Gemini 3.1 Ultra: большой контекст и выполнение кода — что проверить в релизе
Google представила Gemini 3.1 Ultra как флагманскую модель для длинных документов, мультимодального анализа и задач, где ответ нужно проверить вычислением. В анонсе упоминаются окно контекста до 2 млн токенов и встроенное выполнение кода в изолированной среде. Это заметные характеристики, но они не превращают модель в универсальный инструмент: доступность, лимиты и поведение зависят от продукта и тарифа.
Большой контекст не равен вниманию ко всему
Два миллиона токенов позволяют загрузить в один сеанс гораздо больше материалов, чем обычный чат. Это может быть репозиторий среднего размера, несколько технических руководств или длинная запись встречи вместе с приложениями. Но сама вместимость не гарантирует, что модель найдёт редкую строку в середине файла. При длинном вводе возрастает стоимость, задержка и риск, что второстепенная деталь будет потеряна в общей массе.
Проверяйте функцию на своём наборе. Положите в разные места документа десять контрольных фактов, включая отрицание, число и исключение в сноске. Попросите модель назвать источник каждого ответа и отдельно перечислить, чего она не нашла. Если результат ухудшается при перестановке разделов, используйте разбиение и поиск по фрагментам, а не просто увеличивайте окно.
Code Execution: полезный второй взгляд, но не лаборатория
Встроенная песочница позволяет модели написать небольшой скрипт, запустить его, увидеть ошибку и повторить расчёт. Для таблиц, процентов, графиков и преобразования данных это удобнее, чем копировать код в отдельную среду. Программа становится способом проверить собственный вывод, а не только генератором красивого ответа.
При этом нужно выяснить, что именно разрешено песочнице. Проверьте наличие сети, доступ к загруженным файлам, ограничения по времени и сохранение результатов между запусками. Для безопасного теста используйте обезличенный набор и скрипт без внешних запросов. Сверьте итог с независимым калькулятором: ошибка в формуле, повторённой несколько раз, остаётся ошибкой.
Не передавайте в такой режим ключи API, клиентские документы и переменные окружения. Даже изолированная среда имеет собственную политику хранения и журналирования. Перед рабочим использованием зафиксируйте, кто видит код и результаты, а также как удалить временные файлы.
Мультимодальность нужно измерять отдельно
Google описывает Gemini 3.1 Ultra как модель, которая принимает текст, изображение, аудио и видео в одном контексте. Для пользователя важна не формулировка «нативно», а конкретный результат. На записи совещания проверьте, распознаёт ли система говорящих, отличает ли вопрос от решения и сохраняет ли временные отметки. На скане таблицы посмотрите, не перепутаны ли запятая и точка, отрицательное значение и подпись столбца.
Видео и аудио требуют особой осторожности: пропуск нескольких секунд может изменить смысл. Для важных решений храните исходный файл и просите модель ссылаться на время или кадр. Если такой ссылки нет, вывод остаётся черновиком для редактора.
Заявления о точности требуют метода
Улучшение фактологической точности оценивается только на описанной выборке. Спросите, были ли вопросы открытыми, использовался ли поиск, какие языки и темы входили в тест. Хороший результат на общих вопросах не говорит о качестве медицинского, юридического или финансового ответа.
Запустите свою небольшую проверку: десять вопросов с известным ответом, пять задач на отказ и три примера, где в материалах нет нужных данных. Отметьте не только правильность, но и способность честно сказать «не найдено». Уверенная выдумка опаснее короткого отказа.
Кому может пригодиться облегчённая Flash-Lite
Параллельно Google заявила облегчённую версию Gemini 3.1 Flash-Lite для массовых запросов. Такой класс моделей логичен для классификации, маршрутизации и коротких черновиков, где важна задержка. Сравнивать её с Ultra по одному рейтингу бессмысленно: измеряйте стоимость готовой задачи, включая повторную проверку и время редактора.
Для выбора уровня модели используйте наш гайд по суффиксам Flash, Lite и Pro. А характеристики уже доступных версий сверяйте в каталоге моделей, потому что название и реальный тариф могут отличаться.
Что проверить до перехода
- Уточнить, доступна ли нужная версия в вашем регионе, продукте и тарифе.
- Проверить лимит контекста, размер файлов и стоимость входных и выходных токенов.
- Прогнать контрольные документы с фактами, таблицами и намеренно пустыми полями.
- Узнать, что может делать песочница и как удаляются загруженные данные.
- Сравнить задержку и количество ручных исправлений с текущей моделью.
- Оставить резервный маршрут на прежнюю версию до окончания пилота.
Релиз Gemini 3.1 Ultra интересен сочетанием длинного контекста и вычислительной проверки, а не рекордом в одной строке спецификации. Его практическая ценность проявится только там, где команда видит источник вывода, умеет ограничить доступ и измеряет ошибки на собственных материалах.