Gemini 3.1 Pro 相关 AI 资讯

7月3日

09:04

官方账号arXiv cs.LG@Samiha A. Ismail, Fan X. Chen, Ali Merali

研究者设计了5个临床场景（麻醉、内科/家庭医学、急诊、产科），共184条MECE评分标准。GPT 5.4、Claude Opus 4.7、Gemini 3.1 Pro的平均rubric通过率分别为0.39、0.47、0.37。最关键的权重5标准通过率仅32.4-41.7%，而低权重（1）标准通过率80-90%。108个关键标准中52%未被任何模型满足。LLM自动评分器在92.8-94.7%的标注上再现专家判断。

推荐理由：这篇论文告诉你当前最强模型在临床推理上有多弱：关键问题正确率不到一半，而简单问题却能答得很准。适合想了解模型真实局限的读者。

原文

6月26日

00:27

官方账号Decoder@Matthias Bastian

《华盛顿邮报》的一项调查发现，多数主流AI聊天机器人在政治问题上存在左倾倾向。OpenAI的GPT-5.5在80%的情况下只提供左倾论点。马斯克旗下标榜'反觉醒'的Grok模型也更多偏向左倾。唯一的例外是谷歌Gemini 3.1 Pro，它在93%的测试中呈现了双方观点。

行业 GPT-5.5 Grok Gemini 3.1 Pro AI偏见政治倾向

推荐理由：想知道你用的AI聊天机器人有没有政治立场？《华盛顿邮报》测了GPT-5.5、Grok和Gemini 3.1 Pro，结果左倾现象普遍，连Grok都没逃过。来看看数据。

原文

6月25日

08:26

Jerry Liu@jerryjliu0

精选

Jerry Liu 发布了 Mistral OCR 在 ParseBench 上的更新结果。该模型的总体得分超过了 GPT-5.5，仅略低于 Gemini 3.1 Pro。在内容忠实度、语义格式和视觉定位方面表现优秀，在表格处理上表现一般，图表能力有限。这些结果展示了该价格区间内模型的竞争力。

AI模型 Mistral OCR GPT-5.5 Gemini 3.1 Pro ParseBench OCR

推荐理由：Mistral OCR 在 ParseBench 上打败了 GPT-5.5，离 Gemini 3.1 Pro 也不远，价格还便宜，做文档解析很值。

原文

6月21日

23:57

宝玉@dotey

推文作者认为 Gemini 3.1 Pro 的翻译质量最佳，Opus-4.8 因写作能力不足导致翻译生硬。回复中分享了使用 Claude Code 并设置 /effort 为 ultracode 后的多智能体翻译流程：先让 3 位风格各异的译者各出一稿，再由双语编辑对照原文评审，综合定稿后逐句校对。作者强调这个过程实际触发了 Claude Code 的 dynamic workflow 并自动写提示词执行。用户提供的经验来自对翻译工作流的长期探索。

技巧 Gemini 3.1 Pro Opus-4.8 Claude Code 翻译工作流提示词工程

推荐理由：别再用 Opus-4.8 硬翻了，试试 Claude Code 的 ultracode 模式+多智能体流水线，实测翻译质量能提升不少。

原文

6月20日

16:21

16:21IT之家（博客/媒体）

上海交通大学等机构在arXiv发布研究，提出BabelTele压缩方法。该方法将文本压缩至原大小的27.9%，仍保持99.5%的语义准确性。人类阅读压缩文本后问答准确率显著下降，但Gemini 3.1 Pro准确率稳定。在MeetingBank和QuALITY基准上，同等压缩率下BabelTele优于LLMLingua-2。多智能体通信测试中，减少约40%通信Token，任务完成度超过96%。

AI模型 BabelTele Gemini 3.1 Pro 文本压缩多智能体语义保留

推荐理由：上海交大团队搞了个BabelTele，AI之间能说人类看不懂的语言，压缩四分之三文本还差不多全对，省token神器。

原文

6月13日

20:46

官方账号Decoder@Matthias Bastian

Google Research 发布了 Gemini-SQL2，这是一个基于 Gemini 3.1 Pro 构建的模型，能将自然语言转换为可执行的 SQL 查询。在 BIRD 基准测试中，Gemini-SQL2 达到了 80.04% 的准确率，大幅领先于 OpenAI 和 Anthropic 的模型。Google 表示该技术有望改进其数据服务中的自然语言功能。

AI模型 Gemini-SQL2 Gemini 3.1 Pro Google Research BIRD基准文本到SQL

推荐理由：Google 的 SQL 模型准确率超 80%

原文

09:50

rohanpaul_ai@rohanpaul_ai

《自然医学》一项研究对比了OpenEvidence、UpToDate Expert AI与GPT-5.2、Gemini 3.1 Pro、Claude Opus 4.6在医学考试题、临床风格回答及医生真实提问上的表现。在100个脱敏临床问题中，盲审医生更偏好前沿通用模型，尤其在完整性和清晰度上胜出。结果显示通用LLM在医生评审的临床任务中已超越专用医疗AI产品。

论文 GPT-5.2 Gemini 3.1 Pro Claude Opus 4.6 Nature Medicine 医疗AI

推荐理由：通用模型在医疗任务上反超专用AI

原文

09:43

官方一手marktechpost@Asif Razzaq

精选

Google Research 于 2026 年 6 月 12 日发布 Gemini-SQL2，基于 Gemini 3.1 Pro 模型。该模型在 BIRD 单模型排行榜上取得 80.04% 的执行准确率。文章解释了该分数含义、排行榜对比情况，以及 Google 未披露的细节。同时介绍了使用场景和基于 schema 的实现模式。

AI模型 Gemini-SQL2 Gemini 3.1 Pro BIRD Text-to-SQL 推理模型

推荐理由：Google 新模型 SQL 准确率破 80%

原文

6月10日

22:20

berryxia@berryxia

一条推文对比了 Fable 5、Opus 4.8、Gemini 3.1 Pro 和 GPT 5.5 四款模型，指出只有 Google 还在使用去年的模型。这反映了当前 AI 模型迭代速度的差异，Google 的 Gemini 3.1 Pro 相对落后于其他厂商的新模型。

AI模型模型对比 Fable 5 Opus 4.8 Gemini 3.1 Pro GPT 5.5

推荐理由：关注模型迭代节奏的开发者可以快速了解各厂商最新进展，Google 用户会意识到其模型可能落后了。

原文

6月9日

20:32

rohanpaul_ai@rohanpaul_ai

72°

Cognition 推出 FrontierCode 编码基准测试，评估 AI 生成的代码是否达到人类维护者愿意合并的质量，而不仅仅是能否通过测试。该基准包含 150 个任务，由 20 多位开源维护者设计，每个任务耗时超 40 小时。结果显示，最强模型 Claude Opus 4.8 在最高难度 Diamond 子集上仅得 13.4%，GPT-5.5 得 6.3%，Gemini 3.1 Pro 得 4.7%。评分系统引入“阻塞项”机制，任何导致无法合并的问题（如行为错误、不安全改动）直接判 0 分，通过后才按可读性、类型安全等软质量项加权。这揭示了当前 AI 编程助手在代码设计、约束和项目风格适配上的严重不足。

AI产品基准测试代码质量 Claude Opus 4.8 GPT-5.5 Gemini 3.1 Pro

推荐理由：FrontierCode 把 AI 编程评测从「能跑就行」升级到「能合并才算数」，做代码质量评估或 AI 编程工具的团队值得关注——它暴露了当前模型在真实代码审查中的致命短板。

原文

6月5日

02:16

宝玉@dotey

博主建议用户根据自身条件选择2-3个最聪明的AI模型使用，而非追求数量。他认为单一模型不够稳定和全面，例如GPT-5.5不如Opus 4.8稳定，写作时甚至需要退回Opus 4.6。翻译任务他偏好Gemini 3.1 Pro，画图则选GPT Image 2。即使Opus 4.8表现不错，复杂任务也会让GPT-5.5同时出方案对比。他强调Token贵的省时间，时间比Token更宝贵。

技巧模型选择 GPT-5.5 Opus 4.8 Gemini 3.1 Pro GPT Image 2

推荐理由：这条建议直击AI用户选模型的痛点——不是越多越好，而是选对2-3个最聪明的。经常用AI做复杂任务的开发者或创作者，看完会重新思考自己的模型组合，省下时间比省Token更划算。

原文

01:48

lmarena.ai@lmarena_ai

88°

Arena 平台推出 Agent Mode，允许用户测试 AI 智能体在真实任务中的表现，包括深度研究、生成报告、构建网站、调试代码等。该模式通过集成网页搜索、沙箱环境 bash、图像生成、文件写入和追问等工具，评估前沿模型如 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro 和顶级开源模型的智能体能力。这标志着 AI 评测从对话转向复杂任务执行，为开发者提供了直观的模型选择依据。用户可直接在 Arena 中体验并对比不同模型的智能体性能。

AI产品智能体评测平台 GPT-5.5 Claude Opus 4.7 Gemini 3.1 Pro

推荐理由：Arena 的 Agent Mode 解决了 AI 评测脱离实际任务的问题，做智能体应用或选型的开发者可以直接上手对比 GPT-5.5 和 Claude Opus 4.7 的真实表现，值得一试。

原文

5月29日

10:12

lmarena.ai@lmarena_ai

精选

Arena 的 AI 能力负责人 @petergostev 对 Anthropic 最新发布的 Claude Opus 4.8 进行了超过 200 项 Code Arena 前端测试，涵盖思考与非思考模式，并与过去的 Opus 变体、Gemini 3.1 Pro、3.5 Flash 和 GLM 5.1 进行对比。测试内容包括 3D 场景生成、游戏开发和前端 UI 设计等多个维度。结果已发布在 Arena 的线程中，供开发者参考和讨论。

AI模型 Claude Opus 4.8 前端测试模型对比 Gemini 3.1 Pro GLM 5.1

推荐理由：前端开发者可以直观看到 Claude Opus 4.8 在复杂 UI 和游戏生成上的实际表现，对比多个主流模型后能更精准选型，值得点开线程看具体案例。

原文

05:36

官方账号Decoder@Matthias Bastian

88°

Anthropic 推出了 Claude Opus 4.8，该模型在大多数基准测试中超越了 GPT-5.5 和 Gemini 3.1 Pro。相比前代，它发现自身编码错误的频率提高了四倍。同时，Anthropic 还推出了动态工作流功能，可启动数百个并行子智能体来处理代码库迁移等任务。这标志着 Claude 在性能和自动化能力上的显著提升。

AI模型 Claude Opus 4.8 GPT-5.5 Gemini 3.1 Pro 编码错误检测动态工作流

推荐理由：Claude Opus 4.8 在编码错误检测和并行任务处理上大幅进化，做大型代码库迁移或复杂自动化的开发者可以直接体验动态工作流带来的效率提升。

原文

5月23日

02:16

官方账号Logan Kilpatrick@OfficialLoganK

精选

Gemini 3.5 Flash 在 Roboflow 视觉评估中多项指标超越 3.1 Pro。其平均推理速度快约6倍，大幅降低延迟。该模型在多模态理解上展示出更强能力，尤其适合视觉密集型任务。

AI模型 Gemini 3.5 Flash Gemini 3.1 Pro Google 多模态视觉理解

推荐理由：谷歌新 Flash 视觉又快又准

原文

5月21日

07:59

官方一手歸藏(guizang.ai)@op7418

AI Studio 网页版在选择了 Gemini 3.1 Pro 模型后，即使不切换到 Build 模式，仅使用 Chat 模式，首页也会出现 Model 和 Agent 的分类选项。这一变化意味着用户可以在对话界面直接切换模型或调用智能体，无需进入构建模式。这简化了工作流，提升了多模型协作的便利性。对于经常在 AI Studio 中测试不同模型或使用 Agent 的开发者来说，这是一个实用的界面改进。

AI产品 AI Studio Gemini 3.1 Pro 模型切换智能体界面更新

推荐理由：AI Studio 悄悄改了 Chat 模式下的模型切换逻辑，做多模型对比或 Agent 调用的开发者可以少点一次按钮，值得试试。

原文

5月17日

01:06

AI Will@FinanceYF5

一位开发者用 GPT-4o 和 Gemini 3.1 Pro 快速构建了一款交互式科学应用，UI 设计和星球纹理均由 AI 生成。该实验展示了多模态 AI 在创意编程和科学可视化中的潜力，无需专业设计或编程背景即可快速产出可交互的原型。这一流程大幅降低了科学教育应用的制作门槛，适合教育工作者、科普创作者和前端开发者参考。

AI产品 GPT-4o Gemini 3.1 Pro 交互式应用科学可视化 AI 编程

推荐理由：AI 从设计到代码全包了，做科学可视化或教育应用的开发者可以直接抄作业，省掉 UI 和纹理设计的时间。

原文

01:05

AI Will@FinanceYF5

开发者Dilum Sanjaya分享了一个利用GPT Images 2 Code和Gemini 3.1 Pro快速制作交互式科学应用的想法。他仅用一天时间就完成了UI设计和星球纹理的生成，展示了AI工具在创意原型开发中的潜力。这个案例表明，非专业开发者也能借助AI快速实现科学可视化应用。对于教育、科普或游戏开发者来说，这是一个低成本、高效率的创作路径。

AI产品 GPT Images 2 Code Gemini 3.1 Pro 交互式应用科学可视化原型开发

推荐理由：这个案例展示了AI工具链如何让科学可视化应用从想法到原型只需一天，适合教育工作者、科普创作者和独立开发者尝试，能大幅降低交互式内容制作门槛。

原文

5月16日

16:52

Thomas Wolf@Thom_Wolf

精选73°

David Louapre 发布了 physics-intern，一个专为理论物理设计的智能体框架。该框架将复杂物理问题分解并分配给多个专业智能体协同解决，包括自我纠错、推导方程、计算中间结果和重新评估最佳方法。在 CritPt 基准测试上，physics-intern 将 Gemini 3.1 Pro 的性能从 17.7% 提升至 31.4%，达到新的最优水平。这展示了多智能体协作在解决高难度科研问题上的巨大潜力。

AI产品 physics-intern 多智能体协作理论物理 CritPt基准 Gemini 3.1 Pro

推荐理由：理论物理研究者终于有了一个能真正帮上忙的AI工具——physics-intern通过多智能体协作将难题拆解，效果远超单一模型。做科研自动化的团队值得关注这个框架的设计思路。

原文