Gemini 3.1 Pro Preview
Gemini 3.1 Pro Preview ist Googles leistungsstarke Preview-Variante für komplexes Reasoning, Coding und agentische Workflows. Das Modell ist nativ multimodal, arbeitet mit sehr langen Kontexten und ist nur über die Google-API verfügbar. Als Preview-Modell kann es sich in Verhalten und Preisgestaltung noch verändern.
- Proprietär
- Frontier
- API
- General
- Multimodal
- Preview
- Real-Time
Sovereign Risk: MEDIUM Google DeepMind ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act, der staatlichen Zugriff auf Daten bei API-Nutzung ermöglichen kann, nicht jedoch auf die Weights selbst.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 68.11
- Routine
- 41.33
- Reasoning
- 26.78
- LLM Judge Avg
- 3.37 / 5
- 100% Coverage
- Avg Task Duration
- 17.66s
- Real-Time
- Token Rate
- 28.48tok/s
- Output Rate
- P95 Latency
- 34.13s
- Top 5 %
- Total Tokens
- 37.7K
- Output Volume
- Cost per 1K
- $0.012
- USD / 1K Requests
- Benchmark Cost
- $0.45
- Total · 37.7K tok
Benchmark-Module
7 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Gemini 3.1 Pro Preview
Bestes Modell
Ø Alle Modelle
Code Quality
78.1
CLI Benchmark
87.22
Logical Reasoning
64.36
UX Writing
71.25
Documentation
68.65
Content Transform.
71.89
Cultural Intelligence
45.6
Benchmark Cost
$0.45
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.