77.1%。
在 ARC-AGI-2 这个被称为“推理能力试金石”的基准测试里，谷歌的新模型 Gemini 3.1 Pro 拿下了77.1%。
这比上一代 3 Pro 的成绩直接翻了一倍还多！
有点离谱。
就在大家还在讨论 OpenAI 和 Claude 孰强孰弱的时候，谷歌悄悄掏出了这张底牌。
更狠的是价格。
输入 12。
这是什么概念？几乎就是市面上最强模型 Opus 价格的一半。
你的赛车，不仅车速能跟头号种子掰手腕，油费还只收人家的一半。
但这事儿可没那么简单。
开发者社区里已经吵翻天了，有人叫好，有人在骂。
这场关于“智商”与“稳定性”的博弈，才刚刚开始。
不仅聪明，是会干活
谷歌官方这次给 3.1 Pro 的定义很直接：
简单答案不够用的时候，就找它。
这不仅仅是个能陪聊的 AI，这是个能写代码、做设计、搞合成的“全能工程师”。
而且，这次更新是实打实的全平台覆盖。
不管你是开发者，用 API、Vertex AI，还是普通用户，在 Gemini App、NotebookLM 上，今天都能用到它。
有意思的是谷歌展示的几个案例。
它能生成纯代码的 SVG 动画。
不是那种糊成一团的像素图，而是基于代码的矢量图，放多大都清晰，文件还极小。
你让它画个独角兽玩 Xbox，它就能给你画出来。
它还能搞复杂的系统合成。
比如直接给你搭建一个实时的航空航天仪表盘，数据流直接对接国际空间站的轨道数据。
它还能把文学名著直接变成现代网页。
它读了《呼啸山庄》，没给你写读后感，而是直接写了个代码，把书里的阴郁氛围变成了一个极具设计感的个人主页网站。
这种“把抽象概念直接转化为功能性代码”的能力，说实话，有点吓人。
价格屠夫，还是脾气古怪的天才？
性能这么强，价格这么低，开发者应该狂欢才对吧？
并没有。
评论区里的声音，撕裂得很。
一位前谷歌员工直言不讳：这是他用过最让人抓狂的模型。
这就很有意思了。
他认为，Gemini 在推理、设计、生成原始代码方面， stunningly good（好得惊人）。
但一旦涉及到实际落地，尤其是跟 Claude Opus 比，它就经常“掉链子”。
“Gemini is consistently the most frustrating model I've used for development.”
在 VS Code Copilot 里，Claude 能给用户一种流畅的“思维流”体验，而 Gemini 有时就像个聪明但不稳定的实习生，想法很棒，执行起来总是差点意思。
大概可以这么比喻：
你花一顿寿司的钱，雇了一个智商 180 的天才帮你干活。
他心情好的时候，一天能干完一个月的活；但心情不好的时候，能把你的项目搞崩。
这就很考验使用者的能力了。
便宜，但不一定好用？
这里有个很有意思的对比。
虽然 3.1 Pro 号称推理能力翻倍，但有人实测发现，在某些测试里，开了“中等推理”的 3 Flash 版本，表现竟然比 3.1 Pro 还好。
3.1 Pro 似乎有时候能推理出正确答案，但最后却选了个错误的写出来。
这就是大模型的“玄学”之处了。
而且，谷歌现在的模型策略也让人看不懂。
Gemini 3 还在预览阶段，2.5 已经被弃用了。
有开发者吐槽：谷歌是不是打算把模型永远留在“预览”里？
就像是一个永远不愿意毕业的优等生，一直拿“实习生”的工资，但也一直不承担正式员工的责任。
不过，支持者也有道理。
有人算了一笔账：3.1 Pro 的运行成本只有 Opus Thinking 和 Sonnet 的 40%，速度却快了 30%。
对于精打细算的初创公司来说，这种性价比的诱惑力太大了。
哪怕它偶尔抽风，只要能解决几个 Opus 解决不了的难题（比如那个 UI 数据同步的竞态条件 bug），这钱就花得值。
最后的思考
Gemini 3.1 Pro 是个矛盾体。
它有着惊人的推理天赋，能把《呼啸山庄》变成代码，能把国际空间站数据变成仪表盘。
它的价格低到让对手颤抖。
但它依然不稳定，依然像个难以捉摸的天才。
谷歌这次显然是想用“高性价比+强推理”来撕开市场缺口。
但你敢不敢把核心业务交给一个偶尔抽风的天才？
对于开发者来说，现在可能是个最好的时代——你手里有了更多、更便宜的工具。
但也可能是个最坏的时代——你得花更多时间去挑选、去测试、去适应这些性格迥异的 AI 助手。
至于 3.1 Pro 到底能不能打？
别看广告，看疗效，去跑跑你的代码吧。
参考链接：
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/