最近 Google 發(fā)布的 Gemini 3.1 Pro 在圈子里討論度很高，正好我在一個(gè)叫 KULAAI（m.877ai.cn）的?AI 模型聚合平臺(tái)上第一時(shí)間用上了它。那個(gè)站點(diǎn)把國(guó)內(nèi)外主流大模型都整合到了一起，不用一個(gè)賬號(hào)一個(gè)賬號(hào)去注冊(cè)，切模型跟切頻道似的，對(duì)新模型嘗鮮特別友好。深度體驗(yàn)了一周多，想聊聊最打動(dòng)我的 5 個(gè)功能，每一個(gè)都切中了真實(shí)工作流，不只是參數(shù)好看。
一、百萬(wàn) Token 上下文，終于能讀完一整本代碼庫(kù)了
之前用很多模型，上下文一超過(guò)幾十頁(yè)就開始忘事。這次 Gemini 3.1 Pro 把上下文窗口直接拉到了百萬(wàn) Token 級(jí)別，還不是那種“勉強(qiáng)支持但準(zhǔn)確率跳水”的噱頭。
我手里有一個(gè)客戶的老項(xiàng)目，單文件不大，但模塊互相 include，總代碼量有 40 多萬(wàn)行。我把核心目錄做成一個(gè)文本快照扔進(jìn)去，讓模型幫我梳理調(diào)用鏈路，找出了 3 個(gè)循環(huán)依賴。它不光標(biāo)記了位置，還給了我重構(gòu)順序的建議。這種“把整本說(shuō)明書吞下去再回答問題”的體驗(yàn)，之前只有 Claude 的長(zhǎng)窗口做得比較好，但現(xiàn)在 Gemini 的速度和召回準(zhǔn)確率明顯更穩(wěn)，基本沒有漏掉文件中間的函數(shù)聲明。
從趨勢(shì)上看，長(zhǎng)上下文不再是賣點(diǎn)，而是剛需。以后我們?cè)u(píng)判模型，可能不再問“你能讀多長(zhǎng)”，而是問“這么長(zhǎng)的內(nèi)容，你還能精準(zhǔn)提取多少次”。Gemini 3.1 Pro 在這種情況下展現(xiàn)出的檢索增強(qiáng)生成一致性，比很多加了 RAG 的套殼方案還靠譜。
二、原生多模態(tài)理解，連視頻里的細(xì)微動(dòng)作都能抓住
之前多模態(tài)大多停留在“看圖說(shuō)話”，可這次 Gemini 3.1 Pro 對(duì)視頻流的理解上升到了動(dòng)作邏輯層。
我上傳了一段產(chǎn)品操作錄屏，沒有附帶任何解說(shuō)，直接讓它分析用戶在哪一步產(chǎn)生了困惑。它不僅給出了時(shí)間戳，還指出鼠標(biāo)在某個(gè)按鈕區(qū)域來(lái)回滑動(dòng)了 4 秒，且點(diǎn)擊前有一次明顯的猶豫懸停，由此推測(cè)交互文案不明確。這種粒度，以前你得先做埋點(diǎn)、再看熱力圖、再人工復(fù)盤，現(xiàn)在一個(gè)視頻扔進(jìn)去直接就出結(jié)論了。
和 GPT-4o 對(duì)比了一下，GPT-4o 也會(huì)描述視頻里有什么，但在把視覺細(xì)節(jié)轉(zhuǎn)化成用戶體驗(yàn)洞察這一點(diǎn)上，Gemini 3.1 Pro 的邏輯鏈更主動(dòng)。給我的感覺是，Google 把 YouTube 和搜索里積累的多模態(tài)理解能力下沉到了模型層，這是一條跟 OpenAI 依賴的靜態(tài)圖文訓(xùn)練數(shù)據(jù)很不同的路徑。未來(lái)的 AI 視頻編輯、自動(dòng)化 QA、甚至無(wú)人巡檢，可能會(huì)被這類模型徹底改變。
三、深度推理模式，復(fù)雜任務(wù)自己拆解、自己驗(yàn)證
很多模型都有 Chain-of-Thought，但經(jīng)常是“假裝思考”，步驟列得漂亮，結(jié)果一跑就錯(cuò)。Gemini 3.1 Pro 的推理模式允許模型在面對(duì)開放問題時(shí)，自己分階段定義子目標(biāo)，并且會(huì)用工具去驗(yàn)證中間結(jié)論。
我試了一個(gè)真實(shí)需求：給一家小咖啡館設(shè)計(jì)一個(gè)本月會(huì)員復(fù)購(gòu)活動(dòng)，預(yù)算 3000 元，需要同時(shí)考慮毛利率和翻臺(tái)率。它沒有直接甩我一個(gè)方案，而是先拆成“當(dāng)前時(shí)段客單價(jià)和毛利估算”“同城競(jìng)品參考活動(dòng)”“低預(yù)算高感知觸點(diǎn)”三個(gè)子任務(wù)，然后調(diào)用內(nèi)置的搜索工具去拉了參考數(shù)據(jù)，最后輸出了一版帶成本預(yù)估、風(fēng)險(xiǎn)提示和 A/B 測(cè)試建議的策劃。邏輯銜接得非常好，完全像是一個(gè)初級(jí)運(yùn)營(yíng)分析師的工作流派。
這跟 Claude 那種偏保守的長(zhǎng)文寫作助手定位不太一樣，Gemini 3.1 Pro 更像一個(gè)喜歡主動(dòng)動(dòng)手解題的工程師。以后“推理”這個(gè)標(biāo)簽會(huì)越來(lái)越分化：有的模型推理是為了寫出更優(yōu)美的文字，有的則是為了在真實(shí)環(huán)境里完成任務(wù)。后者對(duì) Agent 化來(lái)說(shuō)，價(jià)值更大。
四、工具調(diào)用 API 與 Google 生態(tài)的絲滑咬合
這個(gè)功能表面不性感，但極度實(shí)用。Gemini 3.1 Pro 對(duì) Function Calling 的支持非?？煽?，而且跟 Google 搜索、地圖、郵箱這些 API 有天然的結(jié)合優(yōu)勢(shì)。
我搭建了一個(gè)極簡(jiǎn)的個(gè)人助理自動(dòng)化流：每天上午 9 點(diǎn)，它通過(guò)搜索 API 抓取我關(guān)注的 5 個(gè)細(xì)分賽道新聞，按重要程度排序，然后自動(dòng)調(diào)用 Gmail API 生成一封 HTML 郵件推給我。整個(gè)過(guò)程只寫了幾十行 Python，難點(diǎn)全在 prompt 設(shè)計(jì)上。模型對(duì)工具返回的結(jié)構(gòu)化數(shù)據(jù)解析得非常干凈，幾乎沒有出現(xiàn)幻覺編造 JSON 字段的情況。
相比 OpenAI 的 Function Calling，Gemini 3.1 Pro 的 schema 兼容性更好一些，尤其在嵌套對(duì)象和多選一參數(shù)場(chǎng)景下，不會(huì)擅自腦補(bǔ)。另外就是調(diào)用成本，這個(gè)我們看下一點(diǎn)。工具調(diào)用是模型從“聊天玩具”變成“數(shù)字員工”的必經(jīng)接口，誰(shuí)家穩(wěn)定、便宜、生態(tài)廣，誰(shuí)就能搶到更多自動(dòng)化工作流的入口。
五、價(jià)格真的下來(lái)了，AI 普惠才不是空話
最后打動(dòng)我的可能有點(diǎn)俗，但非?，F(xiàn)實(shí)：價(jià)格。
Gemini 3.1 Pro 的百萬(wàn) Token 輸入成本，比前一代又降了一個(gè)數(shù)量級(jí)，而且免費(fèi)額度給的比較大方。我這一周高強(qiáng)度測(cè)試，調(diào)用了一堆長(zhǎng)文檔和視頻解析，基本沒花什么錢。
我們把性價(jià)比拉出來(lái)比一比：處理一次 50 萬(wàn) Token 的巨型代碼審查，GPT 系列和 Claude 的高配版可能得花掉一杯咖啡的錢，而 Gemini 3.1 Pro 可能只相當(dāng)于一顆糖。對(duì)于個(gè)人開發(fā)者、小團(tuán)隊(duì)、內(nèi)容創(chuàng)作者來(lái)說(shuō)，這意味著你可以把它深深嵌入日常而不心疼。AI 不用供著，隨手就能用，這才是真正的生產(chǎn)力爆發(fā)點(diǎn)。
而且這種低成本不是靠犧牲性能換來(lái)的，說(shuō)明推理架構(gòu)和底層 TPU 的優(yōu)化真的奏效了。未來(lái)模型競(jìng)爭(zhēng)會(huì)從單純的跑分，轉(zhuǎn)向“單位質(zhì)量的成本”。誰(shuí)能讓用戶肆無(wú)忌憚地做多次深度推理、反復(fù)生成視頻分析，誰(shuí)就能沉淀下更多的真實(shí)數(shù)據(jù)，進(jìn)而迭代出更貼近實(shí)戰(zhàn)的模型。
回頭看這五個(gè)功能，其實(shí)都延續(xù)了一個(gè)邏輯：不是去做一個(gè)比前代更會(huì)考試的神童，而是變成一個(gè)更懂你工作流程、也更讓個(gè)人用戶用得起的搭檔。AI 的下半場(chǎng)不會(huì)再有那么多“顛覆世界”的敘事，真正的好東西，就是能每天幫你省下兩小時(shí)，還不用心疼賬單。Gemini 3.1 Pro 在這個(gè)方向上，踩得很扎實(shí)。
