Gemini 3.1 Pro 官方发布：ARC-AGI-2 与产品定位基线

一句话结论

Google 将 Gemini 3.1 Pro 定位为复杂问题、多模态推理和 agentic workflow 的核心模型，并报告 ARC-AGI-2 verified 77.1%，但发布页只给出有限基准上下文。

测试环境

• 版本：Gemini 3.1 Pro，2026-02-19 以 preview 形式发布。

• 入口：Gemini API/AI Studio、Gemini CLI、Google Antigravity、Android Studio、Vertex AI、Gemini Enterprise、Gemini app、NotebookLM。

• 基准：ARC-AGI-2，官方描述为测试模型解决全新逻辑模式的能力。

• 配置：发布页称 verified score，但没有在文章中公开完整提示、样本划分、采样参数或工具轨迹。

输入/配置

官方发布页没有给出 ARC-AGI-2 的完整输入和执行 harness。产品示例层面，官方将模型用于复杂问题、多模态解释、数据合成和创意项目；开发者预览路径以 gemini-3.1-pro-preview 为准。

结果数据

• ARC-AGI-2 verified：77.1%。

• Google 称该分数超过 Gemini 3 Pro 的两倍；发布页没有在同一篇文章中给出 Gemini 3 Pro 的完整配置信息。

• 产品定位：复杂问题和跨模态高级推理；发布时明确说明后续要继续验证 ambitious agentic workflows，再逐步走向一般可用。

结论

ARC-AGI-2 数据支持 Gemini 3.1 Pro 作为抽象推理强项候选；若用户任务是编码 Agent、SQL 或多工具编排，必须另做任务级评测，不能由单一 ARC 分数推导。

局限

• 官方自报，发布文章未提供完整原始样本、提示词、随机种子、成本、失败类型和置信区间。

• “verified”说明有验证过程，但仍不等于独立第三方复现。

• preview 模型的 API、价格、速率和行为可能变化；不能把发布日状态当成永久规格。

• 文章明确将 agentic workflow 作为继续验证方向，不能宣称其 Agent 能力已经全面稳定。

复现步骤

1. 使用固定 gemini-3.1-pro-preview snapshot 和官方允许的 ARC-AGI-2 evaluation protocol。

2. 记录 thinking level、temperature、工具、输入版本、输出和每题耗时；不要混用 Gemini app 与 API 结果。

3. 另建编码、SQL、多工具任务集，按成功率、工具调用准确率、延迟和费用分项报告。

4. 将官方 77.1% 作为发布基线，明确标注自己的 harness 是否可比。