Dots vs Gemini 3.1 Pro: un agente con escritorio contra un modelo con cinco sentidos

The word "multimodal" hides the real difference between these two, so start with what each one does with the world. Gemini 3.1 Pro Preview is Goog​le's flagship reasoning model, released in preview on February 19, 2026: it accepts text, images, audio, video and files as input and returns text, works across a 1,048,576-token context window with up to 65,536 tokens of output, and costs $2.00 per million input tokens and $12.00 per million output tokens below a 200,000-token prompt, repricing to $4.00 and $18.00 above it. Dots is the company's always-on agent, announced at DevDay on September 29, 2026: an agent with its own cloud computer and browser that works across more than 4,000 connected apps, runs on GPT-6 Astra, and comes included with Pro and Business Premium. Gemini 3.1 Pro watches the world and describes it; a dot acts inside it. Those are different verbs, and almost every practical question about this pair follows from which verb your problem needs.

La entrada no es lo mismo que la acción

El soporte multimedia de Gemini 3.1 Pro es genuinamente amplio —una grabación de dos horas, la foto de un producto, una exportación de hoja de cálculo y un contrato pueden llegar todos en la misma solicitud—, pero cada una de esas entradas es algo que ya existía antes de la llamada. La salida del modelo es texto: una respuesta, una extracción, un plan, un borrador. Nada fuera de la conversación cambia porque el modelo se haya ejecutado.

Un punto invierte eso. Sus entradas son mundanas —tus mensajes, los datos de tu app, una tarea que describiste— y su salida es un cambio en el mundo: un archivo movido, un ticket actualizado, un mensaje enviado después de tu aprobación, una página abierta en su propio navegador. Los materiales de lanzamiento de OpenAI lo describen llevando varios proyectos adelante a la vez, aprendiendo de la retroalimentación y aceptando nuevas tareas sin un nuevo hilo. Esa es la descripción de un trabajador, no de un modelo, y explica por qué OpenAI no publicó ningún benchmark para él: no evalúas a un colega en una tabla de clasificación; observas lo que logra hacer y revisas Activity View.

• Lo que acepta como entrada — mensajes, descripciones de tareas y datos de aplicaciones conectadas por un lado; texto, imagen, audio, vídeo y archivo por el otro

• Lo que produce — cambios dentro de otro software, sujetos a reglas y puertas de aprobación, frente al texto que luego manejas tú mismo

• Dónde se ejecuta — el equipo en la nube de OpenAI con su propio navegador, aislado de tu máquina a menos que los vincules, frente a la infraestructura de servicio de Google, accesible mediante una API desde donde quieras

• Contexto — no documentado para un punto, frente a 1.048.576 tokens de entrada y 65.536 tokens de salida

• Evidencia — demos de proveedores, sin benchmark independiente, frente a un Artificial Analysis Intelligence Index de 29.7 con 94.1 en GPQA Diamond y 82 en recuperación de contexto largo, listado de forma independiente a Google

¿Qué vale la pena tener Gemini 3.1 Pro?

La razón para mantener disponible un modelo como este es que la percepción es difícil y la mayoría de los agentes son malos en ella. El perfil independiente publicado de Gemini 3.1 Pro es inusual: 94.1 en GPQA Diamond es un resultado casi de frontera, 82 en recuperación de contexto largo es la segunda mejor cifra del conjunto de modelos que listamos, y 58.7 en SciCode lo sitúa en lo más alto de esa tabla en concreto. Donde no destaca es en la toma de decisiones agéntica: una puntuación de 95.6 en τ²-Bench es respetable, pero su segmento de τ-banking, el que mide el uso de herramientas en varios pasos contra los sistemas de un banco, se sitúa en 21.4. Todas esas son mediciones de terceros incluidas junto con su fuente en nuestro catálogo, no cifras de proveedores, y por eso valen más que una presentación de lanzamiento.

La otra mitad de esa historia por solicitud es que el modelo no es gratis. Entró en vista previa en febrero, meses antes de que se lanzara el modelo de frontera actual, y su precio está por encima del nivel barato: $2.00 y $12.00 por millón de tokens son aproximadamente $0.0006 de entrada por página de texto denso, lo cual no es nada hasta que ejecutas una ingesta de video sobre una biblioteca y entonces es una partida. Leer un fotograma de video cuesta lo mismo que leer un párrafo, y el modelo te facturará alegremente por ambos.

Dos modelos de costos que se niegan a convertir

El coste de un dot es una suscripción con una cuota no publicada: el primero está incluido con Pro o Business Premium, los límites ampliados se aplican durante el primer mes, las conversaciones con tu dot no consumen los límites de uso de ChatGPT, y no hay un precio publicado para un segundo dot, para velocidad o capacidad adicionales, ni para una tarea terminada. El informe de CNBC sobre la keynote presenta a Sarah Friar fijando el precio del nuevo nivel $500 Pro 500 como una cuota de uso más el modo Ultrafast, en lugar de como una tarifa por dot, por lo que el plan más caro de la hoja de OpenAI tampoco arroja un coste por unidad de trabajo de agente.

Gemini 3.1 Pro convierte todo en tokens, incluidas las partes que no son texto. El audio, el vídeo y las imágenes se facturan como entrada, por lo que el coste de una tarea depende de cuánto del mundo hiciste que el modelo mirara — una propiedad útil, porque se puede medir, y peligrosa, porque el número más grande de la factura con frecuencia es el que nadie planeó. El enrutamiento de modelos ayuda aquí de una manera específica en lugar de genérica: con más de 200 modelos detrás de una sola clave al precio de lista del proveedor sin recargo, la costosa lectura multimodal y el trabajo de seguimiento barato pueden residir en modelos diferentes dentro del mismo pipeline, y un cambio de tarifa de Google llega a tu cuenta el mismo día en lugar de en la renovación.

Donde los dos trabajan juntos

El emparejamiento natural es un dot que coordina y un modelo multimodal que percibe. Llega trabajo, y un dot lo enruta: todo lo que necesita ser mirado o escuchado va a Gemini 3.1 Pro para obtener una descripción estructurada, y la descripción regresa al flujo de trabajo, donde un calendario o una regla pueden actuar sobre ella. El dot se encarga del seguimiento; el modelo se encarga de la lectura. Dividirlo de esa manera también mantiene auditables las costosas llamadas de modalidad, lo cual importa porque son las que sorprenden a la gente.

En OrcaRouter el modelo se enruta como google/gemini-3.1-pro-previewal precio de lista del proveedor transferido con un 0% de margen, junto con el resto del catálogo, con conmutación automática por error entre proveedores upstream cuando uno se degrada y un DSL de enrutamiento para componer varios modelos en una sola llamada. Merece la pena ser precisos sobre lo que eso no incluye: dots no está en nuestro catálogo, no hay ningún endpoint para él y no existe ningún identificador de modelo al que apuntar una solicitud. Si quieres la capa de percepción bajo tu propio control —y un modelo en vista previa de febrero es exactamente el tipo de dependencia que conviene contener—, el modelo pertenece a tu endpoint y el agente se queda donde lo hayas alquilado.

¿Qué verbo necesita tu problema?

Si el trabajo implica mirar o escuchar algo y producir una respuesta, Gemini 3.1 Pro es la herramienta y un dot es la compra equivocada. Si el trabajo implica terminar algo en varias aplicaciones sin que tú lo conduzcas, un dot es la herramienta y ninguna cantidad de entrada multimodal lo sustituye. Los equipos que aciertan con esto ejecutan ambos y mantienen el límite explícito: la percepción en un modelo de pago por uso que puedes medir, la acción detrás de un producto que puedes cancelar.