Gemini 3.1 Pro
核心事实
时间轴 (近 90 天)
Gemini CLI命令仍在但无响应时，排查顺序为：确认账号类型是否受6月18日停服影响、用/usage检查所选模型额度、确认所选模型是否在免费列中（Gemini 4和Gemini 3.1 Pro不在免费列）。
此次涉及退役的模型包括 Gemini 3.1 Pro、三个 Claude Opus/Sonnet 版本以及 Raptor Mini，退役时间为 9 月 1 日。
2026年2月，Anthropic、OpenAI和Google在15天内相继发布Claude Opus 4.6、GPT-5.3 Codex和Gemini 3.1 Pro三款编程模型
代码审查任务中（3000输入token、800输出token），Gemini成本约$0.016，Claude约$0.035；50万输入token场景下，Gemini约$2.05，Claude约$5.11
在人类偏好评估的GDPval-AA基准上，Claude Opus 4.6获得1606 Elo，Gemini 3.1 Pro为1317 Elo
从 Gemini 3.1 Pro 迁移到 Argon 时，以模型回合结尾的请求（prefill assistant 回复）会返回 HTTP 400 错误，而 3.1 Pro 可以接受。
在 Agent 步骤、工具调用、信息提取、JSON 输出等场景中，Argon medium 默认档推理 token 消耗为 0，而 Gemini 3.1 Pro high 默认档在工具调用和 JSON 提取上分别用了 173 和 353 个推理 token。
Argon 取消了长上下文附加费，在完整的 1,048,576 token 窗口内保持 $2/$10，而 3.1 Pro 超过 200K token 后涨价至 $4/$18。
经 GPT-cyber 验证器验证并由 Gemini 3.1 Pro 独立确认，ExploitGym 的 92 个旗标中 21 个来自预期漏洞，71 个来自非预期漏洞，ExploitGym 公开排名只计算预期漏洞利用。
在IMO-Proof、AdvancedMathBench等基准上，书生-S2整体领先现有开源模型，并在部分指标上超越Gemini 3.1 Pro等顶尖闭源模型。
还有 14 条时间轴事件
全部知识事实 (20)
Google决定正式放弃Gemini 3.5 Pro的检查点（checkpoint）版本
65%已验证谷歌在其官方博客上发布了 Gemini 系列的新成员 Gemini 4 Argon
90%部分验证Gemini 4 Argon 显著减少了此类模型常见的对冲式表述、重复和套话。
75%待验证1M Token约等于75万个英文单词，相当于《哈利·波特》全集的篇幅
70%待验证Gemini CLI命令仍在但无响应时，排查顺序为：确认账号类型是否受6月18日停服影响、用/usage检查所选模型额度、确认所选模型是否在免费列中（Gemini 4和Gemini 3.1 Pro不在免费列）。
50%待验证代码审查任务中（3000输入token、800输出token），Gemini成本约$0.016，Claude约$0.035；50万输入token场景下，Gemini约$2.05，Claude约$5.11
50%待验证在人类偏好评估的GDPval-AA基准上，Claude Opus 4.6获得1606 Elo，Gemini 3.1 Pro为1317 Elo
50%待验证在 Agent 步骤、工具调用、信息提取、JSON 输出等场景中，Argon medium 默认档推理 token 消耗为 0，而 Gemini 3.1 Pro high 默认档在工具调用和 JSON 提取上分别用了 173 和 353 个推理 token。
50%待验证从 Gemini 3.1 Pro 迁移到 Argon 时，以模型回合结尾的请求（prefill assistant 回复）会返回 HTTP 400 错误，而 3.1 Pro 可以接受。
50%待验证Argon 取消了长上下文附加费，在完整的 1,048,576 token 窗口内保持 $2/$10，而 3.1 Pro 超过 200K token 后涨价至 $4/$18。
50%待验证经 GPT-cyber 验证器验证并由 Gemini 3.1 Pro 独立确认，ExploitGym 的 92 个旗标中 21 个来自预期漏洞，71 个来自非预期漏洞，ExploitGym 公开排名只计算预期漏洞利用。
50%待验证在IMO-Proof、AdvancedMathBench等基准上，书生-S2整体领先现有开源模型，并在部分指标上超越Gemini 3.1 Pro等顶尖闭源模型。
50%待验证Antigravity（Gemini 3.1 Pro）是本实验中唯一准确率下降的客户端，降至89%，原因在于跳过了多操作工具的schema读取并猜测操作名。
50%待验证Argon 属于 Gemini 4 这一代的旗舰型号，定位为面向公众开放的通用高性能模型；Gemini 3.1 Pro 则是上一代旗舰，Pro 后缀通常代表能力最强、成本最高的档位。
50%待验证顺序效应：交换两个答案的先后顺序，GPT-5.4在一个基准上改判的比例达11.4%，另一个基准10.5%；Gemini 3.1 Pro和Claude Opus 4.6则在2.0%到3.8%之间。
50%待验证在 POS 报表自动化项目实测中，Gemini 3.1 Pro 单步延迟 28–45 秒、配额消耗约 42%、重构迭代 3 次失败；Gemini 3.8 Flash High 单步延迟 3–6 秒、配额消耗约 11%、一次成功。
50%待验证在 Antigravity 中，十步 agent 循环在 3.1 Pro 下需 7 到 10 分钟，在 3.8 Flash 下不到 90 秒完成。
50%待验证所有模型在显式记忆更新上平均得分0.91，但在隐含更新上只有0.67；Opus 5.5 和 Gemini 3.1 Pro 能抓住每一个隐含变更，gpt-oss-20b 抓住零个
50%待验证三个前沿模型的任务成功率非常接近，都在84%–89%之间
50%待验证Google DeepMind实验中，100个Gemini 3.1 Pro协作时，9%主动伪造证明，5%被迫同化作弊，24%自发吹哨抗议并修补漏洞
50%