Skip to content

Gemini 3.1 Pro Preview

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
Google

Released: 2026-02-19 · Context: 1.049M tokens

55.4

Overall rank 61

Official API prices ¥ / million tokens

Input
¥13.33 ($2)
Output
¥79.99 ($12)
Cache hits
¥1.33 ($0.2)

提示词不超过 200K Token 的价格;超过 200K 时输入 $4、输出 $18、缓存命中 $0.40/百万 Token。

提示词不超过 200K Token 的价格;超过 200K 时输入 $4、输出 $18、缓存命中 $0.40/百万 Token。

Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合6155.539
编程6452.49
科研4859.710
专业办公6751.89
知识问答3062.46

编程 · 52.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
ProgramBench ↗

只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。

Vals AI0.0%77.2342026-11-18
Notes

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

SciCode ↗

把物理、化学、生物等科研问题写成能运行、算得对的计算代码。

Artificial Analysis58.7%60.9262026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

LiveBench Coding ↗

写函数、补全代码,题目定期换新,答案自动跑测试核对。

LiveBench76.5%56.2562026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

APEX-SWE ↗

在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。

Mercor33.9%53.1542026-11-18
Notes

代表配置:High 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

LiveBench Agentic Coding ↗

在真实代码仓库里查找并修复问题,再用测试检查改动。

LiveBench44.1%51.9562026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TapTap Maker ↗

在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。

TapTap Maker59.5%50.9352026-11-18
Notes

代表配置:完整系统 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Artificial Analysis4.0%48.91522026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Vibe Code Bench v1.1 ↗

按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。

Vals AI32.0%47.1882026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench 4.0 ↗

在终端完成软件、科研等复杂任务,再由各题的测试检查结果。

Vals AI2.5%44.9612026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MirrorCode ↗

看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。

Epoch AI8.9%38.2462026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

科研 · 59.7

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Chess Puzzles ↗

看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。

Epoch AI51.0%67.1212026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

ARC-AGI-2 ↗

从几个网格图案的例子中找出变换规则,再解一道新题。

ARC Prize77.1%66.2622026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Humanity's Last Exam ↗

数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

Artificial Analysis47.0%63.4482026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

CritPt ↗

物理研究前沿的原创难题,要一步步推导出准确答案。

Artificial Analysis17.7%63862026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Mystery Game Puzzles ↗

看文字描述的游戏局面,找出最好的下一步。

Epoch AI34.0%61.4302026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

MysteryMechanism ↗

自己设计实验,去推断一套隐藏的规律。

Vals AI20.7%60.1282026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

BioMysteryBench ↗

分析真实的生物数据,推断出背后的生物学答案。

Vals AI60.0%59312026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Reasoning ↗

斑马谜题、空间推理、情境推理这类题,答案自动核对。

LiveBench84.0%57.7352026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

Terminal-Bench Science ↗

在命令行里走完一段科研流程:处理数据、跑分析、得出结果。

Vals AI1.4%56.4402026-11-18
Notes

通过率低于 5%,只说明“至多这么强”。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

FrontierMath T1–3 ↗

解数学家原创的高难数学题,给出可以核对的答案。

Epoch AI59.6%56.1462026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

专业办公 · 51.8

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Harvey LAB-AA v1.1 ↗

读法律资料并完成文书,逐项评分,有重大捏造则该题记零。

Artificial Analysis0.0%68402026-11-18
Notes

通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

LiveBench Data Analysis ↗

处理表格重排、表格连接和连续事件分析等数据题。

LiveBench78.5%65.5242026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-Analyst Agent ↗

分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。

Artificial Analysis41.3%64.3332026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AutomationBench-AA ↗

在模拟办公软件中处理业务流程,按完成目标和守规情况评分。

Artificial Analysis35.4%55.91542026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

APEX-Agents ↗

投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。

Mercor35.1%50.9652026-11-18
Notes

代表配置:High 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。

Legal Research Bench ↗

像律师一样查法规和判例,写出有出处的结论。

Vals AI20.7%49.3752026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

TaxAgentBench ↗

回答税务专业问题,要查到税法依据并注明出处。

Vals AI9.3%41.9752026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

GDPval-AA ↗

按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。

Artificial Analysis798.536.22152026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

AA-Briefcase ↗

完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。

Artificial Analysis457.228.42372026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

MedCode ↗

读住院记录,给出标准的医疗诊断编码。

Vals AI59.1%—22026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

知识问答 · 62.4

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
SimpleQA Verified ↗

一句话就能答的事实问题,看答得对不对。

Epoch AI73.5%80.772026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

NYT Connections 扩展版 ↗

把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。

Lech Mazur97.4%78.982026-11-18
Notes

通过率高于 95%,只说明“至少这么强”。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

LiveBench IF ↗

按一串具体的格式和内容要求作答,看能不能条条做到。

LiveBench79.1%73.752026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

LiveBench Language ↗

纠正错字、把打乱的情节排回原序、给词语分组等语言题。

LiveBench85.4%68.552026-11-18
Notes

代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

AA-LCR ↗

读很长的文档,回答要把多处信息串起来才能答的问题。

Artificial Analysis82.0%56.5552026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

MLCR-AA ↗

读很长的医疗记录回答问题,答案要完整且不能违背原始记录。

Artificial Analysis11.1%48.41282026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

BullshitBench v2 ↗

问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。

BullshitBench31.0%39.41532026-11-18
Notes

这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。

真人盲选 · 56.2

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena Text ↗

真人匿名比较两个模型的回答,投票选出更好的回答。

LMArena1,486.864.7212026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,446.447.2862026-11-18
Notes

代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。

Benchmarks without results

  • Terminal-Bench 4.0 · 官方
  • Code Migration v1.1
  • CyberBench Patch v1.1
  • FrontierCode 2.0 · AA
  • FrontierCode 2.0 · Cognition
  • WeirdML v3
  • FrontierSWE v2
  • 致知 · 逻辑月榜
  • 司南 · 推理
  • 司南 · 抽象
  • CritPt v2 Hard · AA
  • Terminal-Bench Science · AA
  • Vals Finance Agent v2.1
  • Harvey LAB 1.1 · Vals
  • τ³-Banking · Mercor
  • Excel Modeling v1.1
  • AA-Omniscience v1.1
  • 司南 · 知识

Recent news

10-22Gemini 模型在 AA-PersonalityBench 中最自信Artificial Analysis

06-26Mistral AI 推出 OCR 4 模型:支持 170 种语言,输出更受人类青睐IT之家·人工智能

06-16谷歌更新Android Bench榜单:Gemini 3.5 Flash成本最贵,约为DeepSeek V4 Flash的17.5倍IT之家·人工智能

06-16Artificial Analysis Intelligence Index v4.1 发布:转向智能体任务评测Artificial Analysis

06-04安全研究员测试AI漏洞挑战:GPT-5.5成功率最高,DeepSeek V4 Pro成本最低IT之家·人工智能

05-23DeepSeek永久性下调V4 Pro API价格Artificial Analysis