Gemini 3.1 Proの詳細解説：ARC-AGI-2で77.1%を記録し推論能力が前世代の2倍に
Gemini 3.1 Proとは
2026年2月19日、GoogleはGemini 3シリーズの最新モデル「Gemini 3.1 Pro」を発表した。Gemini 3 Proの後継として、推論能力、マルチモーダル対応、エージェント機能を大幅に強化している。
主な仕様
| 項目 | 詳細 |
|---|---|
| コンテキストウィンドウ | 1Mトークン |
| 最大出力 | 64Kトークン |
| 対応入力 | テキスト、コード、画像、音声、動画、PDF |
| 知識カットオフ | 2025年1月 |
| 提供形態 | API（プレビュー）、Geminiアプリ、NotebookLM |
主要ベンチマーク結果
推論能力
| ベンチマーク | Gemini 3.1 Pro | Gemini 3 Pro | Claude Opus 4.6 | GPT-5.2 |
|---|---|---|---|---|
| ARC-AGI-2 | 77.1% | 31.1% | 68.8% | 52.9% |
| GPQA Diamond | 94.3% | 91.9% | 91.3% | 92.4% |
| HLE（学術推論） | 44.4% | 37.5% | 40.0% | 34.5% |
ARC-AGI-2では前世代の31.1%から77.1%へと2.5倍の向上を達成。完全に新しい論理パターンを解く能力が大幅に改善された。
コーディング・エージェント
| ベンチマーク | Gemini 3.1 Pro | Claude Opus 4.6 | GPT-5.3-Codex |
|---|---|---|---|
| SWE-Bench Verified | 80.6% | 80.8% | — |
| SWE-Bench Pro | 54.2% | — | 56.8% |
| Terminal-Bench 2.0 | 68.5% | 65.4% | 64.7% |
| SciCode | 59% | 52% | — |
| LiveCodeBench Pro | 2887 Elo | — | — |
SWE-Bench VerifiedではClaude Opus 4.6（80.8%）とほぼ同スコア。Terminal-Bench 2.0では65.4%のOpus 4.6を上回る68.5%を記録した。
マルチモーダル・マルチリンガル
| ベンチマーク | Gemini 3.1 Pro | Gemini 3 Pro |
|---|---|---|
| MMMU-Pro | 80.5% | 81.0% |
| MMMLU | 92.6% | 91.8% |
| MRCR v2（128K） | 84.9% | 77.0% |
エージェント・ツール利用
| ベンチマーク | Gemini 3.1 Pro | Claude Opus 4.6 | GPT-5.2 |
|---|---|---|---|
| MCP Atlas | 69.2% | 59.5% | 60.6% |
| BrowseComp | 85.9% | 84.0% | 65.8% |
| τ2-bench（Retail） | 90.8% | 91.9% | 82.0% |
MCP Atlasでは69.2%を記録し、Claude Opus 4.6（59.5%）を大きく上回った。
Gemini 3.1 Proの強み
1. 抽象推理の飛躍的向上
ARC-AGI-2の77.1%は、前世代の31.1%から大きく改善されたスコアだ。このベンチマークは「完全に新しい論理パターン」を解く能力を測定しており、モデルの汎化能力の指標となる。
2. エージェントワークフローの強化
MCP Atlas 69.2%、BrowseComp 85.9%といったスコアは、マルチステップのツール利用タスクでの優位性を示している。Googleは「finance and spreadsheet applications」などのドメインでのエージェント能力改善を強調している。
3. 思考レベルの拡張
新しくMEDIUM思考レベルが追加され、コスト・性能・速度のトレードオフをより細かく調整可能になった。従来のHIGHに加え、用途に応じた最適化がしやすくなった。
4. カスタムツールエンドポイント
gemini-3.1-pro-preview-customtoolsというエンドポイントが新設され、view_fileやsearch_codeのようなカスタムツールを優先的に使用するエージェントワークフローに最適化されている。
料金と利用方法
Gemini 3.1 Proは以下のプラットフォームで利用可能だ。
- 開発者向け: Gemini API（Google AI Studio）、Gemini CLI、Google Antigravity、Android Studio
- 企業向け: Vertex AI、Gemini Enterprise
- 消費者向け: Geminiアプリ、NotebookLM（Pro/Ultraプラン）
Google AI Proプラン（月額$20）およびUltraプラン（月額$100）のユーザーは、Geminiアプリ内で3.1 Proにアクセスし、より高い利用制限を利用できる。
他のモデルとの位置づけ
2026年前半のAIモデル市場において、Gemini 3.1 Proは以下のように位置づけられる。
| モデル | 強み | GPQA Diamond | SWE-Bench Verified |
|---|---|---|---|
| Gemini 3.1 Pro | 抽象推理、マルチモーダル | 94.3% | 80.6% |
| Claude Opus 4.6 | コーディング、長文処理 | 91.3% | 80.8% |
| Qwen3.7-Max | エージェント、長時間自律 | 92.4% | 80.4% |
| GPT-5.2 | バランス型 | 92.4% | 80.0% |
GPQA Diamond 94.3%は、公開されているスコアの中で最高値だ。
まとめ
Gemini 3.1 Proは、Gemini 3 Proから推論能力を大幅に引き上げたモデルだ。特にARC-AGI-2の77.1%は際立ったスコアで、抽象的な論理問題への汎化能力が他モデルを大きく上回っている。
ポイントを整理すると：
- ARC-AGI-2: 77.1%（前世代の2.5倍）
- GPQA Diamond: 94.3%（最高スコア）
- SWE-Bench Verified: 80.6%（Claude Opus 4.6と同レベル）
- MCP Atlas: 69.2%（エージェント能力で他モデルを凌駕）
- 1Mトークンのコンテキストウィンドウ
- MEDIUM思考レベルの追加でコスト最適化が容易に
読み込み中...