VerdictPal
Beitreten

Modelle / Google

Gemini 3.1 Pro

Gemini · Release 2026-02-19

Googles Frontier-Modell Februar 2026. AA Intelligence Index 57,2 (#4). SWE-bench Verified 80,6 %, Terminal-Bench 2.0 78,4 %, ARC-AGI-2 77,1 % (Googles Top-Modell ohne Flash). 1M-Kontext, $7 / $21 pro 1M Tokens.

Googles stärkstes Frontier-Modell ohne Flash. Das Modell der Wahl, wenn 1M-Kontext, multimodaler Input und Tool-Use im selben Workflow zählen.

#14 von 24 im Vals Index · aktueller Snapshot
53 Vals Index · 17 Benchmark-Zeilen · 9 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite73
Kontext1M
Input / 1M$7.0
Output / 1M$21
Wissensstichtag2026-01-31
Statusflagship
GeminiNotebookLMScira AI

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

78/100 Ø
Wissen
90
Reasoning
78
Mathe
88
Coding
81
Agentisch
65
Multimodal
72
Langer Kontext
55
Tool-Nutzung
82
Sicherheit
89
Menschliche Präferenz
80

10 getestete Benchmark-Familien

Redaktionsnotiz
Gemini 3.1 Pro ist die Google-Wahl, wenn 3.5 Flash zu günstig ist, um ernst genommen zu werden. Der 1M-Kontext und der native multimodale Input sind die echten Differentiatoren — ARC-AGI-2 77,1 % bringt es in die globale Top 5 beim härtesten Reasoning-Test.
Benchmark-Platzierungen

Wo Gemini 3.1 Pro auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
MMMUMultimodal#1/ 872MMMU leaderboard2026-02-19
ARC-AGIReasoning#4/ 1477ARC Prize leaderboard2026-05-15
LongBench v2Long context#4/ 1955LongBench v2 leaderboard2026-04-01
MCP AtlasTool use#5/ 1074MCP Atlas leaderboard2026-06-09
MMLUKnowledge#5/ 2290Google Gemini 3.1 Pro2026-02-19
HELM SafetySafety#6/ 989Stanford HELM leaderboard2026-02-19
BFCLTool use#7/ 2082Berkeley Function Calling Leaderboard V42026-04-15
LiveBenchReasoning#7/ 2166LiveBench leaderboard2026-04-15
SWE-bench VerifiedCoding#8/ 2381SWE-bench official leaderboard2026-05-30
LMArena (Chatbot Arena)Human preference#9/ 1380LMArena leaderboard2026-05-25
FrontierMathMath#13/ 1537Epoch AI FrontierMath Tiers 1-3 (v2) CSV2026-08-15
MATHMath#13/ 2587Google Gemini 3.1 Pro2026-02-19
Vals IndexAgentic#14/ 2353Vals AI — Vals Index2026-06-04
AIMEMath#22/ 3788Google Gemini 3.1 Pro2026-02-19
MMLU-ProKnowledge#30/ 3980MMLU-Pro HuggingFace leaderboard2026-02-19
Terminal-BenchAgentic#56/ 18465Terminal-Bench 2.0 leaderboard2026-05-20
GPQA DiamondReasoning#144/ 18578Artificial Analysis GPQA Diamond evaluation2026-06-09
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Gemini 3.1 Pro auftaucht, ist es hervorgehoben.

KnowledgeGemini 3.1 Pro · 90
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningGemini 3.1 Pro · 78
  1. 1
    Claude Mythos Preview
    95
  2. 2
    Gemini 3.7 Flash
    95
  3. 3
    Grok 4.6
    95
MathGemini 3.1 Pro · 88
  1. 1
    OpenAI o3
    99
  2. 2
    GPT-5 (medium)
    99
  3. 3
    GPT-5 (high)
    99
CodingGemini 3.1 Pro · 81
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticGemini 3.1 Pro · 65
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextGemini 3.1 Pro · 55
  1. 1
    Muse Spark 1.2
    83
  2. 2
    Kimi K3
    83
  3. 3
    Gemini 3.5 Flash
    81
Tool useGemini 3.1 Pro · 82
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
SafetyGemini 3.1 Pro · 89
  1. 1
    Claude Opus 4 (2024-07)
    92
  2. 2
    Claude Opus 4.8
    92
  3. 3
    GPT 5.5
    91
Human preferenceGemini 3.1 Pro · 80
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für Gemini 3.1 Pro in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

8 neu
BenchmarkFamilyScoreQuelleTage her
FrontierMathMath36.9%Epoch AI FrontierMath Tiers 1-3 (v2) CSV22
GPQA DiamondReasoning78.4%Artificial Analysis GPQA Diamond evaluation89
MCP AtlasTool use74.1%MCP Atlas leaderboard89
Vals IndexAgentic53.42%Vals AI — Vals Index94
SWE-bench VerifiedCoding80.6%SWE-bench official leaderboard99
LMArena (Chatbot Arena)Human preference1402LMArena leaderboard104
Terminal-BenchAgentic65.4%Terminal-Bench 2.0 leaderboard109
ARC-AGIReasoning77.1%ARC Prize leaderboard114
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Wissen90
Reasoning78
Mathe88
Coding81
Agentisch65
Multimodal72
Langer Kontext55
Tool-Nutzung82
Sicherheit89
Menschliche Präferenz80
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaMiniMaxxAIZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für Gemini 3.1 Pro. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

18 Quell-Zeilen

17 von 37 Katalog-Benchmarks haben eine belegte Zeile für Gemini 3.1 Pro.

Knowledge

Reasoning

Math

Coding

Agentic

Multimodal

Long context

Tool use

Safety

Human preference

Changelog
  1. Gemini 3.1 Pro veröffentlicht — AA-Index 57,2, ARC-AGI-2 77,1 %.
Quellen