Dots против Gemini 3.1 Pro: агент с рабочим столом против модели с пятью чувствами

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.

Ввод — это не то же самое, что действие.

Поддержка медиафайлов у Gemini 3.1 Pro действительно широка — двухчасовая запись, фотография продукта, экспорт электронной таблицы и контракт могут поступить в одном запросе, — но каждый из этих входных данных существовал ещё до вызова. Выход модели — текст: ответ, извлечение, план, черновик. Ничто за пределами разговора не меняется из-за того, что модель отработала.

Точка переворачивает это. Её входные данные обыденны — ваши сообщения, данные ваших приложений, описанная вами задача, — а на выходе — изменение в мире: файл перемещён, тикет обновлён, сообщение отправлено после вашего одобрения, страница открыта в её собственном браузере. В материалах запуска OpenAI описывается, как она продвигает несколько проектов сразу, учится на обратной связи и принимает новые задачи без нового треда. Это описание работника, а не модели, и оно объясняет, почему OpenAI не опубликовала для неё ни одного бенчмарка: коллегу не оценивают в таблице лидеров — вы смотрите, что у него получается, и проверяете Activity View.

• Что принимает на вход — сообщения, описания задач и данные подключённых приложений с одной стороны; текст, изображение, аудио, видео и файл — с другой

• Что это создаёт — изменения внутри другого программного обеспечения, подчиняющиеся правилам и этапам утверждения, в отношении текста, который затем обрабатываете вы сами

• Где это работает — облачный компьютер OpenAI с собственным браузером, изолированный от вашей машины, если только вы не свяжете их, в отличие от инфраструктуры Google, доступной через API откуда угодно.

• Контекст — недокументирован для точки, против 1,048,576 токенов на входе и 65,536 токенов на выходе

• Доказательства — демонстрации вендоров, без независимого бенчмарка, против Artificial Analysis Intelligence Index 29,7 при 94,1 по GPQA Diamond и 82 по recall на длинном контексте, указанных независимо от Google

Что в Gemini 3.1 Pro стоит иметь

Причина держать такую модель под рукой в том, что восприятие — сложная задача, и большинство агентов плохо с ней справляются. Опубликованный независимый профиль Gemini 3.1 Pro необычен: 94,1 на GPQA Diamond — результат почти фронтирного уровня, 82 в тесте на воспроизведение длинного контекста — второй по величине показатель среди моделей, которые мы перечисляем, а 58,7 на SciCode — вершина именно этой таблицы. А вот где он не сияет — это принятие агентных решений: оценка 95,6 в τ²-Bench вызывает уважение, но его срез τ-banking, тот, что измеряет многошаговое использование инструментов применительно к банковским системам, составляет 21,4. Все это — сторонние измерения, указанные вместе с источником в нашем каталоге, а не цифры вендора; именно поэтому они ценнее, чем презентация на запуске.

Другая половина этой истории с оплатой за запрос заключается в том, что модель не бесплатна. Она появилась в режиме предварительного просмотра в феврале, за несколько месяцев до выпуска текущей передовой модели, и её цена выше дешёвого тарифа: $2,00 и $12,00 за миллион токенов — это примерно $0,0006 за ввод на страницу плотного текста, что ничего не значит, пока вы не запустите обработку видео по библиотеке, а тогда это уже отдельная статья расходов. Чтение кадра видео стоит столько же, сколько чтение абзаца, и модель с удовольствием выставит вам счёт за оба.

Две модели затрат, которые отказываются конвертироваться

Стоимость dot — это подписка с необъявленным лимитом: первый dot входит в Pro или Business Premium, в первый месяц действуют расширенные лимиты, разговоры с вашим dot не расходуют лимиты использования ChatGPT, а опубликованной цены ни за второй dot, ни за дополнительную скорость или ёмкость, ни за завершённую задачу нет. В отчёте CNBC о презентации Сара Фрайар представляет цену нового тарифа Pro 500 за $500 как плату за лимит использования плюс режим Ultrafast, а не как ставку за dot, так что самый дорогой тариф в прайс-листе OpenAI тоже не даёт стоимости за единицу работы агента.

Gemini 3.1 Pro преобразует в токены всё, включая те части, которые не являются текстом. Аудио, видео и изображения тарифицируются как входные данные, поэтому стоимость задачи зависит от того, какую долю мира вы заставили модель просмотреть, — свойство полезное, потому что его можно измерить, и опасное, потому что самая крупная цифра в счёте зачастую оказывается той, которую никто не планировал. Маршрутизация моделей помогает здесь конкретным, а не универсальным образом: более 200 моделей за одним ключом по цене из прайс-листа провайдера без наценки — благодаря этому дорогое мультимодальное чтение и дешёвая последующая работа могут выполняться на разных моделях в рамках одного конвейера, а изменение тарифов от Google отражается на вашем счёте в тот же день, а не при продлении.

Где эти двое работают вместе

Естественная пара — это dot, который координирует, и мультимодальная модель, которая воспринимает. Работа поступает, dot направляет её: всё, что нужно посмотреть или послушать, отправляется в Gemini 3.1 Pro для структурированного описания, и описание возвращается в рабочий процесс, где расписание или правило могут на него воздействовать. dot занимается отслеживанием; модель занимается чтением. Такое разделение также делает дорогостоящие вызовы модальностей аудируемыми, что важно, потому что именно они удивляют людей.

В OrcaRouter модель маршрутизируется как google/gemini-3.1-pro-preview по каталожной цене провайдера, пропускаемой без наценки — 0%, наравне с остальным каталогом, с автоматическим переключением при сбое между вышестоящими провайдерами, когда один из них деградирует, и DSL маршрутизации для объединения нескольких моделей в один вызов. Стоит быть точными в том, чего это не включает: dots нет в нашем каталоге, для неё нет эндпоинта, и не существует идентификатора модели, на который можно было бы направить запрос. Если вы хотите держать слой восприятия под собственным контролем — а превью-модель от февраля это ровно тот тип зависимости, который стоит изолировать, — модель должна стоять за вашим эндпоинтом, а агент остаётся там, где вы его арендовали.

Какой глагол нужен вашей задаче?

Если работа заключается в том, чтобы смотреть на что-то или слушать что-то и выдавать ответ, то инструмент — Gemini 3.1 Pro, а dot — это неправильная покупка. Если работа заключается в том, чтобы довести что-то до конца в нескольких приложениях без вашего управления, то инструмент — dot, и никакой объем мультимодальных входных данных его не заменит. Команды, которые делают это правильно, используют и то и другое и четко обозначают границу: восприятие — на тарифицируемой модели, которую можно измерить, действие — за продуктом, от которого можно отказаться.