Gemini 3.1: recursos, benchmarks, testes práticos e mais

O Gemini 3.1 Pro respondeu corretamente [Red Square]. O modelo identificou as duas regras de forma independente: as cores alternam (Red ↔ Blue) e as formas ciclam (Square → Circle → Triangle → Square). Em seguida, percorreu a lógica passo a passo, mostrando como Blue Triangle vira Red (alternância de cor) e Square (próxima no ciclo de formas) — exatamente o tipo de raciocínio composicional que este teste avalia.

Teste 2: a sequência disfarçada

Este teste verifica a eliminação de hipóteses em múltiplas camadas. Damos ao modelo duas sequências e pedimos que identifique o que é a primeira sequência (números de partição da OEIS) e descubra as duas transformações aplicadas para produzir a segunda.

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.

O Gemini 3.1 Pro identificou corretamente a Sequência A como números de partição (A000041) e explicou o que números de partição representam em teoria dos números. Depois, percorreu sistematicamente as duas transformações: primeiro somando pares consecutivos para gerar uma sequência intermediária e, em seguida, calculando a raiz digital de cada resultado. O modelo conferiu cada etapa com a Sequência B, mostrando toda a cadeia de raciocínio da sequência original até a saída final.

Teste 3: a rede de relógios quebrados

Este teste foca na verificação de consistência de restrições. Seis relógios estão em rede, cada um aplicando um desvio fixo de 20 minutos. Um relógio está quebrado. O modelo precisa traçar os dois caminhos pela rede e encontrar a contradição.

Aqui está o prompt que usei:

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.

O Gemini 3.1 Pro identificou corretamente F como o relógio quebrado e inferiu dois valores possíveis para ele: 13:00 pelo caminho de D e 10:00 pelo caminho de E. O modelo tratou o caminho da direita como um desvio constante de +20 minutos e o caminho da esquerda como uma sequência aritmética de −20, −40 e depois −60 minutos.

Mão na massa com o Gemini 3.1 Pro

Além dos testes de raciocínio abstrato, eu quis ver como o modelo lida com tarefas práticas que mostram seus novos recursos.

Geração de SVG animado

O Google deu bastante destaque à saída visual baseada em código no lançamento, então testei diretamente com um briefing simples e sem template.

Aqui está o prompt que usei:

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.

O Gemini 3.1 Pro retornou um SVG limpo com animações em CSS. A saída foi um loader de três pontos com tempos de salto defasados, exatamente como pedido. Renderizou corretamente no navegador de primeira, sem ajustes. O arquivo ficou minúsculo e, por ser vetorial, escala perfeitamente para qualquer tamanho.

É um daqueles recursos que parecem firula no press release, mas se mostram bem úteis. Gráficos animados leves, incorporáveis e infinitamente escaláveis a partir de um prompt de texto são uma ótima ferramenta para prototipagem de frontend ou criação rápida de assets visuais.

Como acessar o Gemini 3.1 Pro?

O Gemini 3.1 Pro está em preview no momento. O Google disse que chegará à disponibilidade geral em breve, após incorporar feedback e melhorar os fluxos de trabalho de agentes.

Aqui estão as principais formas de acesso:

Gemini CLI

O Gemini CLI é um agente de terminal open source que dá ao modelo acesso direto ao seu ambiente local. Instale com o comando abaixo:

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

O CLI usa um loop ReAct, ou seja, consegue escrever código, executá-lo, ler erros, corrigir problemas e iterar por conta própria. Com a melhora do 3.1 Pro em codificação de terminal, esse loop ficou visivelmente mais confiável. O plano gratuito oferece 60 requisições por minuto e 1.000 por dia.

Gemini API

A Gemini API dá acesso programático direto ao Gemini 3.1 Pro. 

O ID do modelo que você vai usar é: gemini-3.1-pro-preview

Aqui vai um código em Python para você começar:

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)

A precificação é a mesma do Gemini 3 Pro Preview.

O parâmetro thinking_level aceita low, medium, high ou max. As ferramentas compatíveis incluem Google Search, contexto por URL, execução de código e busca em arquivos. Vou detalhar a janela de contexto na seção de comparação abaixo.

NotebookLM

NotebookLM agora é alimentado pelo Gemini 3.1 Pro para assinantes do Google AI Pro e Ultra. O NotebookLM responde apenas com base nos documentos que você envia, o que o torna uma ferramenta de pesquisa muito útil quando você quer que o modelo se mantenha fiel a materiais específicos.

Acesso para consumidores

O Google começou a liberar o Gemini 3.1 Pro em seus produtos para consumidores e desenvolvedores, mas não publicou um mapeamento simples do tipo "plano X = modelo Y". Na prática, você verá o 3.1 Pro no app Gemini e na API conforme o rollout, com o AI Ultra oferecendo o acesso mais amplo.

Gemini 3.1 Pro vs. modelos Claude

Os lançamentos de fevereiro de 2026 do Google e da Anthropic criaram um conjunto de trade-offs bem interessante. Não é um cenário em que um modelo vence com folga. A escolha certa depende muito do que você está construindo.

Vale destacar a diferença de preço. O Gemini 3.1 Pro é bem mais barato em entrada e saída do que o Claude Opus 4.6. Se você roda chamadas de API em alto volume, isso não é pouca coisa.

Escolha o Gemini 3.1 Pro quando:

• Raciocínio abstrato e análise científica são a prioridade
• Você precisa de suporte multimodal robusto e nativo para vídeo e áudio no mesmo modelo
• Você quer a janela de contexto de 1M na sua forma estável, não beta
• Custo-benefício importa, especialmente em escala

Escolha o Claude Opus 4.6 quando:

• Você precisa dos 128K tokens de saída (o Gemini limita em 64K)
• Orquestração multiagente é central no seu fluxo (Agent Teams é um diferencial real)
• Uso de computador via GUI é importante
• Você faz trabalho intensivo em conhecimento, onde a qualidade de pesquisa profunda é essencial

Escolha o Claude Sonnet 4.6 quando:

• As tarefas principais são trabalho de conhecimento, análise de documentos ou análise financeira
• Você precisa de desempenho quase topo de linha por um preço menor
• Você já usa as ferramentas da Anthropic e o Sonnet é seu padrão

Casos de uso do Gemini 3.1 Pro

Com base nos benchmarks e nos testes práticos, estas são as áreas em que o Gemini 3.1 Pro é especialmente indicado:

• Pesquisa e análise científica: Forte desempenho no GPQA Diamond mais janela de 1M tornam viáveis revisão de literatura, geração de hipóteses e síntese entre vários artigos ao mesmo tempo.
• Agentes de pesquisa autônomos: Melhoras nos benchmarks de agentes se traduzem em tarefas reais de múltiplas etapas, como reunir informações de várias fontes, verificar fatos e produzir relatórios estruturados com supervisão mínima.

• Análise e refatoração de codebase: Uma janela grande de contexto, somada ao raciocínio aprimorado, ajuda em tarefas como identificar inconsistências arquiteturais entre módulos ou rastrear bugs em múltiplos arquivos.

• Análise de conteúdo multimodal: Suporte nativo a vídeo e áudio permite analisar reuniões gravadas, extrair insights de aulas em vídeo ou processar podcasts sem pré-processamento.

• Implantações em produção sensíveis a custo: Custando cerca de metade do Claude Opus 4.6, faz sentido para inferência em alto volume quando a qualidade do raciocínio importa, mas o orçamento é limitado.

• Prototipagem e assets visuais: Saída animada baseada em código gera spinners, gráficos animados ou dashboards interativos a partir de prompts de texto que você pode incorporar diretamente.

Considerações finais

O Gemini 3.1 Pro é um bom exemplo de para onde esses modelos estão indo. Menos foco em novos tipos de entrada, mais foco em raciocínio melhor, agentes mais confiáveis e manejo de contextos mais longos. Mesmo sendo apenas um lançamento ".1", as melhorias nos benchmarks e a conexão com o Deep Think fazem parecer um passo maior na forma como esses sistemas pensam.

Para times que constroem produtos de verdade, não existe um único "melhor" modelo. O Gemini 3.1 Pro funciona muito bem para raciocínio científico, agentes de pesquisa e análise de grandes codebases — especialmente considerando o preço e o suporte a vídeo. O Claude ainda é melhor para trabalho de conhecimento e uso de computador pela tela, e o GPT-5.3-Codex ainda vence em alguns testes de código.

A questão interessante é o que acontece quando sair do preview. O Google disse que está trabalhando em melhorias de agentes antes do lançamento geral. Se isso chegar junto com os upgrades atuais de raciocínio, a distância entre modelos de pesquisa como o Deep Think e modelos do dia a dia vai diminuir. Por enquanto, é uma boa hora para testar modelos diferentes e construir sistemas que aproveitem o melhor de cada um.

Para começar com as ferramentas de IA do Google, confira nosso curso Introdução ao Google Gemini. Para trabalhar com a API em Python, nosso tutorial Working with the Gemini API cobre o essencial.