Gemini 3.1 Pro 是什么？入口、API、价格、长上下文与选型指南

旧版文章把 Gemini 3.1 Pro 写成“理论无限上下文”“全知记忆”“推理王者”，还声称本站连续进行了 50 轮代码重构、没有一次幻觉。这些测试没有输入、输出、账户、模型 ID 或运行日志，不能作为证据，本文全部撤回。新版只使用 Google DeepMind 模型卡、Gemini API 文档、Google Cloud 发布说明和可复算成本模型；资料复核日期为 2026 年 7 月 16 日。

Gemini 3.1 Pro 到底是什么？

Google DeepMind 将 Gemini 3.1 Pro 定义为 Gemini 3 Pro 的后续迭代，重点面向 agentic performance、advanced coding、long context/multimodal understanding 和 algorithmic development。该定位来自 Gemini 3.1 Pro 官方模型卡，不是本站独立测得的结论。

这些字段均可在 Gemini 3.1 Pro Preview 模型页逐项核对。官方 Gemini API 退役表显示该预览 ID 于 2026 年 2 月 19 日发布，目前没有公布停用日期；“没有公布”不等于永不变更。

如果需要先了解 Gemini 品牌、模型家族与消费者产品的关系，可从本站 Gemini 是什么开始；本文只处理 3.1 Pro 的当前开发者身份和选型问题。

Gemini、Gemini 3.1 Pro、AI Studio 和 API 不是一回事

这四种入口可以使用同一家族能力，却不是完全相同的产品合同。比如 Google AI Studio 可以免费试用 Gemini 3.1 Pro，但官方开发者指南明确说明 Gemini API 对 gemini-3.1-pro-preview 没有免费层；消费者 Gemini 应用的数据设置，也不能直接套用为付费 API 或 Vertex AI 条款。Google Cloud 在 Vertex AI 发布说明中把 3.1 Pro 列为 Model Garden 的预览模型。

官方 benchmark 应该怎样读，而不是怎样宣传？

Google 模型卡在 2026 年 2 月列出了推理、编程、智能体、多模态和长上下文测试。它们是选择候选模型的证据，但仍属于厂商报告；不同模型的工具、thinking 档位、harness 和单次/多次尝试条件并不总相同。完整条件应连同 官方评测方法页一起读。

这张官方表本身就否定了“所有维度都更强”的标题写法。模型卡还明确把已知限制与安全说明链接回 Gemini 3 Pro 模型卡，并说明结果可能随评测集合和方法更新而不可直接跨版本比较。正确做法是把厂商数据用于候选筛选，再用本单位的真实任务集决定是否上线。

1M 长上下文能做什么，不能证明什么？

1,048,576 token 是一次请求允许输入的容量上限，不是可靠记忆、检索召回率或事实准确率。长文档任务至少包含解析、位置、相关性、冲突、引用和生成六个环节；任一环节失败，最后答案都可能流畅但错误。

如果业务依赖更新频繁的私有知识，应该建立检索、权限、版本与引用层，而不是把整个资料库塞进一个窗口。相关方法可继续阅读本站的 AI 知识管理与 RAG 验收指南。

多模态支持的真实边界

官方模型页支持文本、图片、视频、音频和 PDF 作为输入，输出仍是文本。支持某种 MIME 类型，只说明接口可以接收并处理，不说明 OCR、图表、时间定位、语音识别或跨模态推理在你的数据上达到固定准确率。

Google Files API 支持单项目最多 20GB、单文件最多 2GB，并说明文件保存 48 小时后自动删除，见 Files API 文档。这是文件服务规则，不等于单个模型请求可以消化整个项目上限。

Gemini 3.1 Pro API 最小调用示例

Google 当前 Gemini 3 指南推荐 Interactions API。环境变量中设置 GEMINI_API_KEY，安装当前 Google Gen AI SDK 后，可用以下最小骨架验证模型身份。示例不含真实密钥，也不声称已替用户账户执行。

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-3.1-pro-preview",
    input="用三句话说明这段政策的适用对象、截止日期和例外。",
    generation_config={"thinking_level": "low"},
)
print(interaction.output_text)

该写法来自 Gemini 3 开发者指南。上线代码还要处理 400、401、403、429、5xx、超时、重试、token 统计、日志脱敏和预算；“能打印文本”不等于生产验收完成。

需要在终端和代码仓库中使用 Google 的开发工具时，可继续查看 Gemini CLI 安装、认证与实战指南；CLI 的账户与工具权限仍需独立验收，不能由本页 API 示例替代。

thinking_level 怎样选？

官方 thinking 文档说明档位是相对推理额度，不是严格 token 保证；开发者指南还建议 Gemini 3 保持默认 temperature=1.0，随意调低可能在复杂任务中导致循环或性能下降。不要同时传 thinking_level 和旧 thinking_budget，否则会返回 400。

结构化输出和工具调用怎样安全落地？

结构化输出可以约束返回 JSON 的形状；函数调用让模型产生工具名称和参数。二者都不能替代事实核验和授权。官方函数调用文档明确写明：真正执行函数代码是应用程序的责任，而不是模型自动获得权限。

实现细节见 Structured Outputs和 Function Calling。如果需要更完整的提示契约与注入边界，可阅读本站 Prompt Engineering 任务契约指南与 AI 智能体权限治理。

Gemini 3.1 Pro API 价格怎么估算？

以下是 Gemini Developer API 定价页在 2026 年 7 月 16 日显示的美元价格，每 100 万 token 计费；输出价格包含 thinking token。价格、币种、税费和地区可能变化，购买前必须重新打开 Gemini API 官方定价页。

本文附带纯 Python 标准库脚本 gemini-31-cost-estimator.py，按上述费率复算三个编辑场景：

这些是按固定 token 数的算术结果，不是账单或模型实测。它们未计缓存存储、Google Search 查询、文件、网络、税、失败重试与人工审核。真正应该比较的是单位成功任务成本：总模型、工具、重试和人工成本除以通过所有质量门的任务数。

速率限制、429 和批处理要注意什么？

Gemini API 的限额按项目而不是单个 API key 应用，实际能力取决于付费层级和账户状态；官方强调列出的速率不是容量保证。当前 速率限制页显示，Batch API 有独立限额，Tier 1 对 3.1 Pro 的队列 token 上限为 5,000,000。

Gemini API Billing说明付费状态和层级与付款历史、预付余额等条件有关。不要把别人的每分钟请求数写成自己账户的固定额度。

搜索 grounding 能消除幻觉吗？

不能。Google Search grounding 可以为更新问题提供网页搜索和来源元数据，但搜索结果可能不完整、过时或相互冲突；模型也可能把证据解释错。使用 Google Search 工具时，至少保存查询、返回来源、支持片段、回答和复核时间，并检查每个关键结论是否真正被来源支持。

Google 自己也在 Gemini Apps 回答说明中提醒，模型可能把不准确内容当作事实，也可能错误描述自身工作方式。

隐私：Gemini 应用、免费 API 和付费 API 要分开

Gemini Apps Privacy Hub在 2026 年 6 月 29 日更新，说明部分聊天可能由人工审核，Keep Activity 和临时聊天会影响后续使用与保留方式。开发者侧，Gemini Developer API 零数据保留说明写明付费服务不会用提示和响应改进产品，但并不意味着所有功能天然符合零保留；使用前要核对功能是否兼容、日志和例外。

Gemini 3.1 Pro、3 Flash 和 Flash-Lite 怎么选？

Google 的 Gemini 3 系列指南把 3.1 Pro 定位于复杂任务，把 Flash 定位于速度和价格，把 Flash-Lite 定位于高容量、低成本。若要跨厂商比较，使用本站 AI 平台同任务评测方法，不要直接复制供应商 benchmark 排名。

一套可复现的选型评测

1. 定义任务：列出输入、输出、错误成本、成功标准和必须拒绝的情况。
2. 准备数据：覆盖常见、边界、无答案、冲突、长上下文位置切片和提示注入。
3. 固定身份：保存模型 ID、日期、thinking_level、temperature、工具、Schema、SDK 与数据集版本。
4. 建立基线：先跑当前生产模型或 Flash，再跑 3.1 Pro；输入必须相同。
5. 保存证据：保留原始输入、输出、usage、延迟、错误、人工评分和程序检查。
6. 分开评分：代码检查格式与引用 ID，人工检查正确、完整、风险和可执行性。
7. 计算单位成功成本：失败、重试、搜索、工具和人工复核都计入。
8. 用保留集验收：不要在同一批样本上反复修改提示后宣布成功。
9. 小流量灰度：按任务路由，设置停止阈值并保留旧模型回滚。

上线前检查清单

• 精确模型 ID 是 gemini-3.1-pro-preview，而不是模糊的“Gemini Pro”。
• 退役页尚未公布停用日期，但已配置替代模型、回归测试和回滚开关。
• 输入超过 200K 后使用正确价格档，thinking token 被计入输出成本。
• 长上下文经过开头/中间/结尾、冲突、无答案和引用测试。
• 结构化输出在应用端再次校验，函数参数经过白名单与权限检查。
• 工具结果和外部页面按不可信数据处理，不能覆盖系统权限。
• 密钥只在服务器环境变量或密钥系统中，不出现在浏览器和日志。
• Gemini 应用、AI Studio、付费 API 与 Vertex AI 数据条款分别确认。
• 灰度期间记录模型、提示、工具、输入输出、usage、延迟、错误与人工判定。
• 模型、价格、SDK、工具或数据变化都触发回归，而不是只改页面日期。

常见问题

Gemini 3.1 Pro 是正式版吗？

截至 2026 年 7 月 16 日，Gemini Developer API 的 gemini-3.1-pro-preview 仍列为 Preview。官方退役表暂未公布停用日期，但预览身份意味着接口或行为可能变化。

Gemini 3.1 Pro API 免费吗？

Google AI Studio 可以免费试用，但官方 Gemini 3 指南明确写明 Gemini Developer API 中该模型没有免费层。是否可见、可试和实际付费还受账户、地区与项目状态影响。

1M 上下文等于可以稳定读完 1M token 吗？

不等于。它表示输入容量；可靠性还取决于位置、干扰、任务、检索、引用和模型行为。官方模型卡的 MRCR 1M pointwise 结果也不能支持“完美记忆”宣传。

Gemini 3.1 Pro 能生成图片吗？

这里讨论的 gemini-3.1-pro-preview 只输出文本。Gemini 3 Pro Image、Gemini 3.1 Flash Image 和 Imagen 是不同模型，不能因为都叫 Gemini 就混用能力。

它一定比 ChatGPT、Claude 或豆包强吗？

没有跨所有任务成立的“最强”。供应商 benchmark 的设置和工具不同；应在同一数据、同一成功标准、相近成本与相同尝试次数下测试。没有原始输出和评分表，就不应称为深度横评。

换成 Pro 后，智能体就能自主安全执行吗？

不能。模型可以建议工具和参数，真正执行、权限、金额、幂等、审批、停止与回滚必须由应用系统控制。复杂智能体还需专门的可观测与沙箱设计。

结论

Gemini 3.1 Pro 的价值不在“推理王者”标签，而在它是否能让某一组复杂任务以可接受的质量、成本和风险完成。先锁定 gemini-3.1-pro-preview、Preview 状态、输入输出类型和价格，再用 Flash 或现有模型做基线；用真实长上下文、引用、无答案、工具权限和成本样本验收。只有通过保留集和灰度门的任务，才值得路由到 Pro。