Gemini 3.1 Pro

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

MultimodalNyTillgänglig

av 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.

Prova Hämta API-nyckel Jämför

Pris · 1M in/ut: 2,40 US$ / 14,40 US$
Kontext: 1 048 576 tokens
Max. utdata: 65 536 tokens
Inmatning → utmatning: Text + Bild + Audio + Video → Text
Utvecklare: Google DeepMind
Uppdaterad: 24 september 2026

Playground

Prova Gemini 3.1 Pro

Chatt

2,40 US$/1M in

Skicka ett meddelande. Svaret kommer i sin helhet när modellen är klar (ingen streaming).

Max. svarslängd (tokens)

TemperaturModellstandard

⌘/Ctrl + Enter

Denna körning

högst 0,0148 US$ · 1,48 credits reserverade

Faktureras enligt faktiskt använda tokens; den oanvända delen av reservationen återbetalas.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits. Räcker för 6 körningar av denna modell.

Om Gemini 3.1 Pro

Kort sagtFrån och med 24 september 2026

Gemini 3.1 Pro är en modell av Google DeepMind i kategorin Multimodal. På Railwail kostar Gemini 3.1 Pro 2,40 US$ per 1M inmatningstoken och 14,40 US$ per 1M utmatningstoken. Kontextfönstret innehåller 1 048 576 tokens, och ett svar kan vara upp till 65 536 tokens långt.

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.

Bakgrund

Om Google DeepMind

Grundat 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.

Besök Google DeepMind

Arkitektur

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 tokens

Funktioner

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.

Träning & licens

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.

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

Säkerhetstestning: 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.

Kända begränsningar

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

Forskningsartiklar

Priser

Priser i US-dollar. Användningen debiteras från förbetald kredit.

Inmatning	2,40 US$ / 1M token
Utmatning	14,40 US$ / 1M token
Inmatning (prompter över 200 000 token)	4,80 US$ / 1M token
Utmatning (prompter över 200 000 token)	21,60 US$ / 1M token

Faktureras enligt de token som varje begäran faktiskt använder.
1 kredit = 0,01 US$

Kostnadsräknare

Prisräknare

Inmatningstoken

/ förfrågan

Utmatningstoken

/ förfrågan

Förfrågningar

Totalt

0,96 US$

96 krediter

Per förfrågan

0,0096 US$ · 0,96 krediter

Varje förfrågan avrundas upp till 0,01 krediter.

API

Anropa Gemini 3.1 Pro med din Railwail API-nyckel. Använd detta modell-ID i begäran:

gemini-3-1-proAPI-dokumentation Hämta API-nyckel

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);

Ange din nyckel som RAILWAIL_API_KEYSkapa API-nyckel

Specifikationer

Modell-ID: gemini-3-1-pro
Utvecklare: Google DeepMind
Kategori: Multimodal
Inmatning: Text, Bild, Audio, Video
Utmatning: Text
Kontextfönster: 1 048 576 tokens
Max. utmatning: 65 536 tokens
Fakturering: Efter användning (tokens eller GPU-tid)
Modellstorlek: Undisclosed (sparse MoE, total parameters in the hundreds of billions, active per-token undisclosed)
Licens: Proprietary commercial license via Google AI Studio, Vertex AI and the Gemini app. Paid-only since April 1, 2026.
Kataloginlägg uppdaterat: 24 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

promptobligatorisk
User message
Typ: Text
Standard: –
Tillåtna värden: upp till 32 000 tecken
top_p
Typ: Tal
Standard: 0.95
Tillåtna värden: 0 till 1
stream
Typ: Ja/Nej
Standard: false
Tillåtna värden: –
image_url
Optional image URL to analyze
Typ: Text
Standard: –
Tillåtna värden: –
max_tokens
Typ: Heltal
Standard: 4096
Tillåtna värden: 1 till 32 000
temperature
Typ: Tal
Standard: 1
Tillåtna värden: 0 till 2
system_prompt
Optional system instruction
Typ: Text
Standard: –
Tillåtna värden: upp till 8 000 tecken

Taggar

google
deepmind
flagship
multimodal
deep-think
long-context
1m-context
video-understanding

Användningsfall

Vad det används till

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

Alla modeller i Multimodal

Vanliga frågor

Vad är Gemini 3.1 Pro?

Gemini 3.1 Pro är en modell av Google DeepMind i kategorin Multimodal. På Railwail kan du anropa den med en API-nyckel via Railwail API.

Vad kostar Gemini 3.1 Pro på Railwail?

På Railwail kostar Gemini 3.1 Pro 2,40 US$ per 1M inmatningstoken och 14,40 US$ per 1M utmatningstoken. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.

Hur stort är kontextfönstret för Gemini 3.1 Pro?

Kontextfönstret för Gemini 3.1 Pro innehåller 1 048 576 tokens. Ett svar kan vara upp till 65 536 tokens långt.

Hur snabb är Gemini 3.1 Pro?

Det finns ännu inte tillräckligt många uppmätta körningar av Gemini 3.1 Pro på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är Gemini 3.1 Pro bättre än BLIP?

Det beror på uppgiften. Gemini 3.1 Pro (Google DeepMind) och BLIP (Salesforce) är båda modeller i kategorin Multimodal. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför Gemini 3.1 Pro och BLIP

Kan Gemini 3.1 Pro bearbeta bilder?

Ja. Gemini 3.1 Pro accepterar bilder som inmatning utöver text.

Hur använder jag Gemini 3.1 Pro via API:et?

Skapa en Railwail API-nyckel och skicka din begäran med modell-ID:t gemini-3-1-pro. Kodexempel för curl, Python och JavaScript finns i API-avsnittet på denna sida.

Jämförbara modeller

Alla i denna kategori

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$/1M in
150 % dyrare per enhet
Jämför Gemini 3.1 Pro och Claude Opus 4.7
Claude Sonnet 4.6Anthropic
Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.
3,60 US$/1M in
50 % dyrare per enhet
Jämför Gemini 3.1 Pro och 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 in
75 % billigare per enhet
Jämför Gemini 3.1 Pro och Gemini 3 Flash

Använd Gemini 3.1 Pro via API:et

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller