Gemini 3.1 Pro

Mis on Gemini 3.1 Pro?

Gemini 3.1 Pro on Google DeepMindi kolmanda põlvkonna Pro-mudel, mida pakutakse praegu eelvaatemudelina. See on mõeldud nõudlikeks ülesanneteks, mille puhul lühikesest ja lihtsast vastusest ei piisa: keerukaks analüüsiks, täiustatud programmeerimiseks, pikkade dokumentide ülevaatamiseks, multimodaalseks uurimistööks ning rakendusteks, mis vajavad mitut planeerimisetappi ja tööriistade kasutamist.

Ametlik API-identifikaator on gemini-3.1-pro-preview. Arendajad saavad sellele ligi Google AI Studio ja Gemini API kaudu, samuti Google Cloud Vertex AI ning valitud Google'i arendaja- ja ettevõtete toodete kaudu. Seotud gemini-3.1-pro-preview-customtools lõpp-punkt on optimeeritud kohandatud tööriistu ja bash-käske kasutavate töövoogude jaoks, kuid seda tuleks käsitleda seotud lõpp-punkti, mitte eraldi baasmudelina.

Google'i praeguses mudelivalikus paikneb Gemini 3.1 Pro suure võimekusega Pro-mudelina, mitte väikeste kulude ja suure läbilaskevõimega lahendusena. Selle eesmärk on töödelda keerukaid sisendeid ja mitmeetapilisi ülesandeid isegi siis, kui see nõuab rohkem arvutusressursse, suuremat latentsust ja suuremat tokenipõhist hinda.

Toetatud sisendid ja väljundid

Gemini 3.1 Pro toetab viit peamist sisenditüüpi: teksti, pilte, videot, heli ja PDF-dokumente. See võimaldab ühes päringus ühendada näiteks kirjaliku uurimisküsimuse PDF-i lehekülgede, ekraanipiltide, salvestatud koosoleku või videoklipiga.

Mudeli väljund on tekst. See võib selgitada leide, luua koodi, tagastada struktureeritud vastuseid ja kirjeldada tööriistade abil tehtud töövoos langetatud otsuseid, kuid see ei loo algupäraselt pilte, videot ega heli. See erinevus on multimodaalse rakenduse jaoks mudeli valimisel oluline: Gemini 3.1 Pro on multimodaalne selle poolest, mida ta suudab mõista, mitte selle poolest, millist meediat ta otse loob.

Token on väike teksti- või muu kodeeritud sisendi ühik. Dokumendi kasutatavate tokenite täpne arv sõltub selle sisust ja vormingust, kuid miljoni tokeni suurune kontekstilimiit on mõeldud erakordselt suurte sisendite, näiteks ulatuslike koodihoidlate, pikkade aruannete või multimodaalsete materjalikogumite jaoks.

Arutlus- ja programmeerimisvõimekus

Google positsioneerib Gemini 3.1 Pro täiustatud arutlusvõimega mudelina, mitte pelgalt vestluslikuks küsimustele vastamiseks. See on mõeldud keerukate probleemide lahendamiseks, suures kontekstis esitatud tõendite võrdlemiseks, mitme sammu planeerimiseks ja tööriistade kasutamiseks, kui vastus sõltub välisest teabest või arvutustest. Mõtlemistokenid sisalduvad tasulise väljundtokeni hinnas, mistõttu võib põhjalikum arutlemine kulusid suurendada ka siis, kui nähtav vastus on suhteliselt lühike.

Tarkvaratöös on mudel suunatud täiustatud inseneriülesannetele, nagu tundmatute koodibaaside analüüsimine, käitumise jälitamine paljudes failides, rakendusmuudatuste ettepanekute tegemine, tehniliste lahenduste ülevaatamine ja mitmeetapiliste arendustöövoogude koordineerimise toetamine. Selle suur kontekst võib olla kasulik siis, kui vastus sõltub kogu hoidlas paiknevate seoste mõistmisest, mitte ühest eraldiseisvast koodilõigust.

Neid võimeid ei tohiks segi ajada korrektsuse garantiiga. Esitatud uurimismaterjal annab arutlus- ja programmeerimisvõimekusele toimetuslikult hindeks 9 punkti 10-st, kuid need on võrdlevad toimetuslikud hinnangud, mitte Google'i avaldatud võrdlustulemused. Mudel võib endiselt anda valesid selgitusi, vigast koodi või sobimatu tegevusplaani, eriti siis, kui sisend on ebaselge või tööriist tagastab puudulikku teavet.

Tööriistad, maandamine ja struktureeritud vastused

Gemini 3.1 Pro toetab funktsioonikutseid, mis võimaldavad rakendusel mudelile kättesaadavaks teha määratletud toiminguid, mida mudel võib taotleda. Näiteks võib rakendus lubada mudelil teha päringu andmebaasi, kutsuda sisemist teenust või käivitada kontrollitud tarkvaratöövoo. Rakendus vastutab endiselt nende funktsioonide käivitamise ja autoriseerimise eest.

Samuti toetatakse koodi käivitamist, URL-i konteksti, Google'i otsingu põhist maandamist ja Google Mapsi põhist maandamist. Maandamine seob vastuse hangitud teabe või määratud allikaga, selle asemel et tugineda üksnes mudeli sisemisele genereerimisele. Koodi käivitamine võib aidata arvutuste või andmetöötlusetappide puhul, URL-i kontekst aga võimaldab kasutada etteantud veebiallikat mudeli tööteabena.

Toetatud on struktureeritud väljundid, mis võimaldavad arendajatel taotleda kindlat skeemi järgivaid vastuseid. See võib hõlbustada mudeli tulemuste edastamist tarkvarasse. Olemasolev dokumentatsioon ei kinnita siiski eraldiseisva pärandfunktsioonina selle mudeli „JSON-režiimi”. Seetõttu ei tohiks struktureeritud väljundeid automaatselt kirjeldada eraldi JSON-režiimi võimalusena.

Korduvate suurte päringute jaoks on saadaval vahemällu salvestamine ning asünkroonselt töödeldavate töökoormuste jaoks pakktöötlus. Google kirjeldab vajaduse korral ka flex- ja prioriteetse kasutuse võimalusi. Esitatud mudeliandmete kohaselt toetatakse File Searchi ainult Google AI Studios.

Kontekstiaken ja väljundipiirangud

Maksimaalne sisendkontekst on 1 048 576 tokenit ja maksimaalne väljund 65 536 tokenit. Suur sisendilimiit on eriti oluline siis, kui mudel peab võrdlema paljusid allikaid, uurima mahukat koodibaasi või säilitama konteksti pika agentse ülesande vältel.

Suur kontekstiaken ei tähenda, et iga pika päringuga tegeletakse sama põhjalikult. Väga suured sisendid võivad endiselt pikendada töötlemisaega ja suurendada kulusid ning tulemuse kasulikkus sõltub ülesande selgest sõnastusest. Praktilistes rakendustes on endiselt mõistlik esitada asjakohane materjal, määratleda soovitud tulemus ja paluda mudelil eristada tõendeid oletustest.

Gemini 3.1 Pro hinnakujundus

Gemini 3.1 Pro Preview kasutab tokenipõhist hinnakujundust. Kuni 200 000 tokeni suuruste päringute puhul on tavapärane tasulise kasutuse hind 2,00 dollarit miljoni sisendtokeni ja 12,00 dollarit miljoni väljundtokeni eest, sealhulgas mõtlemistokenid. Üle 200 000 tokeni suuruste päringute puhul tõuseb hind 4,00 dollarini miljoni sisendtokeni ja 18,00 dollarini miljoni väljundtokeni eest.

Konteksti vahemällu salvestamise hind on kuni 200 000 tokeni suuruste päringute puhul 0,20 dollarit miljoni tokeni kohta ja suuremate päringute puhul 0,40 dollarit miljoni tokeni kohta, millele lisanduvad eraldi salvestustasud. Pakktöötluse, flex-kasutuse ja prioriteetse kasutuse puhul võivad kehtida eraldi hinnad või saadavustingimused. Eespool toodud tokenihinnad on kasutuspõhised hinnad, mitte korduv tarbijatellimuse tasu.

Praktiline kompromiss on selge: Gemini 3.1 Pro võib olla ökonoomne siis, kui selle arutlus- ja kontekstitöötlusvõime vähendab rakendusepoolse töötlemise kulusid, kuid seda ei positsioneerita odavaima valikuna lihtsate päringute või väga suure mahuga genereerimise jaoks. Vahemällu salvestamine võib aidata sama suure konteksti korduvkasutamisel, samas kui väiksemad või kiiremad mudelid võivad sobida paremini tavapäraseks klassifitseerimiseks, lühivastusteks või latentsustundlikuks suhtluseks.

Peamised tugevused ja piirangud

Tugevused

• Väga suur sisendikontekst pikkade dokumentide, koodihoidlate ja multimodaalsete materjalikogumite jaoks.
• Lai multimodaalne mõistmine teksti, piltide, video, heli ja PDF-ide puhul.
• Keeruka arutlemise, täiustatud programmeerimise ja mitmeetapiliste agentsete töövoogude tugi.
• Funktsioonikutsed, koodi käivitamine, otsingu- ja Mapsi-põhine maandamine, URL-i kontekst ning struktureeritud väljundid.
• Vahemällu salvestamise ja pakktöötluse tugi sobivates arendustöövoogudes.

Piirangud

• Mudel on endiselt eelvaates, mistõttu võivad selle käitumine, saadavus, hinnad ja lõpp-punktid muutuda.
• See toodab ainult teksti ega loo algupäraselt pilte, videot ega heli.
• Suured päringud ja pikk arutlemine võivad muuta kasutuse lihtsamate alternatiividega võrreldes kallimaks ja potentsiaalselt aeglasemaks.
• Tööriistade tugi ei kaota vajadust rakendusepoolsete õiguste, valideerimise, seire ja veakäsitluse järele.
• Esitatud dokumentatsioonis ei ole tuvastatud autoriteetset teadmiste lõppkuupäeva.
• Mudeli väljundid võivad olla ebatäpsed või ebajärjekindlad, sealhulgas koodi ja maandatud töövoogude puhul.

Parimad kasutusjuhtumid

Gemini 3.1 Pro sobib hästi olukordadesse, kus keerukas arutlemine tuleb ühendada mahuka konteksti või väliste tööriistadega. Sobivad näited on järgmised:

• Mahukate tehniliste spetsifikatsioonide, õigusliku laadiga dokumentide, uurimismaterjalide või PDF-arhiivide läbivaatamine.
• Suure tarkvarahoidla analüüsimine ja muudatuste kavandamine mitmes failis.
• Funktsioonikutseid, koodi käivitamist või kohandatud tööriistu vajavate programmeerimisagentide loomine.
• Kirjalike küsimuste ühendamine piltide, salvestiste, video või dokumentidega uurimistöö käigus.
• Maandatud rakenduste loomine Google'i otsingu, Google Mapsi, URL-ide või rakenduses määratletud funktsioonide abil.
• Struktureeritud tekstitulemuste genereerimine järgnevatele tarkvarasüsteemidele.

Millal valida Gemini 3.1 Pro?

Vali Gemini 3.1 Pro siis, kui peamine probleem on keerukus: mudel peab lahendama keerukat ülesannet, uurima suurt konteksti, mõistma mitut meediatüüpi või koordineerima tööriistu. Selle väärtus on suurim siis, kui need võimed asendavad käsitsi uurimist või mitut eraldi töötlemisetappi.

Kaalu muud võimalust, kui ülesanne on lihtne, kulutundlik või tugevalt latentsustundlik. Väiksem või kiirem mudel võib sobida paremini lühikesteks klassifitseerimisülesanneteks, korduvaks eraldamiseks, lihtsaks vestluseks ja suure mahuga genereerimiseks. Kui vajalik väljund on meedia, mitte tekst, on sobivam spetsiaalne pildi-, video- või heligeneratsiooni mudel. Stabiilne ja üldiselt kättesaadav mudel võib olla parem operatiivne valik ka siis, kui eelvaatestaatuse muutused tekitaksid vastuvõetamatuid riske.

Üldjoontes tuleks Gemini 3.1 Pro-d mõista kui suure võimekusega eelvaatemudelit keerukaks, mahuka kontekstiga ja tööriistade toel tehtavaks tööks. Selle kõige selgemad praktilised eristajad on miljoni tokeni suurune sisendimaht ja lai tööriistade tugi, samas kui eelvaatestaatuse, ainult tekstilise väljundi ja tokenipõhiste kulude tõttu ei sobi see igaks töökoormuseks.