知能指数
74.0 #68
上位 9% ティア
出力速度
50 t/s
ITL 20.0 ms/tok
ブレンド価格 (3:1)
$2.188 /1M
入力 $1.25/M · 出力 $5/M
コンテキスト
128K
約 320 枚のA4ページ · 最大出力 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Gemini 3.1 Pro Preview
Claude Mythos Preview (#1)
Average (68)
直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。
強みとトレードオフ
強み
- Cheap prompt-cache reads at $0.125/1M
開発者向けクイックスタートとAPI
まず
GEMINI_API_KEY を設定 — APIキーを取得curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "content-type: application/json" \
-d '{
"contents": [{"parts": [{"text": "Refactor this function for O(n) time and explain the change."}]}]
}'from google import genai
client = genai.Client() # reads GEMINI_API_KEY
resp = client.models.generate_content(
model="gemini-3.1-pro-preview",
contents="Refactor this function for O(n) time and explain the change.",
)
print(resp.text)const res = await fetch(
`https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent`,
{
method: "POST",
headers: {
"x-goog-api-key": process.env.GEMINI_API_KEY,
"content-type": "application/json",
},
body: JSON.stringify({ contents: [{ parts: [{ text: "Refactor this function for O(n) time and explain the change." }] }] }),
}
);
console.log((await res.json()).candidates[0].content.parts[0].text);公式リソースとリンク
API デプロイ
ホストとレイテンシを比較
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ソース別スコア
カテゴリー別スコア
ベンチマーク結果
ライブスペックとアーキテクチャ
内部構造
- Prompt caching supported — cached input reads at $0.125/1M tokens.
リリース日
2024年1月1日
パラメータ数
Unknown
ライセンス
Unknown
コンテキストウィンドウ
128,000 tokens
最大出力
8,192 tokens
モダリティ
text
キャッシュ料金
読み取り $0.125 · 書き込み $1.5625 /1M
推論
—
入力価格
$1.25/M
出力価格
$5/M
出力速度
50 t/s
最初のトークンまでの時間
—
データ更新日
2026年10月26日
月額請求の見積もり
月額見積もり
$0.00
GPT-4o との節約額を計算中…
引用と埋め込み
GitHub Markdown バッジ
Loading badge markdown...BibTeX
@misc{llmpodium2026gemini31propreview,
title = {Benchmark Analysis and Intelligence Evaluation of Gemini 3.1 Pro Preview},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/gemini-3.1-pro-preview}
}スコアバッジを埋め込む
GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。
プレビュー
Markdown
Loading badge snippet...HTML
Loading badge snippet...Google のその他のモデル
代替モデル
機能、価格、ベンチマークスコアに基づく Gemini 3.1 Pro Preview の最適な代替モデル。