Gemini 3.1 详解：Gemini 3 Pro/Flash、Nano Banana Pro 和 Veo 3.1（功能 + API）

Lisa Ernst · 19.02.2026 · 人工智能 · 10 分钟

“Gemini 3.1”在实践中意味着什么

如果你看到人们谈论 “Gemini 3.1”, 他们通常指的是一组 bundle 的更新： Gemini 3 面向推理的 LLM 系列 (Pro / Flash), 加上最新的 “.1” 生成媒体模型 Veo 3.1 用于视频生成。官方上，Google 将 LLM 系列品牌化为. 而 Gemini 3 — 则在视频方面占据突出地位 3.1 （Veo 3.1） (Veo 3.1).

本文重点介绍真实、与开发人员相关的功能： thinking levels, media resolution, thought signatures, 工具使用，以及每个模型的位置 (text, images, 和视频）。).

快速摘要
Gemini 3 模型系列（Pro、Flash、Pro Image）
思考级别：速度 vs. 深度
媒体分辨率：更好的视觉效果，可预测的成本
思考签名：你不能忽视的领域
工具使用和 agentic 工作流
Nano Banana Pro：图像生成 + 编辑
Veo 3.1：带原生音频的视频生成
常见问题解答
结论

快速摘要

Gemini 3 Pro 和是旗舰推理模型，适用于复杂、高风险的任务 (1M input / 64k output; Jan 2025 cutoff; preview model ID: gemini-3-pro-preview).
Gemini 3 Flash 和可提供 Pro 级功能，同时延迟更低，适用于高频工作流 (preview model ID: gemini-3-flash-preview; 在 Gemini API 中包含免费层).
Nano Banana Pro (aka Gemini 3 Pro Image) 是高质量的图像生成/编辑模型 (preview model ID: gemini-3-pro-image-preview).
新的 API 控件: thinking_level (延迟 vs. 推理深度) 和 media_resolution (视觉保真度 vs. Token 成本).
思考签名 对于严格的工作流（尤其是函数调用和图像生成/编辑）是必需的。如果你的 SDK 不处理它们，则必须进行往返处理。 (你不能忽视的领域). 对于严格的工作流（尤其是函数调用和图像生成与编辑）是必需的。如果你的 SDK 不处理它们，则必须进行往返处理.
“3.1” 突出显示: Veo 3.1 是 Google 最新的视频生成模型，具有原生音频和高端输出选项 native audio 和高端输出选项 (preview model IDs: veo-3.1-generate-preview, veo-3.1-fast-generate-preview).
在哪里使用: Gemini API / AI Studio / Vertex AI, 加上 agentic 环境，如 Google Antigravity 和 Gemini CLI.

Gemini 3 模型系列

Gemini 3 是一个面向推理的模型系列，专为 agentic 工作流、自主编码和多模态任务而设计。官方开发者指南列出了这些预览模型和 ID：

模型	最适合	Gemini API 模型 ID	上下文窗口（输入 / 输出）	知识截止日期
Gemini 3 Pro	复杂推理、长上下文分析、agentic 编码	`gemini-3-pro-preview`	1M / 64k	Jan 2025
Gemini 3 Flash	快速、经济高效的推理 + 多模态理解	`gemini-3-flash-preview`	1M / 64k	Jan 2025
Gemini 3 Pro Image (Nano Banana Pro)	高质量图像生成与编辑	`gemini-3-pro-image-preview`	65k / 32k	Jan 2025

来源: deepmind.google

Nano Banana Pro (Gemini 3 Pro Image) 专为工作室级图像生成和编辑而构建——尤其是在您需要清晰的文本和受控布局时。

思考级别：速度 vs. 深度

Gemini 3 引入了 thinking_level 作为推理深度的实用控制旋钮。如果您想要最快的响应速度（聊天、高吞吐量任务），请限制思考。如果您需要更深入的推理（调试、规划、复杂数学），请保持较高设置。作为推理深度的实用控制旋钮。如果您想要最快的响应速度（聊天、高吞吐量任务），请限制思考。如果您需要更深入的推理（调试、规划、复杂数学），请保持较高设置.

thinking_level	优化内容	典型用例
`minimal` (Flash only)	最低延迟	聊天、UI 助手、超快速迭代循环
`low`	较低的延迟和成本	摘要、分类、简单的指令遵循
`medium` (Flash only)	平衡	大多数日常开发工作流
`high` (default)	最高推理深度	困难的调试、架构决策、多步推理

示例（REST）：

thinking_level.json

{
  "contents": [{
"parts": [{ "text": "Find the race condition in this C++ snippet: [code here]" }]
  }],
  "generationConfig": {
"thinkingConfig": {
"thinkingLevel": "high"
}
  }
}

提示：Gemini 3 已针对默认温度进行了调整如果您之前为了确定性输出而强制使用低温度，请先测试删除它——尤其是在复杂推理方面。

媒体分辨率：更好的视觉效果，可预测的成本

对于图像/视频理解， media_resolution 控制模型每张图像（或每帧视频）可花费的 Token 数量。更高的设置可以提高小文本 OCR 和精细细节——但会增加 Token 数量和延迟。控制模型每张图像（或每帧视频）可花费的 Token 数量。更高的设置可以提高小文本 OCR 和精细细节——但会增加 Token 数量和延迟

设置	何时使用	权衡
`media_resolution_low`	基本视觉理解	最便宜/最快
`media_resolution_medium`	文档、普通截图	PDF 的良好默认设置
`media_resolution_high`	小文本、UI 细节、密集图表	更高的 Token 用量
`media_resolution_ultra_high`	边缘情况（非常小的细节）	最昂貴；谨慎使用

示例代码片段（每部分媒体）：

media_resolution.json

{
  "parts": [
{ "text": "Read the small UI labels and explain what each button does." },
{
"inlineData": { "mimeType": "image/png", "data": "..." },
"mediaResolution": { "level": "media_resolution_high" }
}
  ]
}

思考签名：你不能忽视的领域

思考签名 (thoughtSignature) 是 Gemini 3 用于在 API 调用之间维护推理上下文的加密“推理状态”块。在严格的流程中——尤其是和 function calling ——缺少签名可能会触发 image generation/editing — 错误。如果您使用官方 SDK 和标准的历史记录处理，这通常是自动的。.

如果您需要从旧模型迁移历史记录或注入自定义工具调用（在您没有有效签名的情况下），文档中会描述一个特定的虚拟字符串，您可以在该场景中使用该字符串来绕过严格验证：如果您需要从旧模型迁移历史记录或注入自定义工具调用（在您没有有效签名的情况下），文档中会描述一个特定的虚拟字符串，您可以在该场景中使用该字符串来绕过严格验证

thought_signature.json

"thoughtSignature": "context_engineering_is_the_way_to_go"

工具使用和 agentic 工作流

Gemini 3 支持 Gemini API 中的内置工具（例如 Search grounding、URL context、code execution 和 file search），以及您自己工具的标准函数调用。实际上，这实现了 agentic 工作流：收集信息、运行代码、生成结构化输出并进行迭代——而无需离开模型循环。 (例如 Search grounding、URL context、code execution 和 file search), 以及您自己工具的标准函数调用。实际上，这实现了 agentic 工作流：收集信息、运行代码、生成结构化输出并进行迭代——而无需离开模型循环。. Gemini 3 模型系列适用于需要推理和工具的多步任务，并可用于生成各种内容，包括文本、代码、图像和视频。

实际注意事项：根据终端节点/配置的不同，内置工具和自定义函数调用并非总是能在单个请求中结合使用，因此请设计您的编排，使其具有清晰的阶段（工具步骤→模型步骤→工具步骤）。实际注意事项：根据终端节点/配置的不同，内置工具和自定义函数调用并非总是能在单个请求中结合使用，因此请设计您的编排，使其具有清晰的阶段（工具步骤到模型步骤到工具步骤）。

Nano Banana Pro：图像生成 + 编辑

Nano Banana Pro (Gemini 3 Pro Image) 是一个以图像为中心的模型，当您需要：清晰的排版、受控的构图和多轮编辑时，它表现出色。它专为“专业外观”至关重要的工作流而设计——品牌资产、UI 原型、海报、图表和本地化设计。是一个以图像为中心的模型，当您需要：清晰的排版、受控的构图和多轮编辑时，它表现出色。它专为“专业外观”至关重要的工作流而设计——品牌资产、UI 原型、海报、图表和本地化设计。

Veo 3.1：带原生音频的视频生成

这是许多人称之为 “3.1”: Veo 3.1 时所指的部分。是 Google 通过 Gemini API（付费层）提供的最先进的视频生成模型。它强调电影般的运动、时间一致性和。还有一个更快的变体 native audio generation. 还有一个更快的变体 (veo-3.1-fast-generate-preview) 用于低延迟/低成本工作流。

来源: ai.google.dev

Veo 3.1 使用来源技术（包括 Google 生态系统中的 SynthID）来帮助识别 AI 生成的媒体并支持负责任的使用。

您将在 Gemini API 中看到的示例模型 ID：

veo-3.1-generate-preview (最高质量)
veo-3.1-fast-generate-preview (更快+更便宜)

常见问题解答 (FAQ)

Gemini 3 Pro 和 Flash 的知识截止日期是什么？

Gemini 3 模型列出的知识截止日期为 January 2025. 如需更近期信息，请酌情使用 Search grounding。

上下文窗口有多大？

Gemini 3 Pro 和 Flash 支持最多 1 million input tokens 和最多 64k output tokens (preview).

有免费层吗？

Gemini 3 Flash (gemini-3-flash-preview) 在 Gemini API 中提供免费层 (速率限制适用). Pro 通常在 API 中收费，而两者都可以在 AI Studio 中试用。.

我需要手动管理思考签名吗？

如果您使用官方 SDK 和标准的聊天历史记录处理，签名通常会自动处理。如果您手动构建请求历史记录（或注入工具调用），则必须按接收到的方式精确地往返签名——尤其是在严格的工作流中。

Gemini 3 能将 Google Maps / Flights / Shopping 用作内置工具吗？

工具的可用性取决于特定的 Gemini API 工具集和终端节点。在 Gemini 3 开发者指南中，Search grounding、URL context、code execution 和 file search 被重点强调为内置工具。在构建硬性依赖项之前，请务必在官方文档中确认当前工具支持情况。

结论

Gemini 3 系列不仅仅是“更大的聊天”：它是一个面向推理的堆栈，专为长上下文、多模态输入和 agentic 工作流而构建——具有实用的控件，如 thinking_level 和 media_resolution ，您可以权衡延迟/成本以获得更深入的推理和更好的视觉保真度。此外，对许多创作者而言的亮点是 “3.1” ——最高质量的视频生成，具有原生音频和电影控制。 Veo 3.1: 高端视频生成，具有原生音频和电影控制。

如果您正在构建工具，最大的优势通常来自于： (1) 为每个任务选择正确的模型 (Flash vs Pro vs Pro Image), (2) 有意识地使用思考级别，, 和 (3) 将思考签名视为“状态”，不能丢失。

来源: YouTube