Google Deep Mind독점

Gemini 3.1 Pro Preview

Name: Gemini 3.1 Pro Preview
Author: Google Deep Mind

이 모델 비교

일본어 처리 능력

✅High-Quality JP

Multilingual model with strong Japanese language processing capabilities.

API 가격

입력 가격 (1M 토큰당)

출력 가격 (1M 토큰당)

과금 모드: standard

강점

약점

활용 사례

심층 분석

GPQA Diamond

94.3%

#1 독점 모델 (도구 없음)

ARC-AGI-2

77.1%

ARC Prize 검증, Gemini 3 Pro 대비 2.5배 도약

SWE-Bench Verified

80.6%

단일 시도, Claude Opus 4.6과 약 0.2pp 차

LMArena Elo

1481~1501

다수 트래커 기준 종합 3위 내

컨텍스트 윈도우

100만 토큰 (Vertex에서 200만)

시장 최대 프로덕션 컨텍스트

입력/출력 가격

$2.00 / $12.00 per 1M

표준 계층(입력 200K 이하), Opus 출력 대비 약 40% 저렴

강점

・최고 수준 독점 GPQA Diamond 점수(94.3%)로 급별 과학·다단계 추론
・진짜 100만 토큰 컨텍스트에 강한 장문 검색(MRCR v2 128K: 84.9%)으로 복잡한 RAG 파이프라인 불필요
・텍스트·이미지·오디오·최대 3시간 비디오를 포괄하는 최고 수준 멀티모달 이해

약점

・여전히 프리뷰 상태로 프로덕션 SLA 없음, API 변경 가능성, 확정 GA 일자 없음
・장문 컨텍스트 가격은 입력 200K 토큰 초과 시 2배($4/$18)로 비싸져 전체 윈도우 사용이 고비용
・사고 단계 때문인 높은 첫 토큰 시간(~28~30초)으로 경쾌한 대화형 사용 사례에 제약

경쟁사 비교

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

개요

Gemini 3.1 Pro Preview는 2026년 2월 19일 Google DeepMind가 출시한 모델로, Gemini 제품군 역사상 단일 버전 추론 도약이 가장 큽니다. 암기 저항 설계 벤치마크인 ARC-AGI-2에서 모델은 31.1%(Gemini 3 Pro)에서 검증된 77.1%로, 약 3개월 만에 성능을 2배 이상 끌어올렸습니다. 여기에 기록적인 GPQA Diamond 94.3%(대학원 수준 과학 추론)와 프론티어급 SWE-Bench Verified 80.6%가 더해져, Google은 추론·코딩·멀티모달 전 영역에서 확실한 최상위 경쟁자로 자리잡습니다. 모델의 정의적 능력은 날 숫자 너머로 확장됩니다. 네이티브 100만 토큰 컨텍스트(Vertex AI에서 200만까지 확장)는 2026년 중반 기준 프로덕션 최대 규모이며, 128K 토큰에서 검증된 장문 검색 정확도 84.9%를 자랑합니다. 비디오 이해는 VideoMME에서 87.2%(Claude Opus 4.5 대비 8점 차)로 비디오 중심 워크플로에 가장 강력한 선택입니다. 또한 Google 생태계와 깊이 통합됩니다. 실시간 데이터용 Search grounding, Workspace·BigQuery 커넥터, Vertex AI의 기업급 거버넌스. 주된 주의점은 프리뷰 라벨(프로덕션 SLA 미보장, GA 전 API 표면 변경 가능)과 200K 입력 초과 시 비용이 2배가 되는 계층형 가격입니다. Google Cloud 위에 있거나 프론티어 추론에 멀티모달·장문 컨텍스트 지원이 필요한 팀에는 Gemini 3.1 Pro Preview가 해당 계층에서 가장 강한 가격 대비 능력 비율을 제공합니다. 다만 순수 코딩 자율성은 Claude Opus가, 순수 수학 추론은 DeepSeek R2가 앞서므로, 마이그레이션 전 워크로드별 벤치마크가 필수입니다.

벤치마크 및 성능

Gemini 3.1 Pro Preview는 거의 모든 주요 벤치마크에서 최신 또는 최신급 결과를 냅니다. 다음 표는 Google DeepMind 모델 카드와 기술 보고서의 공식 점수에 Artificial Analysis, evals.report, ARC Prize 검증의 독립 평가를 보충한 것입니다. | 벤치마크 | 분류 | Gemini 3.1 Pro | Gemini 3 Pro | Claude Opus 4.6 (Max) | GPT-5.2 (xhigh) | 비고 | |---|---|---|---|---|---|---| | GPQA Diamond | 과학 추론 | 94.3% | 91.9% | 91.3% | 92.4% | 도구 없음, 독점 1위 | | ARC-AGI-2 | 추상 추론 | 77.1% | 31.1% | 68.8% | 52.9% | ARC Prize 검증 | | Humanity's Last Exam (도구 없음) | 학술 추론 | 44.4% | 37.5% | 40.0% | 34.5% | 텍스트 + 멀티모달 | | Humanity's Last Exam (검색+코드) | 학술 추론 | 51.4% | 45.8% | 53.1% | 45.5% | 도구 포함 | | SWE-Bench Verified | 에이전틱 코딩 | 80.6% | 76.2% | 80.8% | 80.0% | 단일 시도 | | SWE-Bench Pro (공개) | 다양한 코딩 | 54.2% | 43.3% | — | 55.6% | 단일 시도 | | LiveCodeBench Pro | 경쟁 코딩 | 2887 Elo | 2439 Elo | — | 2393 Elo | Codeforces/ICPC/IOI | | Terminal-Bench 2.0 | 에이전틱 터미널 | 68.5% | 56.9% | 65.4% | 54.0% | Terminus-2 하니스 | | AIME 2025/2026 | 수학 추론 | 91.2~98.3% | 86.0% | — | — | Deep Think 모드 | | τ2-bench Retail | 도구 사용 | 90.8% | 85.3% | 91.9% | 82.0% | 에이전틱 벤치마크 | | τ2-bench Telecom | 도구 사용 | 99.3% | 98.0% | 99.3% | 98.7% | 천장 근접 | | MCP Atlas | 다단계 워크플로 | 69.2% | 54.1% | 59.5% | 60.6% | MCP 기반 | | BrowseComp | 에이전틱 검색 | 85.9% | 59.2% | 84.0% | 65.8% | 검색 + + Browse | | MMMU-Pro | 멀티모달 추론 | 80.5% | 81.0% | 73.9% | 79.5% | 도구 없음 | | MMMLU | 다국어 Q&A | 92.6% | 91.8% | 91.1% | 89.6% | | | MRCR v2 (128K) | 장문 컨텍스트 | 84.9% | 77.0% | 84.0% | 83.8% | 8-바늘 검색 | | MRCR v2 (1M) | 장문 컨텍스트 | 26.3% | 26.3% | N/A | N/A | Gemini만 1M 지원 | | SciCode | 과학 코딩 | 59% | 56% | 52% | 52% | | | APEX-Agents | 장시간 작업 | 33.5% | 18.4% | 29.8% | 23.0% | | | VideoMME | 비디오 이해 | 87.2% | 84.8% | ~79.2% | ~81.3% | 최대 3시간 클립 | **종합 지수:** - Artificial Analysis 지능 지수: 46~57 (버전별; 평균 상회) - LMArena Elo: 1481~1501 (전 세계 3위 내) - Epoch 역량 지수: 156.6 **속도 및 지연 (Artificial Analysis 기준):** - 출력 속도: 약 116~143 토큰/초 (추론 모델 평균 상회) - 첫 토큰 시간: 약 28~30초 (높음; 사고 단계가 지배적) - 500 토큰 종단 간 응답 시간: TTFT로 인한 두드러진 지연 Gemini 3 Pro 대비 가장 큰 차별점은 ARC-AGI-2(+46pp), Terminal-Bench 2.0(+11.6pp), LiveCodeBench Pro(+448 Elo), MCP Atlas(+15.1pp)로, 모두 추론 깊이와 에이전틱 도구 사용에서의 실질적 향상을 반영합니다.

상세 비교

### Claude Opus 4.5 vs | 항목 | 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 카드) | | ARC-AGI-2 | 77.1% | 68.8% | | VideoMME | 87.2% | 79.2% | | 컨텍스트 윈도우 | 100만 토큰 | 200K 토큰 | | 입력 가격 | $2.00/1M | $15.00/1M | | 출력 가격 | $12.00/1M | $75.00/1M | Gemini 3.1 Pro는 추론 깊이, 비디오 이해, 컨텍스트 윈도우, 비용에서 압도(출력 약 6배 저렴). Claude Opus 4.5는 창작 글쓰기 품질, 지시 따르기 스타일, 일부 다중 파일 리팩터링 코딩 우위 유지. 예산 제약 없는 자율 코딩 에이전트를 운영하는 팀에는 Claude의 SWE-Bench 우위(WhatLLM 기준 약 5pp)가 100건당 약 5개 더 해결된 GitHub 이슈로 이어짐. 그 외에는 Gemini의 가격·컨텍스트 우위가 결정적. ### GPT-5.2 vs | 항목 | 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% | | 컨텍스트 윈도우 | 100만 토큰 | 100만 토큰 | | 입력 가격 | $2.00/1M | $10.00/1M | | 출력 가격 | $12.00/1M | $30.00/1M | Gemini 3.1 Pro는 사실상 모든 벤치마크에서 GPT-5.2를 앞서면서 입력·출력 모두 2.5배 저렴. ARC-AGI-2 격차(77.1% 대 52.9%)가 특히 큼. GPT-5.2는 도구 호출 신뢰성(swfte.com 보고 기준 성공률 97.4% 대 91.6%)과 일부 기업 워크플로 우위 유지. OpenAI 생태계 통합(ChatGPT, DALL-E, Codex)은 해당 스택에 이미 편입된 팀에 매력. ### DeepSeek R2 vs | 항목 | 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% | | 비디오 이해 | 87.2% (VideoMME) | 미지원 | | 컨텍스트 윈도우 | 100만 토큰 | 128K 토큰 | | 입력 가격 | $2.00/1M | $0.55/1M | | 출력 가격 | $12.00/1M | $2.19/1M | DeepSeek R2는 순수 수학 챔피언(AIME 93.8%)이며 입력 비용은 절반 이하입니다. 그러나 텍스트 전용(이미지·오디오·비디오 미지원), 컨텍스트 윈도우가 훨씬 작고 에이전틱 코딩과 도구 사용에서 뒤처집니다. 예산 중심 순수 정량 연구에는 DeepSeek R2가 우승. 멀티모달·장문 컨텍스트·프로덕션 에이전틱 워크플로에는 Gemini 3.1 Pro가 우월한 선택입니다.

커뮤니티 평가

개발자와 연구자 반응은 검증된 ARC-AGI-2 도약과 가격 대비 능력 비율에 집중해 폭넓게 긍정적입니다. 커뮤니티 핵심 주제: **열광:** ARC-AGI-2가 31.1%에서 77.1%로(ARC Prize 검증) 뛴 것은 프론티어 모델 역사상 가장 큰 단일 버전 벤치마크 향상 중 하나로 큰 흥분을 불러일으켰습니다. GPQA Diamond 점수(94.3%)는 독점 모델 중 과학 추론의 새로운 상한으로 널리 인용됩니다. Gemini API 개발자는 깔끔한 SDK 경험(Python, TypeScript, Go, Java, Dart)과 신뢰할 수 있는 함수 호출·구조화 출력을 칭찬했습니다. 100만 토큰 컨텍스트는 이전에 Claude나 GPT용으로 문서를 청킹해야 했던 법률 테크·연구 종합·코드베이스 분석 팀 사이에서 특히 인기입니다. **회의론:** 프리뷰 라벨은 일관된 비판을 받습니다. 여러 리뷰어(benchr, TopReviewed.ai의 회의론자 페르소나, WhatLLM)는 SLA 보장 없는 프리뷰 체크포인트 위에 프로덕션 시스템을 구축하는 것이 계산된 위험이라고 지적합니다. 200K 토큰 가격 절벽 — 입력이 200K를 넘으면 전체 요청이 $4/$18로 재산정됨 — 은 특히 평면 가격 모델에서 이주하는 팀에게 흔한 비용 놀라움으로 지적됩니다. Deep Think 모드의 높은 TTFT(~30초)는 대화형 애플리케이션에 문제라고 언급됩니다. **도입 패턴:** 모델은 Vertex AI를 이미 쓰는 Google Cloud 네이티브 기업, 특히 장문 문서 분석·멀티모달 파이프라인·과학 연구 지원에서 빠르게 도입되었습니다. Workspace와 BigQuery grounding은 어떤 경쟁자도 맞출 수 없는 차별점으로 꼽힙니다. API 측 개발자 도입은 프리뷰 계층 속도 제한(높은 임계 해제를 위한 누적 지출 필요) 때문에 완만합니다. AWS나 Azure에 있는 팀은 생태계 종속 우려로 도입이 느림. **경쟁 프레임:** 커뮤니티는 일반적으로 Gemini 3.1 Pro를 최고의 범용 프론티어 모델로 ('가장 낮은 비용으로 가장 넓은 범위의 작업에서 최고' — WhatLLM) 포지셔닝하면서도, 코딩 자율성은 Claude Opus가, 순수 수학은 DeepSeek R2가 선두임을 인정합니다. Gemini 3.5 Pro의 임박한 출시(2026년 5월 Google I/O 발표)는 3.5 Flash가 이미 여러 에이전틱 벤치마크에서 3.1 Pro를 앞서면서 일부 구매 주저림을 불러일으켰습니다.

활용 사례

### 1. 장문 문서 분석 및 연구 종합 Gemini 3.1 Pro의 100만 토큰 컨텍스트(Vertex에서 200만)는 전체 코드베이스, 법률 계약 세트, 학술 논문 모음, 규제 문서를 단일 프롬프트로 처리하는 데 독보적으로 적합합니다. MRCR v2 128K에서 정확도 84.9%로 묻힌 사실을 신뢰 있게 찾습니다. 예: 법률 팀이 60만 토큰 계약 세트를 넣고 교차 참조가 있는 모든 면책 조항을 식별 요청 — Claude(200K 한계)나 GPT-5.2에서는 복잡한 RAG 파이프라인이 필요한 작업. 주의 비용: 입력 200K 토큰 초과 시 $4/$18 장문 컨텍스트 계층 발동 → 적극적 컨텍스트 트리밍과 검색 엔지니어링이 여전히 이득. ### 2. 과학 연구 및 대학원급 Q&A 어떤 독점 모델보다 높은 GPQA Diamond(94.3%)로 Gemini 3.1 Pro는 다단계 과학 추론에 탁월 — 물리·생물·화학에서 3~4단계 유도를 정확도를 유지하며 구성. 예: 제약 연구자가 분자 경로 교차 참조가 필요한 약물 상호작용 기전을 질의하면, Claude Opus보다 약 5pp, GPT-5.2보다 약 2pp 앞서는 지속 과학 추론. 여기에 문헌 갱신용 Search grounding이 더해져 강력한 연구 비서가 됨. ### 3. 비디오 및 멀티모달 파이프라인 처리 VideoMME 87.2%로 Gemini 3.1 Pro는 비디오 이해에서 Claude Opus 대비 8점 우위, 최대 3시간 클립 지원. 사용 사례: 시간적 맥락 팟캐스트 요약, 회의 전사 및 액션 아이템 추출, 비디오 콘텐츠 검색·인덱싱, 비디오-투-코드 워크플로(시각적 UI 디자인을 React 컴포넌트로 변환). 이 가격대에서 이 능력을 갖춘 프론티어 모델은 없음. ### 4. 비용 민감 프론트엔드 개발 및 UI 프로토타이핑 Gemini 3.1 Pro는 프론트엔드 코드 생성 WebDev Arena에서 1위(Elo ~1,443).

Gemini 3.1 Pro Preview

관련 동영상

일본어 처리 능력

API 가격

강점

약점

활용 사례

심층 분석

강점

약점

경쟁사 비교