07a - Gemini 模型家族能力概览（2.5 → 3.1）

本文是《AI Agent 实战手册》第 7 章第 1 节。 上一节：Skill 设计模式与排错 | 下一节：百万 Token 上下文实战

概述

从 2025 年初的 Gemini 2.5 Pro 到 2025 年 11 月的 Gemini 3 Pro，再到 2026 年 2 月的 Gemini 3.1 Pro，Google DeepMind 在不到一年的时间内完成了三代旗舰模型的迭代。每一代都在推理深度、多模态理解、Agentic 能力和性价比上实现了显著跃升。本节将系统梳理 Gemini 模型家族从 2.5 到 3.1 的完整演进脉络、各代变体对比、竞品定位和关键差异化优势，帮助你在实际项目中做出最优模型选择。

1. Gemini 模型演进时间线

关键里程碑

架构演进

Gemini 2.5（2025 上半年）          Gemini 3（2025 Q4）              Gemini 3.1（2026 Q1）
┌─────────────────────┐     ┌─────────────────────┐     ┌─────────────────────┐
│ 首代思考模型         │     │ 全新 MoE 架构        │     │ Deep Think 内置      │
│ 可调思考预算         │ ──→ │ 原生 Agentic 能力    │ ──→ │ 三级思考控制          │
│ 1M 上下文窗口       │     │ Computer Use         │     │ ARC-AGI-2: 77.1%    │
│ SWE-Bench: 63.8%    │     │ SWE-Bench: 76.2%     │     │ SWE-Bench: 80.6%    │
└─────────────────────┘     └─────────────────────┘     └─────────────────────┘

工具推荐

操作步骤

步骤 1：获取 API Key

前往 Google AI Studio  注册并创建 API Key。免费层即可使用 Gemini 模型，无需绑定信用卡。

# 设置环境变量
export GEMINI_API_KEY="your-api-key-here"

步骤 2：选择合适的模型

决策树：
├── 需要最高推理质量 + 最新能力？ → gemini-3.1-pro-preview
├── 需要强推理 + 稳定 GA？ → gemini-3-pro
├── 需要速度与质量平衡？ → gemini-3-flash
├── 需要极低成本/高吞吐？ → gemini-2.5-flash-lite
├── 仍在使用旧版？ → gemini-2.5-pro（仍可用，但建议迁移）
└── 需要 Agentic 自定义工具？ → gemini-3.1-pro-preview-customtools

步骤 3：快速调用示例（Python）

from google import genai
 
client = genai.Client(api_key="your-api-key")
 
# 使用最新的 Gemini 3.1 Pro
response = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="分析 Rust 异步运行时 Tokio 的调度器实现原理",
    config={
        "thinking_config": {"thinking_budget": 16384}
    }
)
print(response.text)

提示词模板

你是一位资深 [领域] 专家。请对以下 [任务类型] 进行深度分析：

[具体内容或代码]

要求：
1. 先列出关键发现
2. 给出详细分析
3. 提供可操作的改进建议
4. 如有代码，给出优化后的版本

请用中文回答，使用 Markdown 格式。

2. 三代模型变体全览

Gemini 2.5 系列（2025 上半年）

Gemini 2.5 是 Google 首个”思考模型”家族，引入了可控思考预算的概念。

Gemini 3 系列（2025 年 11 月）

Gemini 3 采用全新的稀疏混合专家（Sparse MoE）架构从头构建，在推理、多模态和 Agentic 能力上实现了代际跃升。

Gemini 3.1 系列（2026 年 2 月）

Gemini 3.1 Pro 将 Deep Think 协议直接内置到核心模型中，引入三级思考控制（Low / Medium / High），推理能力实现 2.5 倍跃升。

3. API 价格体系

Gemini 系列采用按 token 计费模式，提供免费层、标准付费层和批处理折扣。以下为截至 2026 年 2 月的官方定价（信息来源：Google AI 官方定价页 ，最后验证：2026-02-19）。

全系列价格对比

上下文缓存价格

上下文缓存（Context Caching）可为重复使用的长上下文节省高达 75% 的成本：

跨厂商成本对比（2026 年 2 月）

💡 关键洞察：Gemini 3.1 Pro 的输入价格仅为 Claude Opus 4.6 的 40%，输出价格不到其一半，且上下文窗口为稳定的 1M tokens。对于需要处理大量输入的场景（如代码库分析、长文档处理），成本优势显著。Gemini 3 Flash 更是以 $0.50 的输入价格提供了接近 Pro 级别的编码能力。

4. 基准测试与竞品定位

三代模型基准成绩演进

ARC-AGI-2 的跃升尤为惊人：从 2.5 Pro 的 4.9% 到 3 Pro 的 31.1%，再到 3.1 Pro 的 77.1%，不到一年提升了 15 倍。这一基准专门测试模型面对从未见过的问题时的真正推理能力。

Gemini 3.1 Pro vs 竞品（2026 年 2 月）

竞品定位矩阵

                    推理深度
                      ↑
  Claude Opus 4.6 ●   │   ● Gemini 3.1 Pro
  （专家任务/安全）     │   （推理/多模态/长上下文）
                      │
  ──────────────────┼──────────────────→ 多模态 + Agentic 能力
                      │
  GPT-5.2 ●           │   ● Gemini 3 Flash
  （生态/通用/低价）    │   （性价比/速度/编码）
                      │

5. 关键差异化优势

5.1 思考模型架构演进

从 2.5 Pro 的可调思考预算，到 3 Pro 的 Deep Think 模式，再到 3.1 Pro 的三级思考控制，Gemini 的”思考”能力持续进化：

# Gemini 2.5 Pro：数值型思考预算
config_25 = {"thinking_config": {"thinking_budget": 8192}}
 
# Gemini 3 Pro：Deep Think 模式（Ultra 用户）
# 在 AI Studio 中选择 Deep Think 模式
 
# Gemini 3.1 Pro：三级思考控制
# Low —— 快速响应，适合简单任务
# Medium —— 平衡模式，日常开发
# High —— 深度推理，复杂架构设计和数学证明
config_31 = {"thinking_config": {"thinking_level": "HIGH"}}

实际影响：三级思考控制让开发者可以在同一模型上灵活切换——简单的代码格式化用 Low 级别快速完成，复杂的架构重构用 High 级别深度分析，无需切换模型即可优化成本和延迟。

5.2 百万级上下文窗口

1M token 的上下文窗口从 2.5 Pro 延续至 3.1 Pro，始终是 Gemini 最显著的差异化优势：

• 等效容量：约 75 万字中文 / 150 万字英文 / 3 万行代码
• 视频处理：可处理长达 3 小时的视频内容
• 长上下文可靠性：Gemini 3 Pro 在 128K 8-needle 检索测试中得分 77%，远超 Claude（47.1%）和 GPT（61.6%）
• 实际应用：一次性分析整个中型代码库、处理完整法律合同、分析长篇研究论文

详见 百万 Token 上下文实战

5.3 原生多模态能力

Gemini 从架构层面就是多模态的，3 代模型在视觉理解上实现了质的飞跃：

详见 多模态能力实战

5.4 Agentic 能力生态

Gemini 3/3.1 Pro 提供了业界最丰富的 Agent 工具集：

5.5 Google 开发者生态

Gemini 3/3.1 时代，Google 构建了完整的 AI 开发工具链：

• Google Antigravity：Agent-first IDE（基于 VS Code），支持多 Agent 协作编码，可自主操作编辑器、终端和浏览器
• Gemini CLI：开源终端 AI 助手（GitHub 近 100K stars），集成到现有脚本和管线
• Vertex AI：企业级部署，SLA 保障，合规支持
• Google Workspace：直接在 Docs、Sheets、Gmail、Meet 中使用
• Android Studio：移动开发原生集成
• GitHub Copilot：Gemini 3.1 Pro 已作为可选模型集成

实战案例：用 Gemini 3.1 Pro 分析大型代码库

场景

一个包含 300+ 文件的 TypeScript 项目需要进行架构审查和重构建议。选择 Gemini 3.1 Pro 是因为其 1M 上下文窗口可以一次性容纳整个代码库，且 SWE-Bench 80.6% 的成绩保证了代码理解质量。

操作流程

import os
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 1. 收集项目文件
project_files = []
for root, dirs, files in os.walk("./src"):
    for f in files:
        if f.endswith((".ts", ".tsx")):
            path = os.path.join(root, f)
            with open(path) as fh:
                project_files.append(f"// File: {path}\n{fh.read()}")
 
codebase = "\n\n".join(project_files)
 
# 2. 利用 Gemini 3.1 Pro 的深度推理一次性分析
response = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents=f"""作为资深架构师，请分析以下 TypeScript 项目代码库：
 
{codebase}
 
请提供：
1. 架构概览（组件关系图，用 Mermaid 格式）
2. 代码质量评估（命名、结构、复杂度）
3. 潜在问题和技术债务
4. 重构建议（按优先级排序）
5. 性能优化机会
""",
    config={"thinking_config": {"thinking_level": "HIGH"}}
)
 
print(response.text)

案例分析

• 为什么选 Gemini 3.1 Pro：300+ 文件的代码库可能超过 60 万 token，只有 Gemini 的 1M 上下文窗口能一次性容纳。3.1 Pro 的 ARC-AGI-2 得分 77.1% 意味着它能更好地理解从未见过的代码模式
• 思考级别选择：架构分析是复杂推理任务，使用 HIGH 级别以获得最深入的分析
• 成本估算：假设输入 60 万 token + 输出 8000 token，成本约 $1.20（输入）+ $0.096（输出）≈ $1.30，远低于人工审查成本
• 对比 2.5 Pro：同样的任务在 2.5 Pro 上成本约 $0.83（输入更便宜），但 3.1 Pro 的推理质量显著更高，SWE-Bench 从 63.8% 提升到 80.6%

避坑指南

❌ 常见错误

1. 盲目追新，忽视稳定性需求

   • 问题：Gemini 3.1 Pro 目前仍为 Preview 状态，可能存在延迟波动（首日测试有超过 100 秒的响应）
   • 正确做法：生产环境优先使用 GA 状态的 Gemini 3 Pro；对延迟敏感的场景用 Gemini 3 Flash

2. 忽略 200K token 价格阶梯

   • 问题：当 prompt 超过 200K token 时，Gemini 3/3.1 Pro 的输入价格翻倍（$2 → $4），输出也上涨（$12 → $18）
   • 正确做法：使用上下文缓存（Context Caching）降低重复输入成本，缓存可节省高达 75%

3. 所有任务都用 Pro

   • 问题：Gemini 3 Flash 在 SWE-Bench 上得分 78%，实际上超过了 3 Pro 的 76.2%，且价格仅为 1/4
   • 正确做法：日常编码任务优先用 Flash（$0.50/$3.00），仅在需要深度推理时升级到 Pro

4. 免费层用于生产环境

   • 问题：免费层有严格的速率限制，且数据会被用于改进产品
   • 正确做法：生产环境务必使用付费层，数据不会被用于模型训练

5. 忽视 Grounding 搜索的额外费用

   • 问题：Grounding with Google Search 免费额度有限（Flash/Flash-Lite 共享 1500 RPD），超出后 $35/1000 次（Flash）或 $14/1000 次（3 Pro 专属定价）
   • 正确做法：监控 Grounding 调用量，非必要场景关闭 Grounding

6. 忽略 Gemini 3.1 Pro 的专家任务短板

   • 问题：在 GDPval-AA（专家级办公任务）基准上，Claude Opus 4.6 以 1,606 Elo 大幅领先 Gemini 3.1 Pro 的 1,317 Elo
   • 正确做法：高风险的法律分析、金融建模、复杂长文写作等专家任务，仍应考虑 Claude Opus

✅ 最佳实践

1. 分层模型策略：Flash 处理 80% 的日常任务，Pro 处理 15% 的复杂推理，3.1 Pro Preview 用于 5% 的前沿实验
2. 善用上下文缓存：对重复使用的长上下文启用 Context Caching，最高可节省 75% 成本
3. 批处理 API：非实时场景使用 Batch API 获得 50% 成本折扣
4. 思考级别优化：简单任务用 Low，日常开发用 Medium，复杂推理用 High，避免为简单任务支付不必要的思考 token 费用
5. 结合 Antigravity / Gemini CLI：利用 Google 的 Agent-first 工具链实现端到端的 Agentic 开发工作流

相关资源与延伸阅读

参考来源

• Gemini 3.1 Pro on Gemini CLI, Gemini Enterprise, and Vertex AI （2026-02-19，Google Cloud 官方博客）
• Gemini 3.1 Pro Preview — Artificial Analysis （2026-02-19，第三方独立评测）
• Gemini 3.1 Pro Model Card — Google DeepMind （2026-02-19，官方模型卡片）
• Google Launches Gemini 3: Most Intelligent AI （2025-11-18，Gemini 3 发布报道）
• Gemini 3 Benchmarks & Pricing — GrowthJockey （2025-12，第三方综合评测）
• Gemini Developer API Pricing （持续更新，Google 官方定价页，最后验证 2026-02-19）
• Gemini 2.5: Updates to our family of thinking models （2025-06-17，Google 官方博客）
• Choosing Antigravity or Gemini CLI — Google Cloud Blog （2026-02，Google 官方）

📖 返回 总览与导航 | 上一节：Skill 设计模式与排错 | 下一节：百万 Token 上下文实战