刚刚，谷歌发布了Gemini3.1Pro，在ARC-AGI-2抽象推理基准上, 它从Gemini3Pro的31.1%直接上升到了77.1%，整整翻了一倍多，人类第一次在这个测试里看到这样惊人的提升。
1.ARC-AGI-2，抽象推理的质变
测的是模型在没碰到过的视觉推理任务上推广能力的ARC-AGI-2，Gemini3.1Pro拿到了77.1%，而3Pro仅仅有31.1%，GPT-4o也才62.3%，这就意味着模型真正开始拥有「跟人一样看问题、找规律」的能力了, 不再单单是模式匹配，这翻了一倍多。
2.GPQADiamond，科学推理的最高水平
GPQADiamond，检测的是博士级科学问题的推理能力，Gemini3.1Pro以94.3%的成绩，远远地把3Pro的91.9%以及GPT-4o的87.2%抛在后面。这就意味着，在科研辅助、复杂学术问题分析这类场景中, 模型已经能够去承担更专业的角色，直接就把最高分给抢过来了。
3.SWE-BenchVerified，代码修复的真本事
SWE-BenchVerified，检测的是模型修复真实GitHub代码库bug的能力，Gemini3.1Pro得到了80.6%，和3Pro的76.2%以及GPT-4o的78.1%对比。这就意味着在实际开发工作之中，模型可以更精准地找到问题、给出能落地的修复方案, 程序员的免费神器又得到了升级。
–
生态落地，API与定价
这次发布同时对GeminiAPI进行了更新, 新增加了两个硬核功能，其一为Agent团队协作模式，能够支持多智能体一起处理复杂任务，其二是长上下文支持扩展到200万Token，把整本书放进去分析一点压力都没有。
定价方面，Gemini3.1Pro和上一版保持一样，输入是3.5/百万Token, 输出是10.5/百万Token#谷歌新模型# #谷歌研究#
1.ARC-AGI-2，抽象推理的质变
测的是模型在没碰到过的视觉推理任务上推广能力的ARC-AGI-2，Gemini3.1Pro拿到了77.1%，而3Pro仅仅有31.1%，GPT-4o也才62.3%，这就意味着模型真正开始拥有「跟人一样看问题、找规律」的能力了, 不再单单是模式匹配，这翻了一倍多。
2.GPQADiamond，科学推理的最高水平
GPQADiamond，检测的是博士级科学问题的推理能力，Gemini3.1Pro以94.3%的成绩，远远地把3Pro的91.9%以及GPT-4o的87.2%抛在后面。这就意味着，在科研辅助、复杂学术问题分析这类场景中, 模型已经能够去承担更专业的角色，直接就把最高分给抢过来了。
3.SWE-BenchVerified，代码修复的真本事
SWE-BenchVerified，检测的是模型修复真实GitHub代码库bug的能力，Gemini3.1Pro得到了80.6%，和3Pro的76.2%以及GPT-4o的78.1%对比。这就意味着在实际开发工作之中，模型可以更精准地找到问题、给出能落地的修复方案, 程序员的免费神器又得到了升级。
–
生态落地，API与定价
这次发布同时对GeminiAPI进行了更新, 新增加了两个硬核功能，其一为Agent团队协作模式，能够支持多智能体一起处理复杂任务，其二是长上下文支持扩展到200万Token，把整本书放进去分析一点压力都没有。
定价方面，Gemini3.1Pro和上一版保持一样，输入是3.5/百万Token, 输出是10.5/百万Token#谷歌新模型# #谷歌研究#
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/211107.html