Google डीपमाइंड मॉडल कार्ड, परिणाम फरवरी 2026 तक। · स्रोत
एकल प्रयास; कार्ड इस बेंचमार्क के लिए कोई क्लाउड आंकड़ा नहीं देता है। · स्रोत
| वस्तु | कीमत |
|---|---|
| इनपुट | पाठ, चित्र, ऑडियो, वीडियो; 1M टोकन तक संदर्भ विंडो |
| उत्पादन | पाठ, 64K टोकन |
| पर आधारित | मिथुन 3 प्रो |
| मानवता की अंतिम परीक्षा (कोई उपकरण नहीं) | 44.4% (मिथुन 3 प्रो 37.5%) |
| जीपीक्यूए डायमंड (कोई उपकरण नहीं) | 94.3% |
| SWE-बेंच सत्यापित (एकल प्रयास) | 80.6% |
| टर्मिनल-बेंच 2.0 (टर्मिनस-2) | 68.5% |
| tau2-बेंच टेलीकॉम | 99.3% |
| ब्राउजकॉम्प | 85.9% |
| एमसीपी एटलस | 69.2% |
| MRCR v2 8-सुई, 1M बिंदुवार | 26.3% |
Google के अपने आंकड़े, फरवरी 2026 तक के परिणाम। कार्ड में कोई एपीआई मूल्य सूचीबद्ध नहीं है। · स्रोत
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.
पाठकों की फ़ोटो, पिन के स्रोत-आधारित मीडिया से अलग। जो आपने खाया या देखा उसे रेट करें, और रेस्तराँ पिन पर अपनी फ़ोटो पर ही डिश टैग करें।
पहली एंट्री हमेशा पिन का सोर्स होती है। कुल कॉन्फ़िडेंस एक भारित औसत है कि हर संदर्भ ऊपर इस्तेमाल किए गए शुरू और खत्म होने के समय का कितनी मज़बूती से समर्थन करता है; सबसे नए संदर्भ से हर 180 दिन पुराना होने पर किसी संदर्भ की गिनती आधी हो जाती है।
Google की पोस्ट “Gemini 3.1 Pro: A smarter model for your most complex tasks” पर 19 फरवरी 2026 की तारीख है और उसमें कहा गया है कि यह उसी दिन डेवलपर्स, एंटरप्राइज़ और आम यूज़र्स के लिए रोल आउट हो रहा है।
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.
कुछ छूट गया या गलत है? अपने शब्दों में बताएं: कोई लिंक जो इस पिन का समर्थन करता हो, कोई अलग शुरुआत या खत्म होने की तारीख और उसकी वजह, या कोई तथ्य जो छूट गया हो या गलत हो। AI इसे इस पिन के सोर्स से मिलाकर जांचता है, बेहतर सोर्स खोजता है, और जो भी पेज आपकी बात का समर्थन करता है उसे जोड़ देता है। पिन के अपने सोर्स की अहमियत फिर भी सबसे ज़्यादा रहती है। AI तस्वीरें भी देखता है: जो तस्वीर कुछ और दिखाती हो या ठीक से न दिखाती हो, उसे नीचे कर दिया जाता है या बदल दिया जाता है।
मूल शीर्षक: Gemini 3.1 Pro Released
| बेंचमार्क | Gemini 3.1 Pro | Gemini 3 Pro | Sonnet 4.6 | Opus 4.6 | GPT-5.2 | GPT-5.3-Codex |
|---|---|---|---|---|---|---|
| Humanity's Last Exam (अकादमिक तर्क, पूरा सेट, टेक्स्ट + मल्टीमॉडल, बिना टूल्स) | 44.4% | 37.5% | 33.2% | 40.0% | 34.5% | — |
| Humanity's Last Exam (अकादमिक तर्क, पूरा सेट, टेक्स्ट + मल्टीमॉडल, Search (ब्लॉकलिस्ट) + कोड) | 51.4% | 45.8% | 49.0% | 53.1% | 45.5% | — |
| ARC-AGI-2 (अमूर्त तर्क पहेलियां, ARC Prize द्वारा सत्यापित) | 77.1% | 31.1% | 58.3% | 68.8% | 52.9% | — |
| GPQA Diamond (वैज्ञानिक ज्ञान, बिना टूल्स) | 94.3% | 91.9% | 89.9% | 91.3% | 92.4% | — |
| Terminal-Bench 2.0 (एजेंटिक टर्मिनल कोडिंग, Terminus-2 हार्नेस) | 68.5% | 56.9% | 59.1% | 65.4% | 54.0% | 64.7% |
| Terminal-Bench 2.0 (एजेंटिक टर्मिनल कोडिंग, अन्य सर्वश्रेष्ठ स्व-रिपोर्टेड हार्नेस) | — | — | — | — | 62.2% | 77.3% |
| SWE-Bench Verified (एजेंटिक कोडिंग, एकल प्रयास) | 80.6% | 76.2% | 79.6% | 80.8% | 80.0% | — |
| SWE-Bench Pro (Public) (विविध एजेंटिक कोडिंग कार्य, एकल प्रयास) | 54.2% | 43.3% | — | — | 55.6% | 56.8% |
| LiveCodeBench Pro (Codeforces, ICPC और IOI की प्रतिस्पर्धी कोडिंग समस्याएं, Elo) | 2887 | 2439 | — | — | 2393 | — |
| SciCode (वैज्ञानिक शोध कोडिंग) | 59% | 56% | 47% | 52% | 52% | — |
| APEX-Agents (लंबी अवधि के पेशेवर कार्य) | 33.5% | 18.4% | — | 29.8% | 23.0% | — |
| GDPval-AA Elo (विशेषज्ञ कार्य) | 1317 | 1195 | 1633 | 1606 | 1462 | — |
| τ2-bench (एजेंटिक और टूल उपयोग, रिटेल) | 90.8% | 85.3% | 91.7% | 91.9% | 82.0% | — |
| τ2-bench (एजेंटिक और टूल उपयोग, टेलीकॉम) | 99.3% | 98.0% | 97.9% | 99.3% | 98.7% | — |
| MCP Atlas (MCP का उपयोग करने वाले बहु-चरणीय वर्कफ़्लो) | 69.2% | 54.1% | 61.3% | 59.5% | 60.6% | — |
| BrowseComp (एजेंटिक खोज, Search + Python + Browse) | 85.9% | 59.2% | 74.7% | 84.0% | 65.8% | — |
| MMMU-Pro (मल्टीमॉडल समझ और तर्क, बिना टूल्स) | 80.5% | 81.0% | 74.5% | 73.9% | 79.5% | — |
| MMMLU (बहुभाषी प्रश्नोत्तर) | 92.6% | 91.8% | 89.3% | 91.1% | 89.6% | — |
| MRCR v2 (8-needle) (लंबे कॉन्टेक्स्ट का प्रदर्शन, 128k (औसत)) | 84.9% | 77.0% | 84.9% | 84.0% | 83.8% | — |
| MRCR v2 (8-needle) (लंबे कॉन्टेक्स्ट का प्रदर्शन, 1M (पॉइंटवाइज़)) | 26.3% | 26.3% | — | — | — | — |