Gemini 3.1: Features, Benchmarks, Praxistests und mehr

Gemini 3.1 Pro antwortete korrekt mit [Red Square]. Das Modell erkannte beide Regeln unabhängig: Farben toggeln (Red ↔ Blue) und Formen zyklieren (Square → Circle → Triangle → Square). Anschließend verfolgte es die Logik Schritt für Schritt: Aus Blue Triangle wird Red (Farb-Toggle) und Square (nächste Form im Zyklus) – genau die Art von kompositionellem Reasoning, die dieser Test abfragt.

Test 2: Die getarnte Folge

Dieser Test prüft Hypotheseneliminierung über mehrere Ebenen. Wir geben dem Modell zwei Folgen und bitten es, die erste zu identifizieren (Partitionszahlen aus der OEIS) und die zwei Transformationen zu bestimmen, die zur zweiten führten.

Here are two sequences. The second was derived from the first in two separate steps. 
Identify the named mathematical sequence that Sequence A belongs to, and work out 
both transformations that were applied to produce Sequence B.

Sequence A: 1, 1, 2, 3, 5, 7, 11, 15, 22, 30, 42, 56, 77
Sequence B: 2, 3, 5, 8, 3, 9, 8, 1, 7, 9, 8, 7

Explain your reasoning step by step.

Gemini 3.1 Pro identifizierte Folge A korrekt als Partitionszahlen (A000041) und erklärte, was Partitionszahlen in der Zahlentheorie bedeuten. Anschließend arbeitete es systematisch beide Transformationen heraus: zuerst die Summe benachbarter Paare zur Erzeugung einer Zwischenfolge, dann die Berechnung der Ziffernwurzel jedes Ergebnisses. Das Modell prüfte jeden Schritt gegen Folge B und zeigte die vollständige Denkkette von der Ursprungsfolge bis zur finalen Ausgabe.

Test 3: Das defekte Uhrennetz

Dieser Test zielt auf Konsistenzprüfung unter Nebenbedingungen. Sechs Uhren sind vernetzt, jede wendet einen festen 20-Minuten-Versatz an. Eine Uhr ist defekt. Das Modell muss beide Pfade durch das Netzwerk nachverfolgen und den Widerspruch finden.

Hier ist der verwendete Prompt:

Six clocks (A, B, C, D, E, and F) are connected in a network. Each clock applies 
a fixed offset to the time it receives. A is the root and shows 12:00. You observe:

- B receives from A and shows 12:20
- C receives from A and shows 11:40
- D receives from B and shows 12:40
- E receives from C and shows 11:00
- F receives from both D and E and shows 13:00

There is exactly one broken clock in the network. Based on the pattern of offsets, 
identify which clock is broken, and give two possible answers for what it should 
actually show (one for each path through the network).

Explain your reasoning step by step.

Gemini 3.1 Pro identifizierte korrekt F als defekte Uhr und leitete zwei mögliche Werte dafür ab: 13:00 über den Pfad von D und 10:00 über den Pfad von E. Das Modell behandelte den rechten Pfad als konstante +20 Minuten und den linken als arithmetische Folge von −20, −40, dann −60 Minuten.

Praxiseindruck mit Gemini 3.1 Pro

Abseits abstrakter Reasoning-Tests wollte ich sehen, wie das Modell praktische Aufgaben meistert, die seine neuen Funktionen zeigen.

Animierte SVG-Generierung

Google hat beim Launch stark auf codebasierte Visualausgaben abgehoben, also habe ich direkt mit einem einfachen Briefing ohne Vorlage getestet.

Hier ist der verwendete Prompt:

Create an animated SVG loading spinner with three bouncing dots. Make it smooth, 
professional, and suitable for embedding on a website. Output only the SVG code.

Gemini 3.1 Pro lieferte sauberen SVG-Code mit CSS-Animationen. Das Ergebnis war ein funktionierender Drei-Punkte-Loader mit versetzten Sprungtimings – genau wie gewünscht. Er renderte im Browser direkt korrekt, ohne Nacharbeit. Die Dateigröße war winzig und dank vektorbasiertem Code skaliert er in jede Größe ohne Qualitätsverlust.

Das ist eine dieser Funktionen, die in Pressemeldungen wie Spielerei klingen, sich aber als sehr praktisch erweisen. Leichte, einbettbare, unendlich skalierbare Animationsgrafiken aus einem Textprompt sind ein starkes Tool für Frontend-Prototyping oder schnelle Visual-Assets.

Wie kann ich auf Gemini 3.1 Pro zugreifen?

Gemini 3.1 Pro ist derzeit als Preview verfügbar. Google sagt, dass die allgemeine Verfügbarkeit bald folgt – nach Feedback-Runden und weiteren Verbesserungen bei agentischen Workflows.

Das sind die wichtigsten Zugriffsoptionen:

Gemini CLI

Die Gemini CLI ist ein Open-Source-Terminal-Agent, der dem Modell direkten Zugriff auf deine lokale Umgebung gibt. Installiere sie mit folgendem Code:

npm install -g @google/gemini-cli
# Or run directly: npx @google/gemini-cli

Die CLI nutzt eine ReAct-Schleife – sie kann Code schreiben, ausführen, Fehler lesen, Probleme beheben und eigenständig iterieren. Mit der verbesserten Terminal-Coding-Performance von 3.1 Pro ist dieser Loop spürbar zuverlässiger. Im Free-Tier bekommst du 60 Anfragen pro Minute und 1.000 pro Tag.

Gemini API

Die Gemini API gibt Entwicklern programmatischen Zugriff auf Gemini 3.1 Pro.

Die Modell-ID, die du brauchst: gemini-3.1-pro-preview

Hier ist etwas Python-Startercode:

from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="Your prompt here"
)
print(response.text)

Die Preise entsprechen Gemini 3 Pro Preview.

Der Parameter thinking_level akzeptiert low, medium, high oder max. Unterstützte Tools umfassen Google Search, URL-Kontext, Codeausführung und Dateisuche. Die Details zum Kontextfenster bespreche ich im Vergleich unten.

NotebookLM

NotebookLM wird für Google AI Pro- und Ultra-Abonnenten jetzt von Gemini 3.1 Pro angetrieben. NotebookLM antwortet nur auf Basis der von dir hochgeladenen Dokumente – sehr nützlich, wenn das Modell eng an bestimmtem Material bleiben soll.

Zugang für Endnutzer

Google rollt Gemini 3.1 Pro schrittweise in seinen Consumer- und Entwicklerprodukten aus, hat aber keine einfache Zuordnung „Plan X = Modell Y" veröffentlicht. Praktisch wirst du 3.1 Pro in der Gemini-App und der API sehen, sobald es ausgerollt wird; AI Ultra bietet dabei den breitesten Zugriff.

Gemini 3.1 Pro vs. Claude-Modelle

Die Releases von Google und Anthropic im Februar 2026 erzeugen spannende Trade-offs. Es gibt nicht die eine, klare Nummer eins. Die richtige Wahl hängt stark davon ab, was du baust.

Die Preisdifferenz ist beachtlich. Gemini 3.1 Pro ist bei Input und Output deutlich günstiger als Claude Opus 4.6. Wenn du hohe API-Volumina fährst, ist das kein kleiner Faktor.

Wähle Gemini 3.1 Pro, wenn:

• Abstraktes Reasoning und wissenschaftliche Analysen Priorität haben
• Du robuste, native Multimodalität mit Video und Audio im selben Modell brauchst
• Du das volle 1M-Kontextfenster in stabiler, nicht-beta Form nutzen willst
• Kosteneffizienz zählt – besonders im großen Maßstab

Wähle Claude Opus 4.6, wenn:

• Du die vollen 128K Output-Tokens brauchst (Gemini deckelt bei 64K)
• Multi-Agent-Orchestrierung zentral ist (Agent Teams ist ein echter Differenzierer)
• Computerbedienung via GUI wichtig ist
• Du wissensintensive Arbeit mit hoher Research-Qualität machst

Wähle Claude Sonnet 4.6, wenn:

• Wissensarbeit, Dokumentanalyse oder Finanzanalyse die Hauptaufgaben sind
• Du nahezu Flaggschiff-Leistung zu einem niedrigeren Preis willst
• Du bereits Anthropic-Tools nutzt und Sonnet dein Standard ist

Use Cases für Gemini 3.1 Pro

Basierend auf Benchmarks und Praxistests sind das die Bereiche, in denen Gemini 3.1 Pro besonders gut passt:

• Wissenschaftliche Forschung und Analyse: Starke GPQA-Diamond-Leistung plus 1M-Kontext macht Literaturübersichten, Hypothesengenerierung und das Syntheseziehen über mehrere Papers praktikabel.
• Autonome Research-Agents: Verbesserte agentische Benchmarks zahlen auf reale Mehrschrittaufgaben ein – Informationen aus mehreren Quellen sammeln, Fakten prüfen, strukturierte Reports mit minimaler Aufsicht erstellen.

• Codebase-Analyse und Refactoring: Großes Kontextfenster plus besseres Reasoning für Aufgaben wie das Aufdecken architektonischer Inkonsistenzen über Module hinweg oder das Nachverfolgen von Bugs über mehrere Dateien.

• Multimodale Inhaltsanalyse: Native Video- und Audio-Unterstützung ermöglicht die Analyse aufgezeichneter Meetings, das Extrahieren von Insights aus Vorlesungsvideos oder die Verarbeitung von Podcasts ohne Vorverarbeitung.

• Kostensensitive Produktiv-Deployments: Bei ungefähr halben Kosten gegenüber Claude Opus 4.6 lohnt es sich für hohes Inferenz-Volumen, wenn Reasoning-Qualität zählt, das Budget aber begrenzt ist.

• Prototyping und Visual-Assets: Codebasierte, animierte Ausgaben erzeugen Loading-Spinner, animierte Charts oder interaktive Dashboards aus Textprompts, die du direkt einbetten kannst.

Fazit

Gemini 3.1 Pro zeigt, wohin die Reise geht: weniger neue Eingabetypen, mehr Fokus auf besseres Reasoning, verlässlichere Agents und längere Kontexte. Auch wenn es „nur" ein .1-Release ist, lassen die Benchmark-Sprünge und die Verbindung zu Deep Think es wie einen größeren Schritt in der Denkfähigkeit dieser Systeme wirken.

Für Teams, die echte Produkte bauen, gibt es kein einzelnes „bestes" Modell. Gemini 3.1 Pro eignet sich gut für wissenschaftliches Reasoning, Research-Agents und die Analyse großer Codebasen – auch mit Blick auf Preis und Videounterstützung. Claude ist weiterhin besser für Wissensarbeit und GUI-basierte Computerbedienung, und GPT-5.3-Codex gewinnt noch bei manchen Coding-Tests.

Spannend wird, was beim Ende der Preview passiert. Google arbeitet vor dem GA-Release an Agent-Verbesserungen. Wenn diese zusammen mit den aktuellen Reasoning-Upgrades kommen, schrumpft die Lücke zwischen Forschungsmodellen wie Deep Think und Alltagsmodellen. Bis dahin ist es sinnvoll, verschiedene Modelle zu testen und Systeme so zu bauen, dass sie die Stärken jedes Modells nutzen.

Um mit Googles KI-Tools zu starten, sieh dir unseren Kurs Introduction to Google Gemini an. Für die Arbeit mit der API in Python deckt unser Tutorial Working with the Gemini API die Essentials ab.