Gemini 3.1 Pro:完整規格、定價、API 存取與使用範例(2026)
Gemini 3.1 Pro 是 Google 為了用於解決複雜問題、軟體開發、文件分析以及 AI 代理式(agent)工作流程開發的多模態推理模型。該模型於 2026 年 2 月發布,結合了大幅度的上下文視窗,並支援多種輸入格式與結構化文字生成。本指南將透過 Gate.AI,並參考在 2026 年 10 月核驗的資訊,探討其規格、代幣(token)定價、生產能力、限制,以及 API 整合。
Gemini 3.1 Pro 是什麼?
Gemini 3.1 Pro 屬於 Google Gemini 3 系列的 3.1 Pro 模型家族,面向在文字、圖像、音訊、影片與文件等方面提供高階推理能力的需求。
Google 於 2026 年 2 月 19 日發布該模型,作為對 Gemini 3 Pro 的改進,重點強調複雜推理、軟體工程以及代理式(agentic)工作流程。
相較於更小的 Gemini Flash 變體(其更偏向效率與高吞吐的推理),Gemini 3.1 Pro 則面向那些需要更深層推理與更複雜輸入理解的工作負載,而非以盡量降低成本作為首要目標。
Google 官方的模型識別碼是 gemini-3.1-pro-preview。此外,提供方也在文件中說明了 gemini-3.1-pro-preview-customtools:一種針對包含自訂工具與命令執行的工作流程進行最佳化的變體。
該模型支援多模態理解,但不具備原生的圖像或影片生成能力。這一點在與專門的視覺生成模型對比時尤其關鍵。
開發者可以透過 Google 的 Gemini API 存取 Gemini 3.1 Pro,或透過 Gate.AI 上的 Gemini 3.1 Pro 模型清單。
Gemini 3.1 Pro 的關鍵規格與定價是什麼?
Google 文件中提供的輸入限制為 1,048,576 tokens,最大輸出為 65,536 tokens。
Gate.AI 的模型卡會將該模型標記為 google/gemini-3.1-pro-preview,並依照提示(prompt)規模分層列出價格。
| 規格 | Gemini 3.1 Pro |
|---|---|
| 開發者 | |
| 發布時間 | 2026 年 2 月 19 日 |
| 模型家族 | Gemini 3 |
| Google 模型 ID | gemini-3.1-pro-preview |
| Gate.AI 模型 ID | google/gemini-3.1-pro-preview |
| 輸入 token 限制 | 1,048,576 tokens |
| 最大輸出 | 65,536 tokens |
| 輸入模態 | 文字、圖像、音訊、影片、PDF |
| 輸出模態 | 文字 |
| 推理 | 支援 |
| 函式呼叫 | 支援 |
| 結構化輸出 | 支援 |
| 上下文快取 | 支援 |
| 模型狀態 | 預覽 |
Gemini 3.1 Pro API 定價
Gate.AI 列出了以下以「每百萬 tokens(USD)」計費的費率:
| 定價類別 | 最多 200K 提示 token | 超過 200K 提示 token |
|---|---|---|
| 輸入 | $2.00 | $4.00 |
| 輸出 | $12.00 | $18.00 |
| 快取讀取 | $0.20 | $0.40 |
| 快取寫入 | $0.00 | $0.375 |
以上為 Gate.AI 在 2026 年 10 月核驗時的清單價格。Google 另行發布其自家 Gemini API 的定價,包含額外的快取儲存與「grounding(接地/依據)」費用。
實際成本範例
對於包含 100,000 個輸入 tokens,並產生 5,000 個輸出 tokens 的請求:
- 輸入:100,000 ÷ 1,000,000 × $2 = $0.20
- 輸出:5,000 ÷ 1,000,000 × $12 = $0.06
- 預估總計:$0.26
此計算未包含快取、額外服務以及其他可能適用的費用。實際帳單取決於可計費的 token 總量,其中包含任何推理 tokens。
Gemini 3.1 Pro 能在生產環境中做什麼,讓它更有用?
Gemini 3.1 Pro 將長上下文分析、多模態理解與工具輔助推理結合在一起。
分析大型技術文件
其百萬 token 等級的輸入能力,支援包含大量文件、程式碼倉庫以及長篇研究資料的工作流程。
例如,開發者可以提供架構文件與選定的原始檔,接著請模型以結構化方式說明依賴關係。
較大的輸入配額降低了對人工拆分的需求;不過,仍需驗證檢索品質與輸出正確性。
理解影片、圖像與音訊
模型能在理解書面指令的同時,解讀視覺與音訊輸入。
一個媒體分析應用可以結合錄製示範、截圖與技術筆記,生成一份評審清單。
因此它更適合用於多模態理解,而不是生成完成的音訊或影片素材。
支援軟體工程代理式工作流程
Google 文件說明了函式呼叫、程式碼執行、結構化輸出以及推理支援。
這些能力可協助應用檢查程式碼、提出修改建議、呼叫工具並彙整結果。
用於生產部署時,開發者應保留權限控管、執行隔離、錯誤處理,以及對關鍵操作的人類審批。
生成結構化的分析輸出
Gemini 3.1 Pro 透過 Google 文件中提到的 API 能力,支援結構化 JSON 回應。
當需要將文件資訊抽取成應用定義的紀錄時,這會很有用。
不過,模式(schema)符合性不等同於事實正確性。抽取出的數值、日期與識別碼都應與其原始來源進行核對。
Gemini 3.1 Pro 支援哪些模態?
Gemini 3.1 Pro 接受多種輸入格式,但主要輸出為文字。
| 模態 | 輸入 | 輸出 | 典型應用 |
|---|---|---|---|
| 文字 | 是 | 是 | 推理、編碼、分析 |
| 圖像 | 是 | 否(無原生圖像輸出) | 圖像解讀 |
| 影片 | 是 | 否(無原生影片輸出) | 影片理解 |
| 音訊 | 是 | 否(無原生音訊輸出) | 語音與音訊分析 |
| 是 | 文字分析 | 文件理解 | |
| 結構化 JSON | 透過文字生成 | 是 | 資料抽取與應用整合 |
Google 的模型文件已確認這些模態類別。單一檔案大小限制、支援的傳輸方式以及 API 特性可能會依存取平台而有所不同。
如果使用者需要圖像生成,可以改為查看 Google 的 Nano Banana Pro,它面向的是不同的生產用途。
Gemini 3.1 Pro 的不足在哪裡?
該模型的能力伴隨著作業層面的取捨。
大提示(prompt)成本更高: Gate.AI 的定價在超過 200,000 個提示 tokens 後會提高。對於會反覆提交大量上下文的應用,建議在部署前先評估其工作負載成本。
預覽週期: Google 的模型被標記為預覽版本。團隊應考慮潛在的模型更新、存取變動以及版本遷移。
僅文字生成: 雖然 Gemini 3.1 Pro 能理解圖像、影片與音訊,但它不會原生生成這些媒體格式。
正確性限制: 雖然支援長上下文推理與結構化輸出,但仍無法消除幻覺、遺漏細節或錯誤解讀。
平台相關特性: Google 的 grounding 與程式碼執行等能力雖然有文件說明,但不應假設它們在每一種 Gate.AI 整合中都會同樣可用。
對於敏感文件或自動化工作流程,團隊應評估隱私需求、輸出驗證以及存取權限。
Gemini 3.1 Pro 最適合用於什麼?
當應用需要「較大輸入規模 + 複雜推理」時,Gemini 3.1 Pro 特別適合。
技術程式碼倉庫分析: 開發團隊可利用其長上下文能力,評估文件與程式碼之間的關聯性。
多模態研究: 分析人員可以將文件、圖表、圖像以及影片觀察內容組合起來,形成結構化的研究摘要。
代理式軟體工作流程: 開發者可以建置應用,使其同時使用推理與外部工具,完成可控的、多步驟任務。
複雜文件處理: 組織可以從冗長報告中抽取並整理資訊,只要對關鍵結果進行驗證即可。
當多模態解讀、上下文容量與推理深度足以證明 token 成本合理時,選擇 Gemini 3.1 Pro。對於重複的短任務,規模較小的模型可能提供更好的經濟性。
Gemini 3.1 Pro 如何與 Gemini 2.5 Pro 及 Claude 3.5 Sonnet 對比?
Gemini 2.5 Pro 與 Claude 3.5 Sonnet,提供了評估長上下文推理與開發工作流程的有用參考點。
| 特性 | Gemini 3.1 Pro | Gemini 2.5 Pro | Claude 3.5 Sonnet |
|---|---|---|---|
| 提供方 | Anthropic | ||
| 主要定位 | 多模態推理 | 長上下文推理 | 編碼與文字推理 |
| 大上下文支援 | 1M 輸入 tokens | 1M 輸入 tokens | 200K 上下文 |
| 圖像理解 | 是 | 是 | 是 |
| 影片理解 | 是 | 是 | 非原生 |
| 模型生成 | 文字 | 文字 | 文字 |
| 生產考量 | 預覽生命週期 | 版本可用性 | 較舊模型生命週期 |
此對比基於已記錄的模型能力,而非等同於即時效能基準。API 可用性與定價可能會隨模型版本與提供方而變動。
若要評估較早世代的 Gemini 模型,開發者可以查看 Gemini 1.5 Pro API 指南 以了解歷史背景。
對於其他推理方案,OpenAI o3 模型指南 提供了有用的對照。
最合適的選擇取決於輸入格式、成本、推理品質,以及支援的部署能力。
我如何透過 Gate.AI 存取 Gemini 3.1 Pro?
Gate.AI 列出了 Gemini 3.1 Pro,並提供一個 Gemini 相容的 API 路由。
開發者需要 Gate.AI 帳號、API 金鑰,以及文件中所說明的模型端點。
API 設定
| 欄位 | 值 |
|---|---|
| 模型 ID | google/gemini-3.1-pro-preview |
| Gemini 相容端點 | https://api.gate.ai/gemini/v1beta/models/gemini-3.1-pro-preview:generateContent |
| HTTP 方法 | POST |
| 驗證 | Bearer API key |
| 請求格式 | JSON |
| 基本回應類型 | JSON |
Python 範例
以下範例使用 Python 的 requests 套件送出一個文字請求。
import osimport requestsapi_key = os.environ["GATE_AI_API_KEY"]url = ("https://api.gate.ai/gemini/v1beta/models/""gemini-3.1-pro-preview:generateContent")headers = {"Authorization": f"Bearer {api_key}","Content-Type": "application/json"}payload = {"contents": [{"role": "user","parts": [{"text": "Explain multimodal reasoning."}]}]}try:response = requests.post(url,headers=headers,json=payload,timeout=120)response.raise_for_status()print(response.json())except requests.RequestException as error:print(f"API request failed: {error}")
使用 pip install requests 安裝相依套件,並在執行指令前設定 GATE_AI_API_KEY 環境變數。
cURL 範例
curl --request POST \"https://api.gate.ai/gemini/v1beta/models/gemini-3.1-pro-preview:generateContent" \--header "Authorization: Bearer $GATE_AI_API_KEY" \--header "Content-Type: application/json" \--data '{"contents": [{"role": "user","parts": [{"text": "Explain Gemini 3.1 Pro reasoning."}]}]}'
兩個範例都使用 Gate.AI 模型卡中記錄的「僅文字」請求格式。多模態媒體請求需要各自支援的輸入格式,並應分別進行驗證。
關於 Gemini 3.1 Pro 的常見問題
Gemini 3.1 Pro 是否可以透過 Gate.AI 使用?
可以。Gate.AI 在 google/gemini-3.1-pro-preview 下列出了 Gemini 3.1 Pro,並提供了 API 快速入門範例。
Gemini 3.1 Pro 多少錢?
Gate.AI 的輸入價格從每百萬 tokens $2 起,輸出價格從每百萬 tokens $12 起。對於超過 200,000 tokens 的提示,適用更高費率。
Gemini 3.1 Pro 是否支援影片分析?
是。Google 的文件確認支援影片輸入,讓模型能分析影片內容並生成基於文字的解讀。
Gemini 3.1 Pro 能生成圖片嗎?
不行。Gemini 3.1 Pro 支援圖像理解,但不具備原生生成圖片檔案的能力。需要專門的圖像生成模型。
Gemini 3.1 Pro 是否適用於生產級應用?
它可以支援生產工作流程,但在部署前應評估其預覽狀態、token 成本、輸出正確性以及版本穩定性。
Gemini 3.1 Pro 的上下文視窗多大?
Google 文件給出的輸入限制為 1,048,576 tokens,最大輸出限制為 65,536 tokens。較大的上下文容量適用於長文件與複雜的輸入組合。


