao se inscrever com Google

Utilizável 24 horas após inscrição, até 5 execuções por dia e no máximo 2 créditos por execução. Outros métodos de login começam sem créditos. Suficiente para 6 execuções deste modelo.

Sobre Gemini 3.1 Pro

ResumoA partir de 24 de setembro de 2026

Gemini 3.1 Pro é um modelo de Google DeepMind na categoria Multimodal. No Railwail, Gemini 3.1 Pro custa US$ 2,40 por 1M tokens de entrada e US$ 14,40 por 1M tokens de saída. A janela de contexto contém 1.048.576 tokens, e uma resposta pode ter até 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.

Fundo

Sobre Google DeepMind

Fundado em 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.

Visite Google DeepMind

Arquitetura

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.

Parâmetros: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Contexto: 2.000.000 tokens

Capacidades

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.

Treinamento & licença

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.

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

Testes de segurança: 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.

Limitações conhecidas

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

Artigos de pesquisa

Preços

Preços em dólares americanos. O uso é cobrado a partir de créditos pré-pagos.

Entrada	US$ 2,40 / 1M tokens
Saída	US$ 14,40 / 1M tokens
Entrada (prompts com mais de 200.000 tokens)	US$ 4,80 / 1M tokens
Saída (prompts com mais de 200.000 tokens)	US$ 21,60 / 1M tokens

Cobrado pelos tokens que cada solicitação realmente utiliza.
1 crédito = US$ 0,01

Calculadora de custos

Calculadora de preços

Tokens de entrada

/ req.

Tokens de saída

/ req.

Requisições

Total

US$ 0,96

96 créditos

Por requisição

US$ 0,0096 · 0,96 créditos

Cada requisição é arredondada para 0,01 créditos.

API

Chame Gemini 3.1 Pro com sua chave de API Railwail. Use este ID de modelo na solicitação:

gemini-3-1-proDocumentação da API Obter uma chave de 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);

Defina sua chave como RAILWAIL_API_KEYCriar chave de API

Especificações

ID do modelo: gemini-3-1-pro
Desenvolvedor: Google DeepMind
Categoria: Multimodal
Entrada: Texto, Imagem, Áudio, Vídeo
Saída: Texto
Janela de contexto: 1.048.576 tokens
Saída máx.: 65.536 tokens
Faturamento: Por uso (tokens ou tempo de GPU)
Tamanho do modelo: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Licença: Proprietary commercial license via Google AI Studio, Vertex AI and the Gemini app. Paid-only since April 1, 2026.
Entrada do catálogo atualizada: 24 de setembro de 2026

Parâmetros de entrada

Entradas e configurações do esquema de entrada do modelo. O exemplo na seção API mostra quais delas a API aceita.

ParâmetroTipoPadrãoValores permitidos

promptobrigatório
User message
Tipo: Texto
Padrão: –
Valores permitidos: até 32.000 caracteres
top_p
Tipo: Número
Padrão: 0.95
Valores permitidos: 0 a 1
stream
Tipo: Sim/Não
Padrão: false
Valores permitidos: –
image_url
Optional image URL to analyze
Tipo: Texto
Padrão: –
Valores permitidos: –
max_tokens
Tipo: Número inteiro
Padrão: 4096
Valores permitidos: 1 a 32.000
temperature
Tipo: Número
Padrão: 1
Valores permitidos: 0 a 2
system_prompt
Optional system instruction
Tipo: Texto
Padrão: –
Valores permitidos: até 8.000 caracteres

Casos de uso

Para que é utilizado

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

Todos os modelos em Multimodal

Perguntas frequentes

O que é Gemini 3.1 Pro?

Gemini 3.1 Pro é um modelo de Google DeepMind na categoria Multimodal. No Railwail você pode chamá-lo com uma chave de API através da API Railwail.

Quanto custa Gemini 3.1 Pro no Railwail?

No Railwail, Gemini 3.1 Pro custa US$ 2,40 por 1M tokens de entrada e US$ 14,40 por 1M tokens de saída. Você é cobrado pelo que cada solicitação realmente usa. O uso é pago com créditos pré-pagos; 1 crédito equivale a US$ 0,01.

Qual é a janela de contexto de Gemini 3.1 Pro?

A janela de contexto de Gemini 3.1 Pro contém 1.048.576 tokens. Uma resposta pode ter até 65.536 tokens.

Qual é a velocidade de Gemini 3.1 Pro?

Ainda não há execuções medidas suficientes de Gemini 3.1 Pro no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.

Gemini 3.1 Pro é melhor que BLIP?

Depende da tarefa. Gemini 3.1 Pro (Google DeepMind) e BLIP (Salesforce) são ambos modelos na categoria Multimodal. A página de comparação mostra seus preços e especificações lado a lado.

Comparar Gemini 3.1 Pro e BLIP

Gemini 3.1 Pro pode processar imagens?

Sim. Gemini 3.1 Pro aceita imagens como entrada além de texto.

Como uso Gemini 3.1 Pro através da API?

Crie uma chave de API Railwail e envie sua solicitação com o ID do modelo gemini-3-1-pro. Exemplos de código para curl, Python e JavaScript estão na seção API desta página.

Modelos comparáveis

Todos nesta categoria

Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
US$ 6,00/1M entrada
150 % mais caro por unidade
Comparar Gemini 3.1 Pro vs. 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.
US$ 3,60/1M entrada
50 % mais caro por unidade
Comparar Gemini 3.1 Pro vs. 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.
US$ 0,60/1M entrada
75 % mais barato por unidade
Comparar Gemini 3.1 Pro vs. Gemini 3 Flash

Usar Gemini 3.1 Pro via API

Uma chave API para todos os modelos no Railwail. O uso é cobrado a partir de créditos pré-pagos, 1 crédito = US$ 0,01.

Obter chave API Explorar todos os modelos