Artificial Analysis 对 Gemini 3.1 Pro Preview 的 182 模型综合基准与端到端延迟实测

一句话结论

Artificial Analysis 独立实测显示，Gemini 3.1 Pro Preview 综合智能指数得分 48（同价位中位数 35），生成速率高达 121.4 t/s（同价位中位数 76.2 t/s），但受长推理链影响首 token 响应延迟（TTFT）达 32.45s，属于典型的高智力、高速率、高前置推理耗时的推理模型。

测试环境

• 评测机构：Artificial Analysis 独立基准评测平台。

• 评测对象：gemini-3.1-pro-preview（Google 官方第一方 API 端点）。

• 对比基线：同类同价位区间（>$1.00/1M tokens）182 个主流大语言模型。

• 评估体系：Artificial Analysis Intelligence Index v4.1.1（聚合 9 大基准：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR）。

• 测试配置：统一采用第一方 API 默认参数与推理档位，统计全流程 Token 消耗、生成吞吐速率、首 Token 延迟及调用费用。

输入/配置

• 输入模态：支持文本、图像、语音、视频。

• 输出模态：文本输出。

• 上下文窗口：1,000,000 Tokens（1M）。

• API 标价：输入 $2.00 / 1M Tokens，输出 $12.00 / 1M Tokens，上下文缓存命中折扣 90%（Cache Hit: $0.20 / 1M Tokens）。

结果数据

结论

Gemini 3.1 Pro Preview 在独立受控评测中展现出突出的“高速解码 + 紧凑输出”特征（121.4 t/s，输出 token 消耗明显少于同级中位数），适合长文档推理与高吞吐分析；但其 32.45 秒的 TTFT 决定了其不适合低延迟实时对话或要求亚秒级首字响应的交互界面。

局限

• 测试基于 Google 官方 API 的 preview 快照，实际生产环境受服务器负载波动影响可能存在抖动。

• 综合智力指数未单独拆解不同 thinking_level（low/medium/high）对单项学术子基准的具体性能-延迟边际效应。

• 输入仅限第一方 API，未包含第三方分发平台（如 OpenRouter、Vertex 代理等）的路由损耗。

复现步骤

1. 接入 Google GenAI API，指定模型为 gemini-3.1-pro-preview。

2. 运行 Artificial Analysis Intelligence Index v4.1.1 对应的 9 个开源或受控子数据集评测脚本。

3. 开启流式传输（Streaming），分别记录发送请求至接收首个 answer token 的时间（TTFT）以及后续 token 输出速率（Tokens Per Second）。

4. 汇总输入/输出 token 数量，结合官方 API 定价计算实际单任务任务成本。