Gemini 3.1 Pro: карточка мультимодальной модели для пилота
Gemini 3.1 Pro имеет смысл оценивать как рабочий маршрут для смешанных данных: текст, скан, таблица и фотография могут попасть в одну задачу. Это не означает, что модель одинаково хорошо читает каждый формат. Нечёткая цифра на снимке или строка в PDF способны испортить итог, даже если объяснение звучит уверенно. Карточка ниже помогает подготовить пилот и отделить наблюдаемое поведение от рекламных ожиданий.
Идентичность версии и доступ
Перед запуском запишите точное имя версии в интерфейсе или API, дату, регион аккаунта и выбранный режим. Проверьте, не переключает ли сервис модель автоматически при достижении квоты. Чат, командный тариф и API могут иметь разные лимиты контекста, размеры файлов и правила хранения.
Сохраните пример запроса и метаданные входа: число страниц, размер изображения, листы таблицы. Стоимость считайте по полному сценарию, включая повторный вопрос и ручную проверку. Если один файл отправляется несколько раз при ошибке, установите предел ретраев и остановите тест при превышении бюджета.
Сильный сценарий — связать источники
Модель стоит проверить на задачах, где человеку приходится сопоставлять два представления информации:
- сверить реквизиты скана с текстовой версией договора;
- найти расхождение между графиком и пояснительной запиской;
- описать видимый дефект на фото и составить заявку мастеру;
- прочитать таблицу и указать строки, подтверждающие вывод.
Сначала попросите перечислить наблюдаемые факты, затем отдельно — интерпретацию. Такой порядок уменьшает риск принять догадку за то, что действительно видно на изображении. Юридическое, медицинское и финансовое решение остаётся за ответственным специалистом.
Русский язык и визуальные детали
Подготовьте три серии тестов. В первой — русский текст с сокращениями и терминами. Во второй — изображение с тем же содержанием. В третьей — два источника, между которыми есть одно намеренное расхождение. Проверяйте падежи, десятичный разделитель, похожие символы и названия должностей.
Просите выводить прочитанные значения с названием строки или страницы. Если фрагмент размытый, правильный ответ — «не удалось определить», а не восстановленная по контексту цифра. Для фото счётчика сохраните оригинал и исправленное человеком показание; модель не является измерительным прибором.
Контекст и файлы
Большой лимит не гарантирует одинаковое внимание к началу и концу документа. Разделите файл на логические блоки и попросите модель сначала перечислить принятые страницы, затем извлечь факты и только после этого сделать вывод. При обновлении документа сравнивайте версии по пунктам, а не просите пересказать новую целиком.
Для таблиц проверьте скрытые строки, объединённые ячейки и единицы. Если расчёт критичен, выгрузите данные в CSV и выполните формулу отдельным валидатором. Модель может объяснить тренд, но контрольное число должно сходиться независимо.
Протокол собственного теста
Соберите 18 обезличенных примеров: шесть текстов, шесть таблиц и шесть изображений. В каждой группе оставьте неполный файл и пример с намеренной ошибкой. Дважды повторите каждый запрос с одинаковым промптом. Запишите время до принятого ответа, размер входа, стоимость и количество ручных исправлений.
| Вход | Что измерять | Условие остановки |
|---|---|---|
| Текст | термины, числа, структура | пропущено обязательное условие |
| Таблица | строки, формулы, единицы | итог не совпал с эталоном |
| Изображение | читаемость и уверенность | модель угадывает нечёткий фрагмент |
| Два источника | список расхождений | не указаны строки или страницы |
Сравнивайте результат с другой моделью только на том же наборе и в том же режиме. Оценка должна учитывать не только точность, но и время редактора.
Инструменты и безопасность
Разделите процесс на извлечение, проверку и оформление. Не давайте модели право менять оригинальный документ, отправлять письмо или запускать внешний сценарий без подтверждения. Храните сырой ответ и финальную версию рядом, чтобы восстановить цепочку правок.
Перед загрузкой удалите лица, контакты, номера документов и скрытые метаданные. Уточните, кто видит историю, используются ли вложения для обучения и можно ли удалить их. Для закрытых данных применяйте локальное распознавание или обезличенную копию; правила маскирования описаны в практическом материале.
Как провести мультимодальный пилот без самообмана
Не начинайте с красивой демонстрации, где на вход подаётся один удачный скриншот. Сначала опишите рабочий эпизод целиком: сотрудник получает PDF с условиями, фотографию маркировки и таблицу с остатками, а на выходе должен подготовить короткую заявку. Сделайте копию этих трёх файлов и вручную проставьте эталонные значения. Важно сохранить не только правильный ответ, но и то, что модель обязана была заметить: пропущенную единицу измерения, старую дату в договоре или строку с нулевым остатком.
Разбейте запрос на четыре хода. В первом попросите перечислить, какие страницы, листы и области изображения действительно прочитаны. Во втором — вынести факты в фиксированную структуру: источник, цитата или значение, уверенность. В третьем — сопоставить источники и показать только расхождения. В четвёртом — оформить черновик заявки, не добавляя сведений, которых нет в материалах. Если модель перескакивает сразу к выводу, такой ответ нельзя засчитывать как успешный: он не оставляет проверяемого следа.
Для каждого примера заведите лист приёмки. Отдельными столбцами отметьте: верно ли распознаны числа, сохранены ли знаки «минус» и десятичные разделители, указана ли страница-основание, сколько исправлений внёс редактор и сколько времени заняла проверка. Повторите один и тот же набор после изменения размера изображения и после добавления лишней страницы. Так станет видно, где проблема в модели, а где — в подготовке файла.
Если сервис предлагает несколько режимов или автоматически обновляет псевдоним модели, сохраните дату и точное имя в отчёте. Через неделю прогоните два контрольных примера повторно. Незаметная смена версии часто выглядит как «модель стала отвечать иначе», хотя на самом деле изменился маршрут запроса. Для команды полезно заранее определить порог: например, при двух ошибках в реквизитах из десяти заявок пилот останавливается, а итог уходит на ручную обработку. Это превращает карточку модели из впечатления от демо в воспроизводимое решение.
Иллюстрации карточки
В собственной публикации достаточно одной-двух иллюстраций: схема «файл → извлечение → проверка» и обезличенный пример таблицы. Не копируйте чужие скриншоты кабинета. Сгенерированное изображение помечайте как иллюстрацию AI-редакции, а в alt описывайте проверяемое действие.
Сильные стороны и ограничения
Потенциальное преимущество Gemini 3.1 Pro — единая работа с несколькими форматами, когда ручное описание картинки занимает больше времени, чем её проверка. Ограничения проявляются на мелком тексте, плохом освещении, длинных файлах и незаметном переключении версии. Мультимодальность не отменяет валидатор, журнал и человека, который отвечает за решение.
Чек-лист пилота
- Зафиксированы версия, регион, режим и лимиты.
- Набор содержит текст, таблицу, изображения и неполные примеры.
- Проверены числа, термины, сноски и расхождения.
- Извлечение отделено от интерпретации.
- Измерены стоимость и ручное время.
- Данные обезличены, политика хранения понятна.
- Скриншоты собственные и очищены от секретов.
- Есть условие остановки и ответственный проверяющий.
Gemini 3.1 Pro стоит выбирать не за сам факт поддержки изображений, а за предсказуемый результат на вашем наборе файлов. Начните с малого пилота, требуйте ссылку на исходную строку или страницу и принимайте мультимодальный вывод только после проверки тех деталей, на которых строится решение.