Gemini 3.1 Pro (Preview Custom Tools)
Предварительный вариант Gemini 3.1 Pro, настроенный на улучшенный выбор инструментов в кодирующих агентах и многоинструментных сценариях.
- Вход
- 253,20 ₽
- Выход
- 1 519,20 ₽
- Кэш
- 25,32 ₽
- Доступность
- 66,7%
google/gemini-3.1-pro-preview-customtoolsДанные каталога получены .
Цена
- Текстовый диалог · вход
- 253,20 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 1 519,20 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 25,32 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
Предварительный вариант Gemini 3.1 Pro, настроенный на улучшенный выбор инструментов в кодирующих агентах и многоинструментных сценариях. Снижает избыточное использование общих инструментов bash и повышает надёжность вызова функций, сохраняя мультимодальное рассуждение Gemini 3.1 Pro и контекст 1M токенов.
- Релиз
Характеристики
- 5 октября: нет данных—5 октября
- 6 октября: 100%100%6 октября
- 7 октября: 33,3%33,3%7 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения, Видео, Аудио
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 1 048 576 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 65 536 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные файлы, Входные изображения, Входное аудио, Входное видео
Контрольные показатели
Artificial Analysis
34 показателей
Агентная работа
- AA-Briefcase449 Elo
Агентная работа со знаниями
Проверено
- AA-Briefcase456 Elo
Агентная работа со знаниями (Elo)
Проверено
- AutomationBench-AA35,4 %
Автоматизация рабочего процесса со штрафами за нарушение ограничений
Проверено
- AutomationBench-AA35,4 %
Автоматизация рабочих процессов со штрафом за нарушение ограничений
Проверено
- GDPval-AA v2776 Elo
Экономически значимые рабочие задачи
Проверено
- GDPval-AA v2794 Elo
Экономически значимые задачи (Elo)
Проверено
- Harvey LAB-AA58,9 %
Доля пройденных критериев юридической агентной работы
Проверено
- Harvey LAB-AA58,9 %
Юридическая агентная работа: доля выполненных критериев
Проверено
Рассуждение по документу
- AA-LCR v1.182 %
Рассуждение на длинном контексте с обновлённой оценкой
Проверено
- GDP.pdf17,8 %
Профессиональное рассуждение по PDF: доля прохождения всех проверок
Проверено
Работа с документами
- AA-LCR v1.182 %
Рассуждение в длинном контексте, обновлённая проверка
Проверено
- GDP.pdf17,8 %
Профессиональные PDF-документы: доля полностью верных ответов
Проверено
- MLCR-AA15,6 %
Медицинские рассуждения в длинном контексте
Проверено
Архивные методики
- AA-LCR (версия не указана, архивный)82 %
Рассуждение в длинном контексте
Проверено
- GPQA Diamond (архивный)94,1 %
Научные вопросы уровня аспирантуры
Проверено
- T²-Bench Telecom (архивный)95,6 %
Диалоговые агенты, где действует и пользователь
Проверено
- Terminal-Bench Hard (архивный)53,8 %
Агентное программирование и работа в терминале
Проверено
Устаревшие тесты
- AA-LCR (версия не указана, архивный)82 %
Оценка рассуждений на длинном контексте
Проверено
- GPQA Diamond (архивный)94,1 %
Научные рассуждения уровня выпускника
Проверено
- T²-Bench Telecom (архивный)95,6 %
Разговорные ИИ-агенты в сценариях с двойным управлением
Проверено
- Terminal-Bench Hard (архивный)53,8 %
Агентное программирование и работа в терминале
Проверено
Другие показатели
- Индекс программирования68,8 индекс
Сводная оценка Artificial Analysis по программированию
Проверено
- Индекс программирования68,8 индекс
Сводная оценка Artificial Analysis по программированию
Проверено
- Индекс интеллекта29,7 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
- Индекс интеллекта29,7 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
Рассуждения
- HLE47 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
- HLE47 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
- IFBench77,1 %
Точное выполнение инструкций
Проверено
Рассуждение
- IFBench77,1 %
Тест на следование инструкциям
Проверено
Документ: рассуждение
- MLCR-AA15,6 %
Медицинское рассуждение на длинном контексте
Проверено
Программирование
- SciCode58,7 %
Программирование на Python для научных вычислений
Проверено
- SciCode58,7 %
Программирование на Python для научных расчётов
Проверено
- Terminal-Bench v4.04 %
Практические задачи программирования и работы в терминале
Проверено
- Terminal-Bench v4.04 %
Практические задачи по программированию и работе в терминале
Проверено
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "google/gemini-3.1-pro-preview-customtools",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
