Gemini 3.1 Pro
Coding Index to zbiorczy indeks Artificial Analysis, złożony z kilku benchmarków agentowego kodowania. Najlepiej czytać go razem z rozbiciem na poszczególne testy. Metodologia Artificial Analysis.
Zastanawiasz się, jak Gemini 3.1 Pro wypada na tle innych modeli?
Porównaj za darmo →Do czego najlepszy
Gemini 3.1 Pro od Google notuje Coding Index 68.8 oraz Intelligence Index 46.5 (Artificial Analysis). Kontekst 1M tokenów pozwala wrzucić do modelu całe, duże repozytorium naraz. Rodowód modelu i jego mocne strony opisujemy niżej, w sekcji „Historia modelu”.
Ceny w USD
Wejście: $2 / 1M tokenów. Wyjście: $12 / 1M tokenów. Tyle płacisz przez oficjalne API — bez przeliczania na złotówki po kursie, który i tak zmienia się co dzień. Chcesz oszacować miesięczny rachunek pod swój projekt? Skorzystaj z kalkulatora kosztów API albo wróć do pełnej porównywarki.
Historia modelu
Gemini 3.1 Pro to model Google DeepMind wydany 19 lutego 2026. To pierwszy raz, gdy Google użyło oznaczenia z kropką jeden zamiast wersji z połówką, i przynosi ponad dwukrotny wzrost możliwości rozumowania względem Gemini 3 Pro. W indeksie kodowania Artificial Analysis notuje 68,8, a w indeksie inteligencji 46,5. W testach kodowania osiąga 80,6 procent na SWE-bench Verified i prowadzi na LiveCodeBench Pro z wynikiem 2887 Elo, a na ARC-AGI-2 sięga 77,1 procent. Zachowuje okno kontekstu miliona tokenów, więc obsłuży całe repozytorium, sześć godzin audio albo książkę na 750 stron w jednym przebiegu. Prędkość ponad 130 tokenów na sekundę czyni go szybkim w codziennej pracy. Dobrze pasuje do dużych, złożonych zadań oraz pracy multimodalnej z tekstem, obrazem i wideo.
Indeksy kodowania i inteligencji: Artificial Analysis. Dane pobrane .