Gemini 3.1 Pro · 官方评测披露

Gemini 3.1 Pro 当前收录 18 项测试的官方记录。已完成列明材料的核查。

模型发布 · Gemini Pro

官方材料与核查范围

列明主文、核心能力、直接安全报告及附录已完成模型来源核对;首发历史仍需独立证据。 核对时间 。

当前资料不足以还原首发。 已取得首发主文、3页评测方法、9页模型卡与26页FSF报告的真实历史正文;主文外链主表图像的id_回放TLS失败,if_回放HTTP 429,尚未核读该图像历史字节。保留已核实历史证据,首发完整集合仍未完成。

  • Gemini 3.1 Pro: A smarter model for your most complex tasks · 主文 · Article page collected 2026-11-10; article date 2026-02-19
    公布 · 采集 · 已核查 核心能力与补充材料已分别核对。补充范围:全文抽取文本;检查发布主文中有关 3.1 Pro 发布、安全与评测的信息。
  • Gemini 3.1 Pro Model Evaluation - Approach, Methodology & Results · 附件 · 3-page evaluation methodology PDF; results as of February 2026; PDF states Published: February, 2026
    公布 未确认 · 采集 · 已核查 3页 PDF 全文已提取;第3页结果表已渲染核对,方法细节第1-2页已读取。
  • Gemini 3.1 Pro - Model Card · 附件 · 9-page PDF; Published: February 2026
    公布 未确认 · 采集 · 已核查 核心能力与补充材料已分别核对。补充范围:全部 9 页;安全 delta 表 pp.6-7;人类红队 pp.7-8;FSF 概述 p.7、各风险域结果表 pp.8-9。5 项安全 delta 和所有 FSF 风险域的模型归属、模式、阈值结论、精确及近似值均已对照核心候选核完;本 supplement 只收录未重复的方法、评测可比性及总体范围披露。。说明:Table 1 标题将安全 delta 比较对象标为 Gemini 3.0 Pro,但 tone 脚注称其解释适用于与 Gemini 2.5 Pro 的比较;原文并列保留,未推断为同一基线。
  • Frontier Safety Framework Report - Gemini 3 Pro (November, 2025) v2 · 附件 · 26-page report; linked from the Gemini 3.1 Pro model card for further detail; report evaluates Gemini 3 Pro, not Gemini 3.1 Pro
    公布 未确认 · 采集 · 已核查 核心能力与补充材料已分别核对。补充范围:26 页报告已在 Gemini 3 Pro supplement 中逐页核查;本次复查封面、报告对象与模型卡直接链接关系。。说明:该报告的结果属于 Gemini 3 Pro;除报告范围说明外,不将旧报告披露、成绩或配置归给 Gemini 3.1 Pro。3.1 Pro 的评测方法与 FSF 摘要以自身模型卡为准。
  • Gemini 3.1 Pro Model Evaluation — launch-day version · 附件 · 3-page evaluation PDF archived 2026-02-19 16:22:46 UTC; separate from current methodology revision.
    公布 未确认 · 采集 · 已核查 已实际下载官方PDF首发当天回放 https://web.archive.org/web/20260219162246id_/https://storage.googleapis.com/deepmind-media/gemini/gemini_3-1_pro_model_evaluation.pdf;Memento-Datetime Thu, 19 Feb 2026 16:22:46 GMT。3页全文已核读,p.3主表实际渲染核查;与当前版本的差异为SWE-bench Pro方法新增based on the public set and字样,原始分数未变。
  • Gemini 3.1 Pro Model Card — launch-day version · 附件 · 9-page model card archived 2026-02-19 18:25:21 UTC; separate from current distribution-channel revision.
    公布 未确认 · 采集 · 已核查 原id_回放TLS EOF后,实际取得同时间戳if_官方PDF回放 https://web.archive.org/web/20260219182521if_/https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-1-Pro-Model-Card.pdf;Memento-Datetime Thu, 19 Feb 2026 18:25:21 GMT。9/9页全文已读,主表及安全表已核查;相较现行版只有Geminin拼写与Gemini Enterprise分发渠道差异,保留独立版本。

配置

  • Gemini 3.1 Pro Thinking (High) · Gemini API model id gemini-3.1-pro-preview; default sampling settings; evaluation table column specifies Thinking (High). All scores are pass@1 except where noted. high
    未知项 Exact thinking budget and sampling parameters are not listed.

直接前代与后续发布

直接前代 Gemini 3 Pro。 官方关系依据

Since releasing Gemini 3 Pro in November, your feedback and the pace of progress have driven these rapid improvements. We are releasing 3.1 Pro in preview today to validate these updates and continue to make further advancements in areas such as ambitious agentic workflows before we make it generally available soon.
12 项披露延续 · 6 项新增 · 14 项本次未见 · 0 项待核查
Gemini 3 Pro 与 Gemini 3.1 Pro 的披露变化
测试已核查状态Gemini 3 ProGemini 3.1 Pro
ARC-AGI-2 · ARC Prize Verified · semi-private set延续

来源位置 attachment → attachment、main

已记录的评测条件有变化

前代记录本次记录
Humanity's Last Exam · 2,500-question benchmark延续

来源位置 attachment、main → attachment

已记录的评测条件有变化

前代记录本次记录
GPQA Diamond · 198-question Diamond subset延续

来源位置 attachment、main → attachment

已记录的评测条件有变化

前代记录本次记录
Terminal-Bench · 2.0;代理框架按协议区分延续

来源位置 attachment、main → attachment

已记录的评测条件有变化

前代记录本次记录
SWE-bench Verified · Verified subset (500 problems)延续

来源位置 attachment、main → attachment

已记录的评测条件有变化

前代记录本次记录
SWE-Bench Pro · Public新增—本次记录
LiveCodeBench Pro · Competitive coding problems from Codeforces, ICPC, and IOI延续

已记录的评测条件有变化

前代记录本次记录
SciCode · Scientific research coding新增—本次记录
APEX-Agents · Long-horizon professional tasks新增—本次记录
GDPval-AA · Artificial Analysis leaderboard新增—本次记录
τ²-bench · Retail section延续

已记录的评测条件有变化

前代记录本次记录
τ²-bench · Telecom section延续

已记录的评测条件有变化

前代记录本次记录
MCP Atlas · Public set新增—本次记录
BrowseComp · 1,266 题;单代理与多代理按协议区分新增—本次记录
MMMU-Pro · Standard and Vision formats延续

来源位置 attachment、main → attachment

已记录的评测条件有变化

前代记录本次记录
MMMLU · Multilingual Q&A延续

已记录的评测条件有变化

前代记录本次记录
MRCR-V2 · 8-needle; up to 128K average context延续

已记录的评测条件有变化

前代记录本次记录
MRCR-V2 · 8-needle; pointwise at 1M context延续

已记录的评测条件有变化

前代记录本次记录
LMArena · Gemini 3 release leaderboard score本次未见前代记录—
MathArena Apex · MathArena leaderboard本次未见前代记录—
Video-MMMU · Gemini 3 Pro model evaluation; recommended media_resolution=HIGH and temperature=0本次未见前代记录—
SimpleQA Verified · Kaggle official leaderboard本次未见前代记录—
WebDev Arena · Gemini 3 release leaderboard score本次未见前代记录—
Vending-Bench · 2本次未见前代记录—
AIME · 2025 edition本次未见前代记录—
CharXiv Reasoning · Validation split本次未见前代记录—
OmniDocBench 1.5 · Version 1.5; average edit distance across text, formula, table and reading order本次未见前代记录—
tau2-bench · Average across Retail, Airline and Telecom categories本次未见前代记录—
FACTS Benchmark Suite · Held-out internal grounding, parametric, multimodal and search-retrieval benchmarks本次未见前代记录—
Global PIQA · Commonsense reasoning across 100 languages and cultures本次未见前代记录—
tau2-bench · Airline category本次未见前代记录—
ScreenSpot-Pro · 1,581 expert-annotated tasks across 23 professional applications and 3 operating systems本次未见前代记录—

测试记录 · 18