Gemini 3.1 Pro Preview：$2 / $12 到 200K，超过后 $4 / $18

模型	输入	输出	缓存	上下文	输出价对比
Gemini 3.1 Pro Preview来源 · 核验于 2026-10-20	$2.00	$12.00	$0.20	1M	—
Gemini 3.8 Flash Introductory pricing: $0.75 / $3.75 / $0.075 through 2026-12-31, then $1.50 / $7.50 / $0.15 from 2027-01-01. 来源 · 核验于 2026-10-20	$0.75	$3.75	$0.075	1M	×3.2
Gemini 3.1 Flash-Lite来源 · 核验于 2026-10-20	$0.25	$1.50	$0.025	1M	×8
Gemini 2.5 Pro来源 · 核验于 2026-10-20	$1.25	$10.00	$0.125	1M	×1.2

基准测试	Gemini 3.1 Pro	GPT 5.6-Sol	GPT-6 Astra	Claude Opus 5	DeepSeek V4.1-Flash 0910
GPQA Diamond	94.3%	94.1%	96%	93.4%	90.9%
HLE(no tools, full set (text + multimodal))	44.4%	44.5%	54.7%	56.3%	36.8%
HLE (w/tools)(search (blocklist) + code)	51.4%	—	—	63.6%	63.9%
MathArena Apex	60.9%	—	—	—	65.6%
Automation-Bench	35.4%	45.8%	—	50.3%	54.8%

一句话结论

Gemini 3.1 Pro Preview 在 200,000 token 以内是每 1M 输入 $2、输出 $12，超过后 $4 / $18，上下文 1,000,000 token。 长上下文档位就印在 Google 自己的价格行里——这个页面之前说「没有档位」，那是错的。
窗口不再是差异点。 1M token 已经和 Claude Opus 5.5、GPT-6 Astra（1,050,000）同档，OpenAI 和 Anthropic 的旗舰不再是 200K–400K 的模型。剩下的差异是价格：$2 / $12 只有 GPT-6 astra 的 $10 / $50、GPT-5.6 sol 的 $4 / $20 的几分之一。
5 项可溯源跑分，但其中一项不再是榜首。 GPQA Diamond 94.3、HLE 44.4、带工具的 HLE 51.4、MathArena Apex 60.9、Automation-Bench 35.4。GPT-6 Astra 现在报 96.0，所以 94.3 是紧随其后的第二，而不是第一。

Google 新的 Pro 档 SKU。 Gemini 3.1 Pro Preview：输入 $2 / 1M、输出 $12 / 1M，上下文 1,000,000 token，active。定价页上的名字带 “Preview”，我们照原样写。
长上下文档位是真的，而且两头都涨。 Google 的行写得很清楚：输入「$4.00, prompts > 200k tokens」，输出「$18.00, prompts > 200k」。缓存读在阈值之上也会翻倍。计算器已经算进了输入、输出和缓存读三档。
Flash 档一高一低地夹着它。 Gemini 3.8 Flash $0.75 / $3.75，Gemini 3.1 Flash-Lite $0.25 / $1.50，都是 active，上下文也都是 1,000,000。Gemini 3.8 Flash 是 2026-12-31 之前的引入价，2027-01-01 起翻倍；计算器保持今天的价，注册表备注里写了到期日。
上一代 Pro 还在，而且也在同一个阈值跳档。 Gemini 2.5 Pro 是 $1.25 / $10，超过 200,000 token 后同样变成输入 2 倍、输出 1.5 倍。我们列的是标准档，不是长上下文档。

先看价格，不要再看窗口。 1,000,000 token 和 Claude Opus 5.5、Sonnet 5（1M）、GPT-6 Astra（1,050,000）在同一档；它仍然是 GPT-5.6 cyber 400,000 的 2.5 倍，但 cyber 是上一代的例外，不代表 OpenAI 全线。
和自家 Flash 档比，阶梯很陡。 比 Flash 3.8 贵 2.67 倍输入、3.2 倍输出；比 Flash-Lite 贵 8 倍。所以「要不要上 Pro」本质上就是「这批流量值不值 3 倍」。
和 2.5 Pro 的对比要分输入和输出看。 输入贵 1.6 倍，输出只贵 1.2 倍——输出占比高的业务，升级成本只有 20%，不是 60%。
长上下文档改变了比较，但没有改变排名。 超过 200,000 token 后，3.1 Pro 收 $4 / $18，2.5 Pro 也按自己的基数跳同样的倍率。两边都跳，所以 3.1 Pro 在任何长度上都还是老模型的 1.6 倍 / 1.2 倍。旧页面说「超过 200K 老模型更贵」，那是假设只有一边有档位，结论是错的。
缓存那一格不再是空的。 Google 列的是 $0.20 / 1M（不超过 200,000 token），超过后翻倍。第一档内的缓存读是新鲜输入的 10%，省 90%，和 Flash 档同形。
窗口填满时价格会变。 250,000 token 的请求按 $4 / $18 结账，不是 $2 / $12。提示词长期贴着阈值的话，要把这一跳显式算进去；计算器会算，算出来的月账单和首页单价不是一回事。

5 项跑分，出处还不一样。 GPQA Diamond 94.3 和 HLE 44.4 来自 Google 的 model card；带工具的 HLE 51.4 也来自 model card；MathArena Apex 60.9 和 Automation-Bench 35.4 来自公开的榜单聚合站。来源不同、harness 不同——所以下面的限定条件比数字本身更重要。
限定条件必须带着看。 HLE 44.4 是「不给工具」的完整集成绩（文本 + 多模态），不是只跑文本子集；51.4 是同一个 benchmark 打开工具后的另一次运行（带 blocklist 的搜索 + 代码）。所以 44.4 和 51.4 之间不是「涨了 7 分」，而是换了一套配置。
覆盖面才是重点，别去算平均分。 5 项是相当薄的一张卡：比 Grok 4.7 的 2 项多，比 DeepSeek V4.1-Flash 的 19 项少得多，而且里面没有任何 terminal-bench 或 DeepSWE。表上那些空格是「没测」，不是「没得分」。
GPQA 的领先没了，替代结论很窄。 GPT-6 Astra 在同一个 benchmark 上报 96.0，所以 94.3 是榜上第二，只比 GPT-5.6 sol 的 94.1、Claude Opus 5 的 93.4 高零点几分。把它读成「知识类 benchmark 上大家挤在一起」，而不是「Gemini 赢了」或「Gemini 输了」。

提示词长的场景，理由不再是窗口，而是价格。 Gemini 3.1 Pro 和 Claude 5.5 家族、GPT-6 系列同处 1M 档，单价却只有它们的几分之一。代价是 200K 那一跳：超过后输入翻倍、输出涨 50%。报节省之前先把档位算进去。
你在用 Gemini 2.5 Pro，而且提示词经常超过 200,000 token： 新模型在单价上仍然更贵，因为两边都按同样的倍率跳档。换的理由是能力和 1M 窗口，不是「长上下文更便宜」。
你在用 Gemini 2.5 Pro，但输出占比高： 输出只贵 1.2 倍（20%），这个升级的决策重点就落在「输出质量值不值 20%」，而不是「预算够不够」。
你在用 Flash 3.8： 升级意味着输入 2.67 倍、输出 3.2 倍。只挑 Flash 不够用的那部分流量上 Pro，其余留在 Flash——家族内部的档位就是 5 倍一级的阶梯，混用比全量升级合理。
你买的是预览版。 SKU 名字里就写着 Preview，实际含义是：模型 id、价格、行为都可能变。代码里把模型 id 写死，做预算之前再来核一次价格。
别把 GPQA 那一行读成能力领先，正反都不行。 5 项跑分、零个 agentic 编程项，诚实的总结是：能看到的部分很强，看不到的部分完全没测。