Google Deep Mindプロプライエタリ

Gemini 3.1 Pro Preview

Name: Gemini 3.1 Pro Preview
Author: Google Deep Mind

このモデルを比較

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

GPQA Diamond

94.3%

ツールなし、専有モデルとして首位

ARC-AGI-2

77.1%

ARC Prize検証済み；Gemini 3 Proから2.5倍の飛躍

SWE-Bench Verified

80.6%

単一試行；Claude Opus 4.6とは約0.2ポイント差

LMArena Elo

1481–1501

複数トラッカーによる総合トップ3

コンテキストウィンドウ

1Mトークン（Vertexでは2M）

市場で最大のプロダクション対応コンテキスト

入力/出力価格

$2.00 / $12.00 毎1Mトークン

スタンダードティア（入力200K以下）；Opus出力価格より約40%安い

強み

・クラス最高の科学的・多段階推論能力で、専有モデルとして最高のGPQA Diamondスコア（94.3%）を達成
・堅牢な長コンテキスト検索（MRCR v2 128K：84.9%）を備えた本格的な1Mトークンコンテキストにより、複雑なRAGパイプラインが不要
・テキスト、画像、音声、最大3時間の動画に及ぶ、業界最高水準のマルチモーダル理解

弱み

・プロダクションSLAの欠如、APIの潜在的な変更、確定したGA日程がないプレビューステータス
・入力が200Kトークンを超えると価格が2倍（$4/$18）になり、フルウィンドウの使用コストが高額
・思考フェーズによる高い初期応答遅延（約28〜30秒）は、対話型のユースケースに制限をもたらす

競合比較

Model	Arena	SWE	GPQA	Price
Claude Opus 4.5	1462	76.3%	89.1%	$15/$75
GPT-5.2	~1452	80.0%	92.4%	$10/$30
Gemini 3 Pro	1470	76.2%	91.9%	$2/$12

概要

Google DeepMindが2026年2月19日にリリースしたGemini 3.1 Pro Previewは、Geminiファミリーの歴史上最大の単一バージョンでの推論能力の飛躍を表しています。記憶耐性を目的としたベンチマークARC-AGI-2では、モデルは（Gemini 3 Proの）31.1%から検証済みの77.1%へと、約3ヶ月で2倍以上の性能を達成しました。大学院レベルの科学的推論を測るGPQA Diamondで歴代最高の94.3%を記録し、SWE-Bench Verifiedでもフロンティアクラスの80.6%を達成し、Googleが推論、コーディング、マルチモーダルタスクにおいて明確なトップコンテンダーとしての地位を確立しました。モデルの定義的な能力は、生のベンチマーク数値を超えています。ネイティブの1Mトークンコンテキストウィンドウ（Vertex AIでは2Mに拡張可能）は2026年半ば時点でプロダクション最大であり、128Kトークンでの検証済みの長コンテキスト検索精度は84.9%です。動画理解ではVideoMMEで87.2%を記録し、Claude Opus 4.5に8ポイント差をつけ、動画重視のワークフローに最強の選択肢となっています。モデルはGoogleエコシステムとの深い統合による恩恵も受けています：ライブデータのためのSearchグラウンディング、WorkspaceおよびBigQueryコネクタ、Vertex AI上でのエンタープライズグレードのガバナンス。主な注意点はプレビューラベル（プロダクションSLAコミットメントの欠如、GA前のAPI表面の潜在的変更可能性）と、入力が200Kトークンを超えるとコストが2倍になる段階的価格体系です。すでにGoogle Cloudを利用しているチーム、またはマルチモーダル・長コンテキスト対応のフロンティア推論を必要とするチームにとって、Gemini 3.1 Pro Previewはそのティア内で最強のコスト対性能比を提供します。ただし、純粋なコーディング自律性ではClaude Opusが、純粋な数学推論ではDeepSeek R2がリードしており、移行前にワークロード固有のベンチマーク評価が不可欠です。

ベンチマーク＆性能

Gemini 3.1 Pro Previewは、ほぼすべての主要ベンチマークカテゴリで最先端、または最先端に近い結果を提供します。以下の表は、Google DeepMindのモデルカードと技術レポートからの公式スコアをまとめたもので、Artificial Analysis、evals.report、ARC Prize検証による独立評価を補足しています。 | ベンチマーク | カテゴリ | Gemini 3.1 Pro | Gemini 3 Pro | Claude Opus 4.6 (Max) | GPT-5.2 (xhigh) | 備考 | |---|---|---|---|---|---|---| | GPQA Diamond | 科学的推論 | 94.3% | 91.9% | 91.3% | 92.4% | ツールなし；専有モデル首位 | | ARC-AGI-2 | 抽象的推論 | 77.1% | 31.1% | 68.8% | 52.9% | ARC Prize検証済み | | Humanity's Last Exam (ツールなし) | 学術的推論 | 44.4% | 37.5% | 40.0% | 34.5% | テキスト＋マルチモーダル | | Humanity's Last Exam (検索＋コード) | 学術的推論 | 51.4% | 45.8% | 53.1% | 45.5% | ツール使用あり | | SWE-Bench Verified | エージェント的コーディング | 80.6% | 76.2% | 80.8% | 80.0% | 単一試行 | | SWE-Bench Pro (Public) | 多様なコーディング | 54.2% | 43.3% | — | 55.6% | 単一試行 | | LiveCodeBench Pro | コンペティティブコーディング | 2887 Elo | 2439 Elo | — | 2393 Elo | Codeforces/ICPC/IOI | | Terminal-Bench 2.0 | エージェント的ターミナル操作 | 68.5% | 56.9% | 65.4% | 54.0% | Terminus-2ハーネス | | AIME 2025/2026 | 数学的推論 | 91.2–98.3% | 86.0% | — | — | Deep Thinkモード | | τ2-bench Retail | ツール使用 | 90.8% | 85.3% | 91.9% | 82.0% | エージェント的ベンチマーク | | τ2-bench Telecom | ツール使用 | 99.3% | 98.0% | 99.3% | 98.7% | 上限近辺 | | MCP Atlas | マルチステップワークフロー | 69.2% | 54.1% | 59.5% | 60.6% | MCPベース | | BrowseComp | エージェント的検索 | 85.9% | 59.2% | 84.0% | 65.8% | 検索＋Python＋Browse | | MMMU-Pro | マルチモーダル推論 | 80.5% | 81.0% | 73.9% | 79.5% | ツールなし | | MMMLU | 多言語Q&A | 92.6% | 91.8% | 91.1% | 89.6% | | | MRCR v2 (128K) | 長コンテキスト | 84.9% | 77.0% | 84.0% | 83.8% | 8本の針検索 | | MRCR v2 (1M) | 長コンテキスト | 26.3% | 26.3% | N/A | N/A | Geminiのみ1M対応 | | SciCode | 科学的コーディング | 59% | 56% | 52% | 52% | | | APEX-Agents | 長期タスク | 33.5% | 18.4% | 29.8% | 23.0% | | | VideoMME | 動画理解 | 87.2% | 84.8% | ~79.2% | ~81.3% | 3時間のクリップに対応 | **複合指標:** - Artificial Analysis Intelligence Index: 46–57（バージョンによる；平均を大きく上回る） - LMArena Elo: 1481–1501（グローバルトップ3） - Epoch Capabilities Index: 156.6 **速度とレイテンシ（Artificial Analysisによる）:** - 出力速度: 約116〜143トークン/秒（推論モデルとしては平均以上） - 初期応答遅延: 約28〜30秒（高い；思考フェーズが支配的） - 500トークンのエンドツーエンド応答時間: TTFTのため目立った遅延 Gemini 3 Proとのモデルの最も強力な差別化要因は、ARC-AGI-2（+46ポイント）、Terminal-Bench 2.0（+11.6ポイント）、LiveCodeBench Pro（+448 Elo）、MCP Atlas（+15.1ポイント）にあり、推論の深さとエージェント的ツール使用における実質的な向上を反映しています。

詳細比較

### vs Claude Opus 4.5 | 評価軸 | Gemini 3.1 Pro Preview | Claude Opus 4.5 | |---|---|---| | GPQA Diamond | 94.3% | 89.1% | | SWE-Bench Verified | 80.6% | 76.3% (WhatLLM) / 80.8% (Googleカード) | | ARC-AGI-2 | 77.1% | 68.8% | | VideoMME | 87.2% | 79.2% | | コンテキストウィンドウ | 1Mトークン | 200Kトークン | | 入力価格 | $2.00/1M | $15.00/1M | | 出力価格 | $12.00/1M | $75.00/1M | Gemini 3.1 Proは、推論の深さ、動画理解、コンテキストウィンドウ、コスト（出力価格は約6倍安い）において優勢です。Claude Opus 4.5は、クリエイティブな文章作成の品質、指示追従のスタイル、およびマルチファイルリファクタリングタスクでのコーディングの優位性を維持しています。予算制約なく自律コーディングエージェントを運用するチームにとって、ClaudeのSWE-Benchでの優位性（WhatLLMによると約5ポイント）は、100件のGitHub Issueあたり約5件多く解決できることを意味します。他のすべてのチームにとって、Geminiの価格設定とコンテキストの優位性は決定的です。 ### vs GPT-5.2 | 評価軸 | Gemini 3.1 Pro Preview | GPT-5.2 | |---|---|---| | GPQA Diamond | 94.3% | 92.4% | | ARC-AGI-2 | 77.1% | 52.9% | | SWE-Bench Verified | 80.6% | 80.0% | | Terminal-Bench 2.0 | 68.5% | 54.0% | | コンテキストウィンドウ | 1Mトークン | 1Mトークン | | 入力価格 | $2.00/1M | $10.00/1M | | 出力価格 | $12.00/1M | $30.00/1M | Gemini 3.1 Proは、実質すべてのベンチマークでGPT-5.2を上回り、入出力コストは2.5倍安い。ARC-AGI-2の差（77.1% vs 52.9%）は特に鮮明です。GPT-5.2は、ツール呼び出しの信頼性（swfte.comレポートによる成功率：97.4% vs 91.6%）と一部のエンタープライズワークフローで優位性を保っています。OpenAIのエコシステム統合（ChatGPT、DALL-E、Codex）は、そのスタックにすでに組み込まれているチームにとって魅力です。 ### vs DeepSeek R2 | 評価軸 | Gemini 3.1 Pro Preview | DeepSeek R2 | |---|---|---| | AIME 2025 | 91.2% | 93.8% | | GPQA Diamond | ~87.8% (WhatLLM) | 82.4% | | SWE-Bench Verified | 71.4% (WhatLLM) | 62.1% | | 動画理解 | 87.2% (VideoMME) | 非対応 | | コンテキストウィンドウ | 1Mトークン | 128Kトークン | | 入力価格 | $2.00/1M | $0.55/1M | | 出力価格 | $12.00/1M | $2.19/1M | DeepSeek R2は純粋な数学のチャンピオン（AIME 93.8%）であり、入力コストは半分以下です。ただし、テキストのみ（画像、音声、動画非対応）、コンテキストウィンドウがはるかに小さく、エージェント的コーディングやツール使用では後れを取っています。予算内で純粋な量的研究を行う場合は、DeepSeek R2が勝利します。マルチモーダル、長コンテキスト、またはプロダクション向けのエージェント的ワークフローには、Gemini 3.1 Proが優れた選択肢です。

コミュニティ評価

開発者や研究者の間では、検証済みのARC-AGI-2の飛躍とコスト対性能比に焦点を当てた、広範に肯定的な反応がありました。コミュニティからの主要テーマは以下の通りです： **熱狂:** ARC-AGI-2の31.1%から77.1%への飛躍—ARC Prizeによる検証—は、フロンティアモデルの歴史における最大の単一バージョンでのベンチマーク改善の一つとして大きな興奮を生み出しました。GPQA Diamondスコア（94.3%）は、専有モデル間における科学的推論の新たな天井として広く引用されています。Gemini APIを利用している開発者は、クリーンなSDKエクスペリエンス（Python、TypeScript、Go、Java、 Dart）と信頼性の高い関数呼び出し/構造化出力を称賛しています。1Mトークンのコンテキストウィンドウは、以前はClaudeやGPTのためにドキュメントを分割する必要のあったリーガルテック、研究統合、コードベース分析チームの間で特に人気が高いです。 **懐疑心:** プレビューラベルは一貫した批判を集めています。複数のレビュー担当者（benchr、TopReviewed.aiのSkeptic人格、WhatLLM）は、SLA保証のないプレビューチェックポイント上でプロダクションシステムを構築することは計算されたリスクだと指摘しています。200Kトークンを超えると全リクエストの価格が$4/$18に再設定される200Kトークン価格の崖は、特に定額料金モデルから移行するチームにとって、予期しないコストとしてよく指摘されます。Deep Thinkモードでの高い初期応答遅延（約30秒）は、対話型アプリケーションにとって問題になることが指摘されています。 **採用パターン:** このモデルは、すでにVertex AIを使用しているGoogle Cloudネイティブのエンタープライズ企業、特に長文書分析、マルチモーダルパイプライン、科学研究支援において急速に採用が進んでいます。WorkspaceおよびBigQueryグラウンディング機能は、どの競合にもない差別化要因として挙げられています。API側での開発者の採用は増加していますが、プレビューティアのレート制限（累積支出によるより高いしきい値の解除が必要）により抑制されています。AWSまたはAzure上のチームは、エコシステムロックインの懸念から採用が遅れています。 **競争上の位置づけ:** コミュニティは一般的に、Gemini 3.1 Proを最高の汎用フロンティアモデル（WhatLLMによると「最も幅広いタスクで最も低いコストで最高」）として位置づけていますが、コーディング自律性ではClaude Opus、純粋な数学推論ではDeepSeek R2がリードしていることを認めています。Gemini 3.5 Proの差し迫った到来（Google I/O 2026年5月で発表）は、一部の調達においてためらいを引き起こしました。というのも、3.5 Flashはすでにいくつかのエージェント的ベンチマークで3.1 Proを上回っているからです。

ユースケース

### 1. 長文書分析と研究統合 Gemini 3.1 Proの1Mトークンコンテキストウィンドウ（Vertexでは2M）は、コードベース全体、法的契約セット、学術論文コレクション、または規制文書を単一のプロンプトで処理するのに独特の適性を持っています。MRCR v2で128Kトークン時に84.9%の精度を誇り、埋もれた事実を確実に検索します。例：法務チームが600Kトークンの契約セットを取り込み、相互参照を伴うすべての免責条項を特定するようモデルに依頼—これは、Claude（200K制限）やGPT-5.2では複雑なRAGパイプラインが必要となる作業です。重要なコスト上の注意点：入力が200Kトークンを超えると$4/$18の長コンテキストティアが適用されるため、積極的なコンテキストトリミングと検索エンジニアリングには依然として価値があります。 ### 2. 科学研究と大学院レベルのQ&A 専有モデルとして最高のGPQA Diamondスコア（94.3%）を誇るGemini 3.1 Proは、物理学、生物学、化学における3〜4段階の導出ステップを構成しつつ、全チェーンを通じて精度を維持するような、マルチステップ科学的推論に優れています。例：製薬研究者が分子経路の相互参照を必要とする薬物相互作用メカニズムについてモデルに問い合わせる—これは、Claude Opusに約5ポイント、GPT-5.2に約2ポイント優位性を示し、持続的な科学的推論で上回ります。文献更新のためのSearchグラウンディングと組み合わせることで、強力な研究アシスタントとして機能します。 ### 3. 動画およびマルチモーダルパイプライン処理 VideoMMEで87.2%を記録したGemini 3.1 Proは、動画理解においてClaude Opusに8ポイントの優位性を持ち、最大3時間のクリップをサポートします。ユースケースには以下が含まれます：時間的コンテキストを伴うポッドキャストの要約、会議の文字起こしとアクションアイテムの抽出、動画コンテンツの検索とインデックス作成、動画からコードへのワークフロー（視覚的なUIデザインをReactコンポーネントに変換）。この価格帯でこの能力に匹敵する他のフロンティアモデルはありません。 ### 4. コスト感度の高いフロントエンド開発とUIプロトタイピング Gemini 3.1 Proは、フロントエンドコード生成（Elo約1,443）でWebDev Arenaの1位にランクインしています：FigmaモックアップやスクリーンショットリファレンスをReactコンポーネントに変換し、レスポンシブCSSを作成し、インタラクティブなデータ可視化を構築します。$2/$12 毎1Mトークン（Claude Opusは$15/$75）のコストで、チームは同じ予算で6倍多くのイテレーションを実行できます。例：製品チームがデザインモックアップを提供すると、モデルはアニメーション、3Dシミュレーション、ライブテレメトリダッシュボードを備えた完全なインタラクティブなプロトタイプを生成—Google自身のデモンストレーションで示されている通りです。 **Gemini 3.1 Proを代替案より選択すべき時：** - Claude Opusよりも：コスト、コンテキストウィンドウ、動画理解、または科学的推論の深さが主要な制約となる時 - GPT-5.2よりも：マルチモーダル能力、長コンテキスト、または価格設定がツール呼び出しの信頼性より重要な時 - DeepSeek R2よりも：マルチモーダル入力、エージェント的ワークフロー、または純粋な数学を超えるプロダクショングレードのコーディングが必要な時 - Gemini 3.5 Flashよりも：純粋な推論の深さ（HLE、GPQA）や長コンテキストのリコールが、速度やエージェント的ツールベンチマークより重要な時

Gemini 3.1 Pro Preview

関連動画

日本語性能

API料金

強み

弱み

活用例

深度分析

強み

弱み

競合比較