بطاقة نموذج Google DeepMind، النتائج اعتبارًا من فبراير 2026. · المصدر
محاولة واحدة؛ لا تعطي البطاقة رقم كلود لهذا المعيار. · المصدر
| غرض | قيمة |
|---|---|
| المدخلات | النصوص والصور والصوت والفيديو؛ نافذة السياق تصل إلى 1M الرموز |
| الإخراج | نص، 64 ألف رمز |
| مرتكز على | الجوزاء 3 برو |
| الاختبار الأخير للإنسانية (بدون أدوات) | 44.4% (الجوزاء 3 برو 37.5%) |
| GPQA Diamond (بدون أدوات) | 94.3% |
| تم التحقق من SWE-Bench (محاولة واحدة) | 80.6% |
| المحطة الطرفية 2.0 (المحطة 2) | 68.5% |
| tau2-مقعد للاتصالات | 99.3% |
| BrowseComp | 85.9% |
| أطلس MCP | 69.2% |
| MRCR v2 8 إبرة، 1 متر باتجاه نقطي | 26.3% |
أرقام Google الخاصة، النتائج اعتبارًا من فبراير 2026. لا تدرج البطاقة أي سعر لواجهة برمجة التطبيقات (API). · المصدر
Partial outage now. Google Gemini is currently experiencing a partial outage
Unofficial, from StatusGator. Uptime is the share of the window not marked down (559 min down, 4786 min degraded); it covers the whole service, not this version alone.
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (19 Feb 2026, preview). Reasoning: Artificial Analysis Intelligence Index 57 at launch (v4.0; four points ahead of Claude Opus 4.6; The Decoder 21 Feb 2026). AA's pages now show lower numbers (30, 46) after later index versions, not used. Coding null: no Terminal-Bench 4.0; Google published Terminal-Bench 2.0 68.5% (Terminus-2) and SWE-Bench Verified 80.6%. Context 1M input, 64k output (DeepMind model card). Price $2 in / $12 out per 1M up to 200k = $4.50 blended (AA, Google). Speed null: no launch-time speed found (AA now lists 132 tokens/s, undated). Input text, image, audio, video.[1]
The model ranks first in six of ten categories, including agent-based coding, knowledge, scientific reasoning, and physics.
While the leap in logical reasoning and coding benchmarks is impressive, the 'soul' of the model — its emotional depth, empathy, creative flexibility, and nuance — seems to have been significantly reduced.
It is not necessarily faster, and in some modes, it is intentionally slower, taking a moment to chew on a problem before spitting out an answer.
Winner: Gemini wins for providing phrasing I'd actually use because it feels the most natural and immediately usable.
صور من القرّاء، منفصلة عن وسائط الدبوس الموثّقة بمصادر. قيّم ما أكلته أو رأيته، وفي دبوس المطعم وسّم الأطباق مباشرة على صورتك.
المدخل الأول هو دائمًا مصدر الدبوس. الثقة الإجمالية متوسط مرجّح لمدى قوة دعم كل مرجع لوقتَي البدء والانتهاء المستخدمين أعلاه؛ ويقل وزن المرجع إلى النصف عن كل 180 يومًا يسبق بها أحدث مرجع.
منشور غوغل «Gemini 3.1 Pro: نموذج أذكى لأكثر مهامك تعقيدًا» مؤرخ في 19 February 2026 ويقول إنه يُطرح في ذلك اليوم للمطورين والشركات والمستهلكين.
The Wikipedia article lists Gemini 3.1 Pro as released in preview on 19 February 2026.
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
هل ينقص شيء أو يوجد خطأ؟ قله بكلماتك: رابط يدعم هذا الدبوس، أو تاريخ بدء أو انتهاء مختلف مع السبب، أو معلومة ينقصها أو يخطئ فيها. يفحص الذكاء الاصطناعي ذلك بمقارنته بمصادر هذا الدبوس، ويبحث عن مصادر أفضل، ويضيف أي صفحة تدعم كلامك. وتبقى مصادر الدبوس نفسه الأثقل وزنًا. كما تُفحص الصورة التي تُظهر شيئًا آخر أو تُظهره بشكل سيئ، فتُنزَّل أو تُستبدل.
العنوان الأصلي: Gemini 3.1 Pro Released
| الاختبار | Gemini 3.1 Pro | Gemini 3 Pro | Sonnet 4.6 | Opus 4.6 | GPT-5.2 | GPT-5.3-Codex |
|---|---|---|---|---|---|---|
| Humanity's Last Exam (الاستدلال الأكاديمي، المجموعة الكاملة نص + وسائط، دون أدوات) | 44.4% | 37.5% | 33.2% | 40.0% | 34.5% | — |
| Humanity's Last Exam (الاستدلال الأكاديمي، المجموعة الكاملة نص + وسائط، بحث (قائمة حظر) + شيفرة) | 51.4% | 45.8% | 49.0% | 53.1% | 45.5% | — |
| ARC-AGI-2 (ألغاز الاستدلال المجرد، موثق من ARC Prize) | 77.1% | 31.1% | 58.3% | 68.8% | 52.9% | — |
| GPQA Diamond (المعرفة العلمية، دون أدوات) | 94.3% | 91.9% | 89.9% | 91.3% | 92.4% | — |
| Terminal-Bench 2.0 (البرمجة الوكيلة عبر الطرفية، أداة Terminus-2) | 68.5% | 56.9% | 59.1% | 65.4% | 54.0% | 64.7% |
| Terminal-Bench 2.0 (البرمجة الوكيلة عبر الطرفية، أفضل أداة أخرى أبلغت عنها الشركة) | — | — | — | — | 62.2% | 77.3% |
| SWE-Bench Verified (البرمجة الوكيلة، محاولة واحدة) | 80.6% | 76.2% | 79.6% | 80.8% | 80.0% | — |
| SWE-Bench Pro (Public) (مهام برمجة وكيلة متنوعة، محاولة واحدة) | 54.2% | 43.3% | — | — | 55.6% | 56.8% |
| LiveCodeBench Pro (مسائل برمجة تنافسية من Codeforces وICPC وIOI، Elo) | 2887 | 2439 | — | — | 2393 | — |
| SciCode (البرمجة للبحث العلمي) | 59% | 56% | 47% | 52% | 52% | — |
| APEX-Agents (مهام مهنية بعيدة المدى) | 33.5% | 18.4% | — | 29.8% | 23.0% | — |
| GDPval-AA Elo (مهام الخبراء) | 1317 | 1195 | 1633 | 1606 | 1462 | — |
| τ2-bench (الوكلاء واستخدام الأدوات، التجزئة) | 90.8% | 85.3% | 91.7% | 91.9% | 82.0% | — |
| τ2-bench (الوكلاء واستخدام الأدوات، الاتصالات) | 99.3% | 98.0% | 97.9% | 99.3% | 98.7% | — |
| MCP Atlas (سير عمل متعدد الخطوات باستخدام MCP) | 69.2% | 54.1% | 61.3% | 59.5% | 60.6% | — |
| BrowseComp (البحث الوكيل، بحث + Python + تصفح) | 85.9% | 59.2% | 74.7% | 84.0% | 65.8% | — |
| MMMU-Pro (الفهم والاستدلال متعدد الوسائط، دون أدوات) | 80.5% | 81.0% | 74.5% | 73.9% | 79.5% | — |
| MMMLU (أسئلة وأجوبة متعددة اللغات) | 92.6% | 91.8% | 89.3% | 91.1% | 89.6% | — |
| MRCR v2 (8-needle) (أداء السياق الطويل، 128k (المتوسط)) | 84.9% | 77.0% | 84.9% | 84.0% | 83.8% | — |
| MRCR v2 (8-needle) (أداء السياق الطويل، 1M (نقطي)) | 26.3% | 26.3% | — | — | — | — |