- Início
- 19 de fev. de 202690% DE CONFIANÇAde a fonte
Gemini 3.1 Pro é lançado
Traduzido automaticamente do original
Título original: Gemini 3.1 Pro Released
- O Google lançou o Gemini 3.1 Pro em prévia em 19 de fevereiro de 2026, três meses depois do Gemini 3 Pro, descrevendo-o como a inteligência central aprimorada por trás de recentes avanços da ciência e da pesquisa[1]
- É “uma base mais inteligente e mais capaz para a resolução de problemas complexos”, com 77,1% verificados no ARC-AGI-2, que testa padrões lógicos totalmente novos[1]
- O Google o manteve em prévia para validar as atualizações e melhorar fluxos de trabalho com agentes antes da disponibilidade geral “em breve”[1]
Destaques
- Disponível no app Gemini com limites maiores nos planos Google AI Pro e Ultra, e no NotebookLM apenas para usuários Pro e Ultra[1]
- Desenvolvedores e empresas o recebem em prévia pela API Gemini no AI Studio, no Antigravity e no Vertex AI, além do Gemini Enterprise[1]
- A demonstração do Google o faz programar um murmúrio 3D interativo de estorninhos que os usuários conduzem com rastreamento das mãos e que toca uma trilha generativa[1]
Benchmarks[3]
| Benchmark | Gemini 3.1 Pro | Gemini 3 Pro | Sonnet 4.6 | Opus 4.6 | GPT-5.2 | GPT-5.3-Codex |
|---|---|---|---|---|---|---|
| Humanity's Last Exam (raciocínio acadêmico (conjunto completo, texto + MM), sem ferramentas) | 44,4% | 37,5% | 33,2% | 40,0% | 34,5% | — |
| Humanity's Last Exam (raciocínio acadêmico (conjunto completo, texto + MM), busca (com lista de bloqueio) + código) | 51,4% | 45,8% | 49,0% | 53,1% | 45,5% | — |
| ARC-AGI-2 (quebra-cabeças de raciocínio abstrato, ARC Prize Verified) | 77,1% | 31,1% | 58,3% | 68,8% | 52,9% | — |
| GPQA Diamond (conhecimento científico, sem ferramentas) | 94,3% | 91,9% | 89,9% | 91,3% | 92,4% | — |
| Terminal-Bench 2.0 (programação em terminal com agentes, harness Terminus-2) | 68,5% | 56,9% | 59,1% | 65,4% | 54,0% | 64,7% |
| Terminal-Bench 2.0 (programação em terminal com agentes, outro melhor harness autorrelatado) | — | — | — | — | 62,2% | 77,3% |
| SWE-Bench Verified (programação com agentes, tentativa única) | 80,6% | 76,2% | 79,6% | 80,8% | 80,0% | — |
| SWE-Bench Pro (pública) (tarefas variadas de programação com agentes, tentativa única) | 54,2% | 43,3% | — | — | 55,6% | 56,8% |
| LiveCodeBench Pro (problemas de programação competitiva do Codeforces, ICPC e IOI, Elo) | 2887 | 2439 | — | — | 2393 | — |
| SciCode (programação para pesquisa científica) | 59% | 56% | 47% | 52% | 52% | — |
| APEX-Agents (tarefas profissionais de longo horizonte) | 33,5% | 18,4% | — | 29,8% | 23,0% | — |
| GDPval-AA Elo (tarefas de especialistas) | 1317 | 1195 | 1633 | 1606 | 1462 | — |
| τ2-bench (agentes e uso de ferramentas, varejo) | 90,8% | 85,3% | 91,7% | 91,9% | 82,0% | — |
| τ2-bench (agentes e uso de ferramentas, telecomunicações) | 99,3% | 98,0% | 97,9% | 99,3% | 98,7% | — |
| MCP Atlas (fluxos de trabalho em várias etapas com MCP) | 69,2% | 54,1% | 61,3% | 59,5% | 60,6% | — |
| BrowseComp (busca com agentes, busca + Python + navegação) | 85,9% | 59,2% | 74,7% | 84,0% | 65,8% | — |
| MMMU-Pro (compreensão e raciocínio multimodais, sem ferramentas) | 80,5% | 81,0% | 74,5% | 73,9% | 79,5% | — |
| MMMLU (perguntas e respostas multilíngues) | 92,6% | 91,8% | 89,3% | 91,1% | 89,6% | — |
| MRCR v2 (8-needle) (desempenho em contexto longo, 128k (média)) | 84,9% | 77,0% | 84,9% | 84,0% | 83,8% | — |
| MRCR v2 (8-needle) (desempenho em contexto longo, 1M (pontual)) | 26,3% | 26,3% | — | — | — | — |
Referências 385% DE CONFIANÇAConfiança geral: 85%Quanto a fonte e as referências do pin sustentam suas datas.Média ponderada de quanto 3 referências, incluindo a fonte, sustentam os horários de início e fim do pin; uma referência conta metade a cada 180 dias a mais em relação à mais recenteMostrar todos os pins com confiança de 75% ou mais
A primeira entrada é sempre a fonte do pin. A confiança geral é uma média ponderada de quanto cada referência sustenta os horários de início e fim usados acima; uma referência conta metade a cada 180 dias a mais em relação à mais recente.
- [1]90%blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-problog.google· Postado em 30 de set. de 2026· Início 19 de fev. de 2026 ✓· 41% da pontuação
O texto do Google, “Gemini 3.1 Pro: A smarter model for your most complex tasks” (“Gemini 3.1 Pro: um modelo mais inteligente para suas tarefas mais complexas”), é datado de 19 de fevereiro de 2026 e diz que está sendo liberado nesse dia para desenvolvedores, empresas e consumidores.
- [2]75%Gemini (language model) - Wikipediaen.wikipedia.org· Adicionado em 30 de set. de 2026· 41% da pontuação
The Wikipedia article lists Gemini 3.1 Pro as released in preview on 19 February 2026.
- [3]95%Gemini 3.1 Pro - Model Carddeepmind.google· Publicado em 19 de fev. de 2026· 17% da pontuação
DeepMind's model card gives the benchmark table against the model's predecessor and named rivals.
Sugerir uma correção
Falta algo ou há um erro? Diga com suas palavras: um link que sustente este pin, uma data de início ou fim diferente e por quê, ou um fato que falta ou está errado. A IA confere isso com as fontes do pin, procura outras melhores e adiciona qualquer página que dê razão a você. As fontes do próprio pin continuam contando mais. Uma imagem que mostra outra coisa, ou mostra mal, também é analisada e rebaixada ou substituída.
