Gemini 3.1 Pro Preview Custom Tools vs google/gemini-embedding-001: benchmarks, prijzen & snelheid (september 2026)

Voor interactieve chat en agent-loops telt lage p50-latency het zwaarst omdat de gebruiker op het eerste token wacht; voor batchgeneratie en langvorm-uitvoer domineert throughput de totale tijd omdat het antwoord lang is. De 7-daagse trendgrafieken hierboven laten zien of de latency van elk model stabiel is of verschuift, iets wat een enkel opvallend getal verbergt — een model met een uitstekend gemiddelde maar een rumoerige staart kan alsnog een strikte p95-SLA missen. Als je product een latency-budget heeft, lees dan zowel de mediaan als de vorm van de curve, en onthoud dat end-to-end latency ook je netwerkhop en elke retrieval of tool-aanroep die je rond het model doet omvat.

De hier getoonde samengestelde indices aggregeren meerdere publieke evaluaties, en het percentiel markeert waar elk model staat ten opzichte van alle vergelijkbare modellen in de catalogus — een nuttig shortlist-signaal, geen garantie voor jouw taak. Een model dat leidt op een index voor algemene intelligentie kan in jouw domein (coderen, extractie, meertalig, redeneren over lange context) toch achterblijven, dus gebruik de benchmarks om het veld te versmallen en draai daarna beide modellen op een representatief deel van je verkeer. Let op de specifieke index die bij jouw use case past in plaats van op het topcijfer: een code-zwaar product moet de coding-index zwaarder wegen, een onderzoeksassistent de reasoning-index. Benchmarks verouderen ook naarmate modellen worden bijgewerkt, dus behandel ze als een starthypothese die je bevestigt met je eigen evaluatieset.