Bolehkah saya jalankan Gemini 3.1 Pro Preview secara tempatan?

Tidak — Google belum mengeluarkan berat terbuka untuk model ini, jadi ia hanya akses API.

Berapa kos Gemini 3.1 Pro Preview dan berapa besar konteksnya?

Kosnya $2.00 setiap sejuta token input dan $12.00 setiap sejuta token output, dengan tetingkap konteks 1,048,576 token.

Bagaimana Gemini 3.1 Pro Preview berbeza daripada Gemini 3 Pro asas?

Kemas kini 3.1 menambah peningkatan yang boleh diukur pada penanda aras SWE, kebolehpercayaan agen yang lebih kuat dalam domain berstruktur seperti kewangan dan hamparan, kecekapan token yang dipertingkatkan, dan tahap pemikiran sederhana baru yang membolehkan anda mengimbangi kos dengan kedalaman penaakulan.

▲

2.3%

minggu ini

Gemini 3.1 Pro Preview

8206°

#llm #google #penglihatan #audio #video #penalaran

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Google | konteks 1,048,576 token | $2.00/M input, $12.00/M output. Gemini 3.1 Pro Preview adalah model penalaran terkemuka Google, menyampaikan prestasi kejuruteraan perisian yang dipertingkatkan, kebolehpercayaan agen yang lebih baik, dan penggunaan token yang lebih cekap dalam aliran kerja kompleks. Berdasarkan asas multimodal siri Gemini 3, ia menggabungkan penalaran ketepatan tinggi merentas teks, imej, video, audio, dan kod dengan tetingkap konteks 1M-token. Butiran Penalaran mesti dipelihara apabila menggunakan panggilan alat berbilang pusingan, lihat dokumen kami di sini:…Google | konteks 1,048,576 token | $2.00/M input, $12.00/M output. Gemini 3.1 Pro Preview adalah model penalaran terkemuka Google, menyampaikan prestasi kejuruteraan perisian yang dipertingkatkan, kebolehpercayaan agen yang lebih baik, dan penggunaan token yang lebih cekap dalam aliran kerja kompleks. Berdasarkan asas multimodal siri Gemini 3, ia menggabungkan penalaran ketepatan tinggi merentas teks, imej, video, audio, dan kod dengan tetingkap konteks 1M-token. Butiran Penalaran mesti dipelihara apabila menggunakan panggilan alat berbilang pusingan, lihat dokumen kami di sini: https://openrouter.ai/docs/use-cases/reasoning-tokens#preserving-reasoningOpens in new tab. Kemas kini 3.1 memperkenalkan peningkatan yang boleh diukur dalam penanda aras SWE dan persekitaran pengkodan dunia sebenar, bersama pelaksanaan tugasan autonomi yang lebih kuat dalam domain berstruktur seperti kewangan dan aliran kerja berasaskan hamparan. Direka untuk pembangunan maju dan sistem agen, Gemini 3.1 Pro Preview meningkatkan kestabilan jangka panjang dan orkestrasi alat sambil meningkatkan kecekapan token. Ia memperkenalkan tahap pemikiran sederhana baru untuk mengimbangi kos, kelajuan, dan prestasi dengan lebih baik. Model ini cemerlang dalam pengkodan agen, perancangan berstruktur, analisis multimodal, dan automasi aliran kerja, menjadikannya sesuai untuk agen autonomi, pemodelan kewangan, automasi hamparan, dan tugasan perusahaan berkonteks tinggi.

Panduan untuk model ini

Cara memilih model AI pada Oktober 2026: berita sumber tertutup, kemudian berat terbuka yang patut dimuat turun

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Gemini 3.1 Pro Preview adalah model penaakulan termaju Google dengan tetingkap konteks satu juta token dan keupayaan multimodal penuh merangkumi teks, imej, video, audio, dan kod. Kemas kini 3.1 memperkemas prestasi kejuruteraan perisian, menambah tahap pemikiran sederhana untuk mengimbangi kos dengan kedalaman, dan mengetatkan orkestrasi alat untuk tugas agen jangka panjang. Ia sesuai untuk pembangun dan pasukan yang membina agen autonomi, aliran kerja kewangan, atau apa sahaja yang memerlukan penaakulan berterusan ke atas input media campuran yang besar.

Dikenali untuk

Peningkatan penanda aras SWE yang boleh diukur dan prestasi pengkodan dunia sebenar yang kukuh
Tetingkap konteks satu juta token untuk kod besar, dokumen, atau aliran kerja pelbagai giliran
Orkestrasi alat yang boleh dipercayai merentasi tugas agen jangka panjang
Input multimodal: teks, imej, video, audio, dan kod dalam satu model
Tahap pemikiran sederhana baru untuk menyeimbangkan kos, kelajuan, dan kedalaman penaakulan

Berhati-hati dengan

Berat tertutup sahaja — tiada pelaksanaan tempatan, tiada hos sendiri.
Kos output $12 setiap sejuta token; larian agen berat penaakulan boleh cepat bertambah.
Panggilan alat pelbagai giliran memerlukan penyimpanan Butiran Penaakulan atau rantai akan terputus.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Penglihatan

Arahan untuk cuba

Pelan semakan kod agen

Anda sedang menyemak perkhidmatan mikro Python yang mengendalikan webhook pembayaran. Gariskan pelan langkah demi langkah untuk mengaudit isu keselamatan, kemudian tulis dua fungsi audit pertama: satu yang memeriksa ketiadaan pengesahan tandatangan HMAC dan satu yang menandakan sebarang penggabungan rentetan SQL mentah. Terangkan logik setiap fungsi semasa anda menulis.

Skrip automasi hamparan

Tulis skrip Python menggunakan openpyxl yang membaca buku kerja bernama sales_data.xlsx, mencari setiap helaian yang namanya bermula dengan 'Q', menjumlahkan nilai dalam lajur C untuk baris di mana lajur A tidak kosong, dan menulis helaian ringkasan yang menyenaraikan setiap nama suku tahun dan jumlahnya. Sertakan pengendalian ralat untuk lajur yang hilang.

Penaakulan dokumen panjang

Saya akan tampal laporan kewangan yang panjang di bawah. Kenal pasti tiga faktor risiko terbesar yang didedahkan syarikat, terangkan bagaimana setiap satu boleh menjejaskan aliran tunai bebas dalam dua tahun akan datang, dan tandakan sebarang percanggahan dalaman antara bahagian risiko dan panduan hadapan. Nyatakan rujukan halaman jika ada dalam teks.

Bandingkan dengan

Gemma 4 31B
Model berat terbuka
konteks 262,144 token · Input $0.20/M, output $0.40/M
Gemma 4 26B A4B
Model berat terbuka
konteks 262,144 token · Input $0.09/M, output $0.30/M
gemma 4 31B it turbo
Model berat terbuka
konteks 262,144 token · Input $0.09/M, output $0.34/M
Gemini 3.8 Flash
Model hanya API
konteks 1,048,576 token · Input $0.83/M, output $4.12/M

Lebih banyak model teks dari google

Soalan yang sering ditanya

Bolehkah saya jalankan Gemini 3.1 Pro Preview secara tempatan?: Tidak — Google belum mengeluarkan berat terbuka untuk model ini, jadi ia hanya akses API.
Berapa kos Gemini 3.1 Pro Preview dan berapa besar konteksnya?: Kosnya $2.00 setiap sejuta token input dan $12.00 setiap sejuta token output, dengan tetingkap konteks 1,048,576 token.
Bagaimana Gemini 3.1 Pro Preview berbeza daripada Gemini 3 Pro asas?: Kemas kini 3.1 menambah peningkatan yang boleh diukur pada penanda aras SWE, kebolehpercayaan agen yang lebih kuat dalam domain berstruktur seperti kewangan dan hamparan, kecekapan token yang dipertingkatkan, dan tahap pemikiran sederhana baru yang membolehkan anda mengimbangi kos dengan kedalaman penaakulan.

Keputusan Kapten
Model agen dan pengkodan yang serius — tetingkap sejuta token dan orkestrasi alat yang dipertingkatkan adalah nyata, tetapi awasi bil output anda.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #67 Hottest Text / LLM model · #67 Hottest Text / LLM text model

Not this creator?

Get your own badge

Trend populariti Gemini 3.1 Pro Preview

Skor panas sejak 19 Feb 2026

Skor haba

8,206°

Minggu ini

▲

2.3%

8,202° dulu, 8,206° sekarang

Bulan ini

▲

11.1%

8,189° dulu, 8,206° sekarang

Tahun lalu

n/a

Belum dikeluarkan/dipantau

7,000°

Lantai

Skala berjalan dari 0° hingga 9,999°. Apa sahaja di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian di situ supaya senarai tetap lengkap. 7,000° adalah tempat data yang diukur bermula: model dengan data sebenar tapi hampir tiada muat turun berada di lantai, dan ukuran mengisi darjah di atasnya. Lantai tidak memberitahu apa-apa tentang model; hanya darjah di atasnya yang buat beza antara satu model dengan model lain.

+1,206°

Token OpenRouter

104,717,102,519 token diproses oleh model ini melalui OpenRouter dalam 30 hari terakhir, termasuk arahan dan jawapan. Setiap 10,000,000 token dikira sebagai satu muat turun dalam tempoh muat turun, 10,471 semuanya; token hari terakhir disertakan dalam kadar penggunaan. Sumber: OpenRouter (openrouter.ai/rankings).

Tunjukkan pecahan terperinci

Setiap nombor di laman ini boleh diperiksa. Skor panas model ini adalah 8,206°, dan ia dibina satu bahan pada satu masa, dengan jumlah terkini selepas setiap langkah: lantai, darjah yang ditambah oleh setiap sumber, bonus untuk jenis model dan apa yang umur beratnya tolak. Warna-warna itu adalah jalur carta di atas. Glosari di akhir menerangkan setiap istilah.

1
Mula di lantai.
Kenapa 7,000° dan bukan sifar: skala dari 0° hingga 9,999°, dan bahagian di bawah 7,000° dikhaskan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian supaya senarai tetap lengkap dan tidak pernah mengatasi model dengan data. 7,000° adalah tempat data yang diukur bermula. Model dengan data sebenar tapi hampir tiada muat turun berada di sini; semua yang berikut adalah ukuran, dan ruang di atas lantai ada sepuluh langkah muat turun sepuluh kali ganda pada 300° setiap satu. Lantai sama untuk setiap model, jadi ia tidak tentukan apa-apa; darjah di atasnya yang buat beza.
7,000°
jumlah berjalan
2
Tambah muat turun.
10,471 muat turun setara semuanya, dari Token OpenRouter. Sepuluh kali muat turun menambah 300° yang sama, jadi saiz penting tapi tidak pernah mengatasi skor.
+1,206°
8,206°
jumlah berjalan
=
Skor heat.
Di mana model ini berdiri dalam setiap senarai laman ini. Tiada yang lain mengubahnya.
8,206°

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Bagaimana populariti model ini bergerak berbanding katalog lain: pertumbuhannya dalam muat turun, suka dan penggunaan setiap tempoh, diukur berbanding pertumbuhan model biasa dalam tempoh yang sama, dengan skor panasnya pada masa itu. Di atas pertumbuhan biasa dibaca sebagai kenaikan, di bawahnya sebagai penurunan. Masa lalu dibina semula dari jumlah hari ini, hari pertama model dan kelajuan muat turun yang diukur jika ada dua bacaan; model yang tidak wujud pada permulaan tempoh menunjukkan n/a.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Gemini 3.1 Pro Preview ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm google penglihatan audio video penalaran pengaturcaraan ejen

Layari mengikut keluarga model