Indlæser kataloget…
Indlæser kataloget…
Googles ræsonneringsmodel på frontniveau med obligatorisk ræsonnering i tankekæde, et kontekstvindue på 1 million tokens og fuld multimodal inddata til komplekse opgaver med mange trin.
Oversigt. Gemini 3.1 Pro Preview er Googles ræsonneringsmodel på frontniveau, udgivet i offentlig forhåndsvisning den 19. februar 2026. Den kombinerer obligatorisk ræsonnering i tankekæde med et kontekstvindue på 1.048.576 tokens, maksimalt 65.536 tokens som uddata og multimodal inddata på tværs af tekst, billeder, lyd, video og filformater. Udviklere vælger den, når en opgave kræver bevidst ræsonnering i flere trin over meget store eller blandede inddata frem for et hurtigt svar i én arbejdsgang.
Vigtigste styrker. Ræsonnering i tankekæde er obligatorisk frem for valgfri på denne model, med ræsonneringsniveauer, der kan konfigureres (`high`, `medium`, `low`), hvilket passer til opgaver, der har gavn af dybere overvejelser frem for et hurtigt svar. Dens kontekstvindue er blandt de største tilgængelige for en model, der drives af leverandøren, hvilket gør det muligt at have hele dokumentsæt, lange transskriptioner eller kodebaser med mange filer i et enkelt kald uden opdeling. Tidligere evalueringer i LMSys Arena placerede den solidt i frontmodel-klassen, selvom det seneste øjebliksbillede af ranglisten ikke kunne genverificeres i denne cyklus.
Anvendelsesområder. Brug denne model til forskning med mange trin, dokumentanalyse eller skriveopgaver, hvor ræsonnering over meget store inddata eller mange filer betyder mere end ren svarhastighed. Den accepterer også indbygget inddata af billeder, lyd og filer, hvilket gør den velegnet til multimodal forståelse af dokumenter og medier. Det er ikke Googles dedikerede valg til tunge agentiske opgaver med verktøykald — der findes en separat variant, som er optimeret til specialværktøjer, specifikt til det anvendelsesområde.
Begrænsninger. Ræsonnering i tankekæde er altid slået til og kan ikke deaktiveres, hvilket giver længere svartid sammenlignet med modeller uden ræsonnering og gør den uegnet til simple opslag med kort svartid. Uddata er kun tekst, uden indbygget generering af lyd eller billeder. Hvor træningsdataene slutter er januar 2025, og uafhængige tredjepartsresultater fra benchmarks for denne model har vist betydelige udsving i de seneste evalueringer, hvilket vi markerer af hensyn til gennemsigtighed frem for som et fast signal om egenskaber.
Bemærkning om suverænitet. Gemini 3.1 Pro Preview er bygget af Google, en modelskaber med hovedkvarter i USA, og betjenes under Googles egne Gemini API-vilkår. Vores undersøgelser fandt ikke et eksplicit fravalg af træning på inddata eller garantier om dataplacering i EU for denne model, så den bærer ikke Stavs betegnelse som suveræn.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 1,76 / 10,56€+7 betingede priser | Online |
18 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Verktøykald, udvidet ræsonnering og et enormt kontekstvindue gør den velegnet til agentiske kodningssessioner med mange trin, der spænder over store repositories.
Egenskaben til eksplicitte verktøykald gør denne model til et solidt valg som backend til applikationer med struktureret funktionskald.
Indlæsning af hele dokumenter ved 1 million tokens plus obligatorisk ræsonnering i tankekæde understøtter krydsreferencer mellem mange lange artikler i én arbejdsgang.
Obligatorisk ræsonnering i tankekæde og understøttelse af verktøykald gør arkitekturen direkte velegnet til kompleks agentisk planlægning med mange trin.
Det enorme kontekstvindue gør det muligt at have hele dokumentsæt direkte i konteksten til præcis Q&A i stedet for at være afhængig af opdeling i bidder (chunking).
Et kontekstvindue på 1 million tokens plus ræsonneringstilstand understøtter faktuel kodegenerering baseret på meget store dokumentsæt i én enkelt forespørgsel.
Verktøykald og billedforståelse understøtter arbejdsflow med browserautomatisering, men der findes ingen resultater fra agentiske benchmarks (f.eks. WebArena) til at bekræfte styrken.
Ræsonneringstilstand plus et enormt kontekstvindue understøtter analyse af store datasæt, men der er ikke angivet specifikke benchmarks for dataanalyse.
Billedforståelse plus en kontekst på 1 million tokens gør det muligt at behandle lange scannede dokumenter, selvom der ikke er offentliggjort tal for OCR-nøjagtighed.
Udvidet ræsonneringstilstand understøtter dyb analyse af årsagssammenhænge, og det store kontekstvindue gør det muligt at indlæse hele logs og kodebaser, selvom det ikke er verificeret af benchmarks.
Billedforståelse understøtter opgaver med fortolkning af diagrammer, selvom der ikke er dokumenteret benchmarkresultater for denne variant.
Multimodal billedforståelse understøtter fortolkning af brugerflader og screenshots til brug i agentiske sammenhænge og browserautomatisering.
Eksponering for amerikansk jurisdiktion underlagt CLOUD Act gør den uegnet til arbejdsflow med følsomme personoplysninger (PII), der kræver garantier om suverænitet.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-multilingual-index, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "google/gemini-3.1-pro-preview",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på