BenchLeader

Gemini 3.1 Pro

推理强度
质量第 35 / 339 名
60.4Index
前四分之一
较中位数 +10.2
价格第 216 / 255 名
$4.50每百万 token
最贵的四分之一
中位数的 5.3 倍
速度第 65 / 216 名
111token/秒
高于中位数
中位数的 1.4 倍
性价比第 211 / 255 名
13.4分/$
后四分之一
中位数的 0.2 倍

性价比更高: DeepSeek V4.1 Flash $0.525/M 即可获得 Index 58.5,便宜 88%。

有 16 个更便宜的已排名模型得分更高:Gemini 4 Carbon (68.9, $4.00)、GPT-6.1 Sol (66.6, $4.00)、Gemini 4 Argon (65.3, $4.00),另有 13 个。

截至 2026年11月16日,Gemini 3.1 Pro(Google)在 BenchLeader Index 上得分 60.4(在 608 个已排名配置中前 100 名)。表现最好的是数学(66),最弱的是智能体与工具(57)。API 价格为输入每百万 token $2.00、输出每百万 token $12.00(按 3:1 混合为 $4.50),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2026年2月19日。

要点(截至 2026年11月16日)

  • Gemini 3.1 Pro 的 API 价格为输入每百万 token $2.00、输出每百万 token $12.00(按 3:1 混合为 $4.50)(标价,2026年11月16日)。
  • Gemini 3.1 Pro 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
  • Gemini 3.1 Pro 于 2026年2月19日发布(Google)。

详细说明:Gemini 3.1 Pro 是 Google 的闭源推理模型,发布于 2026年2月19日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 60.4 ±3.4,在 608 个配置中排第 77 名,处于上半区。关键在于这个“±”:另有 197 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(66),智能体与工具最低(57)。按混合价格计,每百万 token $4.50,属于已排名模型中最贵的一档。输出速度为 111 token/秒,首次回答需 15.2 秒,比大多数模型快。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年10月29日。

混合价格
$4.50/M
输入 $2.00 · 输出 $12.00
来源:Artificial Analysis
输出速度
111 tok/s
由 Artificial Analysis 测量
首次回答
15 s
首 token 2.76 s
上下文
1.0M
来源:models.dev
完整回答
37 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年2月19日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index60
  2. 推理65
  3. 编程59
  4. 智能体与工具57
  5. 数学66
  6. 知识66

嵌入这个排名

更多徽章样式
[![Gemini 3.1 Pro on BenchLeader: 综合第 36 名](https://www.benchleader.com/badge/gemini-3-1-pro.svg?style=compact)](https://www.benchleader.com/models/gemini-3-1-pro)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Google 以这个名称发布过 10 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Gemini 3.1 Prohigh本页2026年2月19日60.4#77
Gemini 3 Pro2025年11月18日60.0#87
Gemini 2.5 Pro2025年3月25日55.2#215
Gemini 2.0 Pro2025年2月5日47.5#404
Gemini 1.5 Pro 0022024年9月24日41.4#512
Gemini 1.5 Pro2024年5月15日47.0#416
Gemini 1.5 Pro 0012024年5月14日––
Gemini 1.0 Pro 0012023年12月13日––
Gemini 1.0 Pro2023年12月6日––
Gemini 1.0 Pro 002–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
low––111 tok/s15 s$0.0044
medium––111 tok/s15 s$0.0044
high最佳60.4#77111 tok/s15 s$0.0044智能体与工具 57 · 编程 59 · 知识 66 · 数学 66 · 推理 65
thinking––111 tok/s15 s$0.0044编程 61
未说明59.9#94111 tok/s15 s$0.0044智能体与工具 57 · 编程 56 · 人类偏好 58 · 指令遵循 68 · 知识 56 · 长上下文 66 · 数学 57 · 多模态 65 · 推理 65

Index 走势

2026年9月8日 至 2026年11月16日
566167
  • high
  • 默认

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试lowmediumhigh默认来源趋势
GPQA Diamond––94.4%#994.1%#14Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–––46.4%#3Scale AI / CAIS
SimpleBench推理强度未说明–––79.6%#13SimpleBench
Arena Hard Prompts推理强度未说明–––1508#22Arena (LMArena)
LiveBench 1.0 Reasoning不计入 Index––84.0%#41–LiveBench
GPQA Diamond (AA)不计入 Index推理强度未说明–––94.1%#7Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–––47.0%#48Artificial Analysis
HLE-Diamond (AA)推理强度未说明–––31.4%#50Artificial Analysis
GPQA Diamond (Vals)不计入 Index––95.5%#1–Vals AI
EnigmaEval––36.8%#3–Scale AI SEAL
ARC-AGI-1推理强度未说明–––98.0%#13ARC Prize
ARC-AGI-2推理强度未说明–––77.1%#53ARC Prize
ARC-AGI-3推理强度未说明–––0.4%#59ARC Prize
CritPt不计入 Index推理强度未说明–––17.7%#85Artificial Analysis
MysteryMechanism不计入 Index––20.7%#26–Vals AI
Arena Expert不计入 Index推理强度未说明–––1509#34Arena (LMArena)
Chess Puzzles不计入 Index––51.0%#20–Epoch AI Benchmarking Hub
Mystery Game Puzzles不计入 Index29.0%#4032.0%#3434.0%#29–Epoch AI Benchmarking Hub
CL-bench不计入 Index推理强度未说明–––20.8%#6Epoch AI Benchmarking Hub
CL-bench Life不计入 Index推理强度未说明–––16.9%#6Epoch AI Benchmarking Hub
LMCA不计入 Index51.2%#6652.8%#5853.8%#56–Epoch AI Benchmarking Hub
DTBench不计入 Index94.9%#5197.1%#2295.5%#43–Epoch AI Benchmarking Hub
ForecastBench不计入 Index––65.2%#1664.1%#30ForecastBench

编程

基准测试lowhighthinking默认来源趋势
SciCode推理强度未说明–––58.7%#26SciCode
WeirdML推理强度未说明–––72.1%#31WeirdML
GSO-Bench推理强度未说明–––22.6%#16GSO-Bench
Arena Coding推理强度未说明–––1520#36Arena (LMArena)
Arena WebDev推理强度未说明–––1446#83Arena (LMArena)
LiveBench 1.0 Coding不计入 Index–76.5%#45––LiveBench
SciCode (AA)不计入 Index推理强度未说明–––58.7%#26Artificial Analysis
LiveCodeBench–88.5%#6––Vals AI
IOI–51.8%#25––Vals AI
SWE-bench (Vals)不计入 Index–78.8%#28––Vals AI
SWE-Bench Pro––46.1%#5–Scale AI SEAL
Code Migration不计入 Index–17.3%#54––Vals AI
ProgramBench不计入 Index–0.0%#34––Vals AI
Vibe Code Bench 1-100不计入 Index–6.7%#26––Vals AI
Vibe Code Bench v1.1不计入 Index–32.0%#80––Vals AI
SWE-Bench Pro (private)不计入 Index––32.2%#5–Scale AI SEAL
SWE Atlas v1.0: Codebase QnA不计入 Index推理强度未说明–––13.5%#19Scale AI SEAL
SWE Atlas v1.0: Refactoring不计入 Index推理强度未说明–––33.8%#12Scale AI SEAL
SWE Atlas v1.0: Test Writing不计入 Index推理强度未说明–––29.8%#18Scale AI SEAL
MirrorCode不计入 Index–8.9%#44––Epoch AI Benchmarking Hub
DeepSWE v1.1不计入 Index推理强度未说明–––11.7%#67Epoch AI Benchmarking Hub
ALE-Bench不计入 Index1054.8#63––1160.6#55Epoch AI Benchmarking Hub
AlgoTune不计入 Index推理强度未说明–––2.0#2AlgoTune
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–––4.0%#138Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–––73.8%#69Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–––1226#75Design Arena

智能体与工具

基准测试lowhigh默认来源趋势
Terminal-Bench推理强度未说明––80.2%#3Terminal-Bench
APEX-Agents推理强度未说明––35.1%#56Mercor
Arena Agent推理强度未说明––-4.5#40Arena (LMArena)
LiveBench Agentic Coding不计入 Index–44.1%#56–LiveBench
Terminal-Bench Hard推理强度未说明––53.8%#16Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index推理强度未说明––95.6%#19Artificial Analysis
Terminal-Bench 2.1 (Vals)–70.8%#27–Vals AI
MCP Atlas–78.2%#17–Scale AI SEAL
HiL-Bench推理强度未说明––35.3%#27Scale AI SEAL
τ³-bench Banking不计入 Index–26.0%#16–τ²-bench
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明––14.6%#106Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明––799#210Artificial Analysis
τ³-Banking (AA)推理强度未说明––21.4%#95Artificial Analysis
ITBench SRE (AA)不计入 Index推理强度未说明––30.3%#33Artificial Analysis
Analyst Agent (AA)不计入 Index推理强度未说明––41.3%#23Artificial Analysis
APEX-Agents (AA)不计入 Index推理强度未说明––32.0%#11Artificial Analysis
Finance Agent v2不计入 Index–43.0%#59–Vals AI
Harvey's Legal Agent Benchmark v1不计入 Index–0.0%#64–Vals AI
Legal Research Bench不计入 Index–20.7%#68–Vals AI
SREBench不计入 Index–0.0%#33–Vals AI
Tax Agent Bench不计入 Index–9.3%#69–Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index–67.4%#4–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index–2.5%#55–Vals AI
Terminal-Bench Science不计入 Index–1.4%#38–Vals AI
Arena Search不计入 Index推理强度未说明––1209#14Arena (LMArena)
Arena Agent Task Completion不计入 Index推理强度未说明––-11.3#49Arena (LMArena)
BALROG不计入 Index推理强度未说明––57.0%#5BALROG
DeepResearch Bench不计入 Index44.5%#3147.8%#22–DeepResearch Bench
PostTrainBench不计入 Index推理强度未说明––18.1%#19Epoch AI Benchmarking Hub
ExploitBench不计入 Index推理强度未说明––26.1%#4Epoch AI Benchmarking Hub
METR Time Horizons不计入 Index推理强度未说明––77.0%#3METR
GBAEval不计入 Index推理强度未说明––0.8%#18Epoch AI Benchmarking Hub
Vending-Bench 2不计入 Index推理强度未说明––911.2#59Andon Labs
AutomationBench不计入 Index推理强度未说明––35.4%#140Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明––17.8%#102Artificial Analysis
Harvey LAB-AA v1.1不计入 Index推理强度未说明––0.0%#28Harvey
EnterpriseOps-Gym不计入 Index推理强度未说明––42.2%#25Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明––457#221Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明––1088#61Design Arena
BrowseComp不计入 Index推理强度未说明––31.2%#1OpenAI
DeepSearchQA不计入 Index推理强度未说明––60.2%#4Google
FACTS Search不计入 Index推理强度未说明––90.2%#8Google

数学

基准测试high默认来源趋势
FrontierMath Tiers 1–3推理强度未说明–59.6%#44Epoch AI Benchmarking Hub
FrontierMath Tier 4推理强度未说明–26.8%#47Epoch AI Benchmarking Hub
OTIS Mock AIME95.6%#5195.6%#50Epoch AI Benchmarking Hub
ProofBench推理强度未说明–26.0%#47Vals AI
LiveBench Mathematics不计入 Index91.0%#32–LiveBench
AIME (Vals)98.1%#1–Vals AI
AIME 2026可能存在污染98.3%#4–MathArena
HMMT February 2026可能存在污染94.7%#8–MathArena
USAMO 2026不计入 Index74.4%#3–MathArena
MathArena Apex可能存在污染60.9%#5–MathArena
Arena Maths推理强度未说明–1488#30Arena (LMArena)

知识

基准测试high默认来源趋势
SimpleQA Verified73.5%#6–Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index78.5%#23–LiveBench
MMLU-Pro91.0%#4–Vals AI
LegalBench87.4%#5–Vals AI
CorpFin64.5%#37–Vals AI
TaxEval72.9%#56–Vals AI
MedQA96.4%#3–Vals AI
PRBench Finance推理强度未说明–41.9%#29Scale AI SEAL
PRBench Legal推理强度未说明–44.0%#29Scale AI SEAL
MultiNRC推理强度未说明可能存在污染–64.7%#3Scale AI SEAL
BioMysteryBench不计入 Index60.0%#29–Vals AI
CaseLaw v2不计入 Index64.8%#12–Vals AI
Excel Modeling Benchmark不计入 Index52.6%#55–Vals AI
MedCode不计入 Index59.1%#2–Vals AI
MedScribe不计入 Index76.1%#75–Vals AI
Public Benefits Bench v1.1不计入 Index53.8%#43–Vals AI
Financial Coaching Bench不计入 Index66.7%#22–Vals AI
DrugDiscoveryBench不计入 Index41.9%#14–Scale AI SEAL
EBR-bench不计入 Index推理强度未说明–14.3%#22Epoch AI Benchmarking Hub
GDP.pdf不计入 Index17.0%#3517.0%#35Epoch AI Benchmarking Hub
Global-MMLU-Lite (AA)不计入 Index推理强度未说明–93.2%#1Artificial Analysis
FACTS Parametric不计入 Index推理强度未说明–79.4%#5Google

指令遵循

基准测试high默认来源趋势
LiveBench Language不计入 Index85.4%#14–LiveBench
LiveBench Instruction Following不计入 Index79.1%#3–LiveBench
IFBench推理强度未说明–77.1%#18Artificial Analysis
MultiChallenge推理强度未说明–71.4%#8Scale AI SEAL
TutorBench推理强度未说明–53.0%#12Scale AI SEAL
Arena Instruction Following不计入 Index推理强度未说明–1480#25Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1487#21Arena (LMArena)
EQ-Bench 41132#25EQ-Bench
EQ-Bench Creative Writing v3不计入 Index1491#61EQ-Bench
Arena Creative Writing不计入 Index1482#13Arena (LMArena)
Arena Multi-turn不计入 Index1495#15Arena (LMArena)
Arena Longer Queries不计入 Index1499#19Arena (LMArena)

多模态

基准测试high默认来源趋势
Arena Vision推理强度未说明–1296#21Arena (LMArena)
MMMU-Pro推理强度未说明–82.4%#41Artificial Analysis
MMMU-Pro (Vals)不计入 Index88.2%#10–Vals AI
MortgageTax不计入 Index69.4%#6–Vals AI
SAGE不计入 Index83.2%#23–Vals AI
VTB不计入 Index推理强度未说明–29.0%#3Scale AI SEAL
GeoBench不计入 Index推理强度未说明–84.0%#7GeoBench
Blueprint-Bench 2不计入 Index推理强度未说明–26.5%#26Epoch AI Benchmarking Hub
Furniture Assembly不计入 Index26.7%#32–Epoch AI Benchmarking Hub
FACTS Multimodal不计入 Index推理强度未说明–50.4%#9Google

长上下文

基准测试默认来源趋势
AA-LCR v1.182.0%#54Artificial Analysis
Arena Document不计入 Index1459#27Arena (LMArena)
MLCR不计入 Index11.1%#115Artificial Analysis
FACTS Grounding不计入 Index56.6%#21Google

综合

基准测试high默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–156.2#38Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index77.0%#26–LiveBench
AA Intelligence Index v4.3.2不计入 Index推理强度未说明–29.7#133Artificial Analysis
AA Progress Index v1不计入 Index推理强度未说明–296.1#131Artificial Analysis
Vals Science Index不计入 Index27.4%#23–Vals AI
Vals Multimodal Index不计入 Index56.1%#20–Vals AI

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index29.8%#56Scale AI SEAL
MASK不计入 Index可能存在污染42.4%#65Scale AI SEAL
DistressBench不计入 Index68.8%#29Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Google Vertex82 tok/s2.76 s$2.00$12.001.0M–
Google AI Studio79 tok/s3.52 s$2.00$12.001.0M–
Google AI Studio18 tok/s3.45 s$1.00$6.001.0M–

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.200。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0044$0.003917.9 s
总结一份 30 页的报告12,000 / 600$0.031$0.01520.5 s
代码编辑6,000 / 1,500$0.030$0.02228.6 s
智能体编程会话60,000 / 4,000$0.168$0.08751.1 s
结构化信息提取2,000 / 200$0.0064$0.003717.0 s

Google 的更多模型

本月新上线

将 Gemini 3.1 Pro 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemini 3.1 Pro 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Gemini 3.1 Pro on BenchLeader: 综合第 36 名](https://www.benchleader.com/badge/gemini-3-1-pro.svg)](https://www.benchleader.com/models/gemini-3-1-pro)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Gemini 3.1 Pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-3-1-pro

BibTeX:

@misc{benchleader_gemini_3_1_pro_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 3.1 Pro on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-3-1-pro}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemini 3.1 Pro 的基准测试得分是多少?
截至 2026年11月16日,Gemini 3.1 Pro(推理强度 high)的 BenchLeader Index 为 60.4 ±3.4(前 100 名)。最强的是数学(66),最弱的是智能体与工具(57)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Gemini 3.1 Pro 排名第几?
截至 2026年11月16日,Gemini 3.1 Pro(推理强度 high)在 608 个已排名配置中排第 77 名(前 100 名)。另有 197 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Gemini 3.1 Pro 每百万 token 的价格是多少?
截至 2026年11月16日,Gemini 3.1 Pro 的价格为输入每百万 token $2.00、输出每百万 token $12.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.50。
Gemini 3.1 Pro 比 o3 更好吗?
截至 2026年11月16日,Gemini 3.1 Pro(推理强度 high)与 o3 的质量不相上下(BenchLeader Index 60.4 比 60.4,在 ±4.7 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Gemini 3.1 Pro 是什么时候发布的?
Google 于 2026年2月19日发布了 Gemini 3.1 Pro。BenchLeader 收录了它在 5 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Gemini 3.1 Pro:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemini-3-1-pro。