Gemini 3.1 Pro Mencapai Peningkatan Alasan Rekor

Google (GOOGL ) merilis Gemini 3.1 Pro pada tanggal 19 Februari, sebuah pembaruan untuk model AI andalannya yang lebih dari dua kali lipat kinerja alasan sambil menjaga harga yang identik dengan pendahulunya.

Angka yang paling mencolok: pada ARC-AGI-2, sebuah benchmark yang menguji apakah model dapat memecahkan pola logika yang sepenuhnya baru daripada mengingat data pelatihan, Gemini 3.1 Pro mencetak skor 77,1%. Gemini 3 Pro mencetak skor 31,1%. Kenaikan 46 poin persentase itu adalah kenaikan alasan terbesar dalam satu generasi model frontier.

Model ini tersedia segera di seluruh platform konsumen dan pengembang Google. Pengguna aplikasi Gemini dengan rencana AI Pro dan AI Ultra mendapatkan akses dengan batas penggunaan yang lebih tinggi, sedangkan pengembang dapat mengakses 3.1 Pro melalui API Gemini di AI Studio, Vertex AI, Gemini CLI, Antigravity, dan Android Studio. NotebookLM juga mendapatkan pembaruan untuk pelanggan Pro dan Ultra.

Harga tetap $2 per juta token input untuk prompt di bawah 200.000 token, naik menjadi $4 untuk konteks yang lebih panjang. Biaya output $12 per juta token. Untuk siapa saja yang sudah menggunakan Gemini 3 Pro melalui API, pembaruan ini gratis.

Kinerja Benchmark di Seluruh Papan

Kartu model menunjukkan Gemini 3.1 Pro mengklaim tempat pertama pada 12 dari 18 benchmark yang dilacak. Di luar ARC-AGI-2, yang menonjol termasuk 94,3% pada GPQA Diamond, sebuah tes alasan ilmiah tingkat sarjana, dan 2.887 Elo pada LiveCodeBench Pro, skor tertinggi di antara semua model frontier untuk pemrograman kompetitif.

Di Humanity’s Last Exam—a benchmark yang diambil dari pertanyaan ahli crowdsourced di seluruh disiplin ilmu—3.1 Pro mencapai 44,4%, naik dari 37,5% untuk Gemini 3 Pro dan unggul dari GPT-5.2 yang mencapai 34,5%. Benchmark MMLU multibahasa menunjukkan 92,6%, dan akurasi konteks panjang pada 128.000 token tetap 84,9%.

Model ini mempertahankan jendela konteks input token 1 juta dan menghasilkan hingga 64.000 token output, sesuai dengan spesifikasi alat coding AI yang perlu mengonsumsi seluruh basis kode dan menghasilkan blok kode substansial dalam satu sesi.

Di mana 3.1 Pro tidak memimpin juga mengungkapkan. Pada SWE-Bench Verified, sebuah tes tugas pengembangan perangkat lunak dunia nyata, itu mencetak skor 80,6%—hanya sedikit di belakang Anthropic’s Claude Opus 4.6 yang mencapai 80,8%. Jaraknya marginal, tetapi menunjukkan Anthropic mempertahankan keunggulan tipis dalam tugas coding praktis yang mendorong adopsi perusahaan.

Apa yang Berubah dalam Berpikir Dinamis

Gemini 3.1 Pro menggunakan berpikir dinamis secara default, sebuah pendekatan di mana model menyesuaikan seberapa banyak penalaran internal yang diterapkan berdasarkan kompleksitas setiap prompt. Pertanyaan sederhana mendapatkan jawaban cepat. Masalah multi-langkah yang kompleks memicu rantai pemrosesan yang lebih dalam sebelum model menghasilkan respons.

Pengembang dapat mengontrol perilaku ini melalui parameter thinking_level di API, menetapkan kedalaman maksimum penalaran internal. Ini menangani ketegangan dalam model penalaran: penalaran yang diperpanjang meningkatkan akurasi pada masalah yang sulit tetapi menambahkan latensi dan biaya untuk pertanyaan yang sederhana. Berpikir dinamis mencoba mengotomatisasi perdagangan itu.

Fitur ini mencerminkan pergeseran industri yang lebih luas. Model o-series OpenAI memperkenalkan penalaran rantai-pemikiran sebagai mode yang dapat dipilih. Anthropic’s Claude menggunakan penalaran yang diperpanjang sebagai fitur opt-in. Pendekatan Google dengan membuatnya default—dengan intensitas yang bervariasi—bertaruh bahwa sebagian besar pengguna lebih suka membiarkan model memutuskan seberapa keras berpikir daripada mengelola keputusan itu sendiri.

Lapangan Kompetitif Semakin Ketat

Gemini 3.1 Pro tiba di pasar di mana kepemimpinan benchmark berganti tangan setiap bulan. Google’s Gemini 3 memicu “code red” di OpenAI yang menghasilkan GPT-5.2 dalam waktu kurang dari sebulan. Anthropic telah merilis pembaruan Claude dengan kecepatan yang dipercepat. Setiap rilis mempersempit jarak antara model, membuat pilihan antara platform semakin bergantung pada ekosistem dan harga daripada kemampuan mentah.

Keunggulan Google tetap distribusi. Gemini 3.1 Pro langsung terintegrasi ke dalam produk yang digunakan oleh ratusan juta orang: Gmail, Docs, Search, dan Personal Intelligence yang menghubungkan model ke data pribadi pengguna. Model ini juga memungkinkan Gemini Enterprise dan Gemini CLI, memberikan pengembang dan bisnis akses melalui alat yang sudah mereka gunakan.

Bagi pengembang yang memilih antara model frontier, keputusan harga telah menjadi lebih mudah. Dengan $2 per juta token input, Gemini 3.1 Pro mengalahkan harga andalan OpenAI dan Anthropic untuk kemampuan yang setara. Pembaruan tanpa biaya dari 3 Pro menghilangkan gesekan migrasi untuk pengguna yang sudah ada.

Peningkatan alasan paling berarti untuk aplikasi agen—sistem AI yang merencanakan, menjalankan tugas multi-langkah, dan menggunakan alat secara otonom. ARC-AGI-2 secara khusus menguji jenis pengenalan pola baru yang diperlukan agen ketika menghadapi masalah yang tidak tercakup dalam data pelatihan mereka. Model yang mencetak skor 77,1% pada tes itu menangani situasi yang tidak biasa jauh lebih andal daripada model yang mencetak skor 31,1%.

Apakah peningkatan benchmark ini diterjemahkan ke dalam perbaikan dunia nyata yang proporsional adalah pertanyaan yang harus dijawab Google dalam beberapa minggu mendatang. Benchmark menangkap kemampuan spesifik di bawah kondisi yang terkendali; pengalaman pengguna yang sebenarnya bergantung pada bagaimana model berperforma di seluruh rentang tugas yang tidak terduga yang dilontarkan orang kepadanya. Lompatan ARC-AGI-2 menunjukkan 3.1 Pro menangani kebaruan lebih baik daripada model mana pun sebelumnya. Apa yang pengguna lakukan dengan kemampuan itu akan menentukan apakah angka-angka itu penting.