Gemini 3.1: funzionalità, benchmark, test pratici e altro

Gemini 3.1 Pro ha risposto correttamente [Red Square]. Il modello ha identificato entrambe le regole in modo indipendente: i colori si alternano (Red ↔ Blue) e le forme ciclano (Square → Circle → Triangle → Square). Ha poi seguito la logica passo dopo passo, mostrando come Blue Triangle diventi Red (toggle del colore) e Square (prossima nel ciclo delle forme), esattamente il tipo di ragionamento composizionale a cui mira questo test.

Test 2: La sequenza camuffata

Questo test verifica l’eliminazione di ipotesi su più livelli. Diamo al modello due sequenze e gli chiediamo di identificare cosa sia la prima (i numeri di partizione da OEIS) e ricavare le due trasformazioni applicate per produrre la seconda.

Here are two sequences. The second was derived from the first in two separate steps. 
Identify the named mathematical sequence that Sequence A belongs to, and work out 
both transformations that were applied to produce Sequence B.

Sequence A: 1, 1, 2, 3, 5, 7, 11, 15, 22, 30, 42, 56, 77
Sequence B: 2, 3, 5, 8, 3, 9, 8, 1, 7, 9, 8, 7

Explain your reasoning step by step.

Gemini 3.1 Pro ha identificato correttamente la Sequenza A come numeri di partizione (A000041) e ha spiegato cosa rappresentano i numeri di partizione nella teoria dei numeri. Ha quindi elaborato sistematicamente entrambe le trasformazioni: prima sommando coppie consecutive per generare una sequenza intermedia, poi calcolando la radice digitale di ciascun risultato. Il modello ha verificato ogni passaggio rispetto alla Sequenza B, mostrando l’intera catena di ragionamento dalla sequenza originale all’output finale.

Test 3: La rete di orologi difettosa

Questo test mira al controllo di coerenza dei vincoli. Sei orologi sono in rete, ognuno applica uno scarto fisso di 20 minuti. Un orologio è guasto. Il modello deve seguire entrambi i percorsi nella rete e individuare la contraddizione.

Ecco il prompt che ho usato:

Six clocks (A, B, C, D, E, and F) are connected in a network. Each clock applies 
a fixed offset to the time it receives. A is the root and shows 12:00. You observe:

- B receives from A and shows 12:20
- C receives from A and shows 11:40
- D receives from B and shows 12:40
- E receives from C and shows 11:00
- F receives from both D and E and shows 13:00

There is exactly one broken clock in the network. Based on the pattern of offsets, 
identify which clock is broken, and give two possible answers for what it should 
actually show (one for each path through the network).

Explain your reasoning step by step.

Gemini 3.1 Pro ha identificato correttamente F come l’orologio guasto e ha dedotto due possibili valori per esso: 13:00 attraverso il percorso di D e 10:00 attraverso il percorso di E. Il modello ha trattato il percorso di destra come uno scarto costante di +20 minuti e quello di sinistra come una sequenza aritmetica di −20, −40, poi −60 minuti.

Prove pratiche con Gemini 3.1 Pro

Oltre ai test di ragionamento astratto, volevo vedere come il modello gestisce compiti pratici che mostrano le sue nuove funzionalità.

Generazione di SVG animati

Google ha puntato molto sugli output visivi basati su codice nel lancio, quindi l’ho testato direttamente con una richiesta semplice e senza template.

Ecco il prompt che ho usato:

Create an animated SVG loading spinner with three bouncing dots. Make it smooth, 
professional, and suitable for embedding on a website. Output only the SVG code.

Gemini 3.1 Pro ha restituito codice SVG pulito con animazioni CSS. L’output era un loader a tre puntini con rimbalzo sfalsato, esattamente quanto richiesto. Si è renderizzato correttamente nel browser al primo tentativo, senza necessità di modifiche. La dimensione del file era minima e, poiché è codice vettoriale, scala perfettamente a qualsiasi dimensione.

È una di quelle funzionalità che suonano come gimmick in un comunicato stampa ma che poi risultano davvero pratiche. Grafica animata leggera, incorporabile e infinitamente scalabile a partire da un prompt testuale è uno strumento solido per il prototyping frontend o per asset visivi rapidi.

Come posso accedere a Gemini 3.1 Pro?

Gemini 3.1 Pro è attualmente in anteprima. Google ha dichiarato che raggiungerà la disponibilità generale a breve, dopo aver recepito i feedback e apportato ulteriori miglioramenti ai workflow agentici.

Ecco le principali opzioni di accesso:

Gemini CLI

Il Gemini CLI è un agente da terminale open-source che dà al modello accesso diretto al tuo ambiente locale. Installalo con il seguente comando:

npm install -g @google/gemini-cli
# Or run directly: npx @google/gemini-cli

La CLI usa un loop ReAct, il che significa che può scrivere codice, eseguirlo, leggere gli errori, correggere i problemi e iterare in autonomia. Con le migliori prestazioni di coding da terminale di 3.1 Pro, questo loop è visibilmente più affidabile. Il livello gratuito offre 60 richieste al minuto e 1.000 al giorno.

Gemini API

L’API di Gemini offre agli sviluppatori accesso programmatico diretto a Gemini 3.1 Pro. 

L’ID del modello che ti serve è: gemini-3.1-pro-preview

Ecco un po’ di codice Python per iniziare:

from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.1-pro-preview",
    contents="Your prompt here"
)
print(response.text)

Il pricing è lo stesso di Gemini 3 Pro Preview.

Il parametro thinking_level accetta low, medium, high o max. Gli strumenti supportati includono Google Search, contesto da URL, esecuzione di codice e ricerca file. Tratterò i dettagli della finestra di contesto nella sezione di confronto qui sotto.

NotebookLM

NotebookLM ora è alimentato da Gemini 3.1 Pro per gli abbonati Google AI Pro e Ultra. NotebookLM risponde solo sulla base dei documenti che carichi, rendendolo uno strumento di ricerca davvero utile quando vuoi che il modello resti ancorato a materiali specifici.

Accesso consumer

Google ha iniziato a distribuire Gemini 3.1 Pro nei suoi prodotti consumer e per sviluppatori, ma non ha pubblicato una semplice mappatura “piano X = modello Y”. In pratica, vedrai 3.1 Pro nell’app Gemini e nell’API man mano che viene distribuito, con AI Ultra che offre l’accesso più ampio.

Gemini 3.1 Pro vs. modelli Claude

I rilasci di febbraio 2026 di Google e Anthropic hanno creato un set di trade-off davvero interessante. Non sono situazioni in cui un modello vince chiaramente. La scelta giusta dipende molto da ciò che stai costruendo.

Vale la pena soffermarsi sul divario di prezzo. Gemini 3.1 Pro costa molto meno sia in input sia in output rispetto a Claude Opus 4.6. Se esegui chiamate API ad alto volume, non è una differenza da poco.

Scegli Gemini 3.1 Pro quando:

• La priorità è il ragionamento astratto e l’analisi scientifica
• Ti serve un supporto nativamente multimodale per video e audio nello stesso modello
• Vuoi la finestra di contesto da 1M nella sua forma stabile e non beta
• Conta l’efficienza dei costi, soprattutto su larga scala

Scegli Claude Opus 4.6 quando:

• Ti servono tutti i 128K token di output (Gemini si ferma a 64K)
• L’orchestrazione multi-agente è centrale nel tuo workflow (Agent Teams è un vero elemento distintivo)
• È importante l’uso del computer via GUI
• Fai lavoro intensivo di conoscenza dove conta la qualità della ricerca approfondita

Scegli Claude Sonnet 4.6 quando:

• Le attività principali sono knowledge work, analisi di documenti o analisi finanziaria
• Ti serve una prestazione quasi da flagship a un prezzo inferiore
• Stai già usando gli strumenti Anthropic e Sonnet è il tuo default

Casi d’uso di Gemini 3.1 Pro

Sulla base dei benchmark e dei test pratici, ecco le aree in cui Gemini 3.1 Pro è particolarmente adatto:

• Ricerca e analisi scientifica: Le ottime prestazioni su GPQA Diamond più la finestra di contesto da 1M la rendono pratica per review della letteratura, generazione di ipotesi e sintesi trasversale di più paper contemporaneamente.
• Agenti di ricerca autonomi: I benchmark agentici migliorati si traducono in compiti reali multi-step come raccogliere informazioni da più fonti, verificare i fatti e produrre report strutturati con supervisione minima.

• Analisi e refactoring di codebase: Una grande finestra di contesto più un ragionamento migliorato gestiscono compiti come identificare incoerenze architetturali tra moduli o tracciare bug su più file.

• Analisi di contenuti multimodali: Il supporto nativo per video e audio consente di analizzare riunioni registrate, estrarre insight da lezioni video o processare podcast senza pre-processing.

• Deployment in produzione sensibili ai costi: A circa la metà del costo di Claude Opus 4.6, ha senso per inferenza ad alto volume quando la qualità del ragionamento conta ma il budget è un vincolo.

• Prototipazione e asset visivi: L’output animato basato su codice genera spinner di caricamento, grafici animati o dashboard interattivi da prompt testuali che puoi incorporare direttamente.

Considerazioni finali

Gemini 3.1 Pro è un buon esempio della direzione in cui stanno andando questi modelli. Meno focus su nuovi tipi di input, più focus su un ragionamento migliore, agenti più affidabili e gestione di contesti più lunghi. Anche se è solo un rilascio “.1”, i miglioramenti nei benchmark e il legame con Deep Think lo fanno sembrare un passo avanti più grande nel modo in cui questi sistemi pensano.

Per i team che costruiscono prodotti reali, non esiste un unico modello “migliore”. Gemini 3.1 Pro funziona bene per ragionamento scientifico, agenti di ricerca e analisi di grandi codebase, soprattutto considerando prezzo e supporto video. Claude è ancora migliore per knowledge work e uso del computer attraverso lo schermo, e GPT-5.3-Codex vince ancora in alcuni test di coding.

La domanda interessante è cosa succederà quando uscirà dall’anteprima. Google ha detto che sta lavorando a miglioramenti agentici prima del rilascio completo. Se arriveranno insieme agli attuali upgrade di ragionamento, il divario tra modelli di ricerca come Deep Think e modelli per l’uso quotidiano si ridurrà. Per ora, è un buon momento per provare modelli diversi e costruire sistemi capaci di sfruttare al meglio i punti di forza di ciascuno.

Per iniziare con gli strumenti IA di Google, dai un’occhiata al nostro corso Introduzione a Google Gemini . Per lavorare con l’API in Python, il nostro tutorial Working with the Gemini API copre gli elementi essenziali.