Gemini 3.1 Pro Preview Custom Tools är en variant av Gemini 3.1 Pro som förbättrar verktygsvalsbeteende genom att förhindra överanvändning av ett allmänt bash-verktyg när mer effektiva tredjeparts...
Google Gemini 3.1 Pro Preview Custom Tools är en förhandsvisnings‑version av en stor språkmodell utvecklad av Google. Den är utformad för uppgifter som kräver långa resonemang, stora kontextfönster…
Gemini 3.1 Pro Preview Custom Tools accepterar indata i text-, ljud-, bild-, video- och filformat. Detta gör att du kan inkludera ljudinspelningar, fotografier, videoklipp och uppladdade dokument tillsammans med textuppmaningar i en enda förfrågan. Modellen kan resonera över dessa modaliteter för att producera textutdata. Denna multimodala förmåga gör det möjligt att beskriva en bild och ställa en fråga om den, transkribera ljud samtidigt som analys utförs, eller kombinera en video med en textinstruktion. Exakta gränser för upplösning, codec eller filstorlek anges inte i de tillgängliga fakta, men modellen kan ta emot olika media inbyggt.
Beteckningen "Custom Tools" innebär att modellen är optimerad för att anropa användardefinierade funktioner eller API:er som en del av sitt resonemang. I ett typiskt arbetsflöde tillhandahåller du en uppsättning funktionsdefinitioner (inklusive namn, parametrar och beskrivningar), och modellen avgör när den ska anropa dem för att uppfylla en begäran. Denna förmåga möjliggör autonoma arbetsflöden som att söka i en databas, skicka ett e-postmeddelande eller exekvera ett kodavsnitt. Modellen kan kedja flera verktygsanrop tillsammans. Den höga τ²-Bench-poängen (95,6) indikerar stark prestanda på uppgifter som kräver planering och verktygsorkestrering.
Modellen stöder ett kontextfönster på 1 048 576 tokens (ungefär motsvarande 1 miljon tokens). Detta gör att du kan skicka in hela böcker, långa kodbaser, multi‑turn-konversationer eller omfattande loggar som kontext. Den maximala utmatningen är 65 536 tokens per begäran. Dessa storlekar är bland de största som finns i det nuvarande modellandskapet. Den stora kontexten är användbar för uppgifter som att sammanfatta en fullständig utskrift, besvara frågor över en stor dokumentuppsättning eller upprätthålla en mycket lång samtalshistorik utan trunkering.
Eftersom Gemini 3.1 Pro Preview Custom Tools prissätts till $4.00 per 1M inmatningstokens och $18.00 per 1M utmatningstokens är det en premiumprodukt. För enklare uppgifter – som kort textklassificering, grundläggande sammanfattning eller enkelresa-chatt – kan en mindre, billigare modell vara mer kostnadseffektiv. Överväg alternativ från OrcaRouter som Gemini 1.5 Flash (lägre kostnad, lägre latens) eller andra lätta modeller om du inte behöver 1M-kontextfönstret, multimodal inmatning eller prestanda enligt tool‑use benchmark. Använd denna modell när uppgiftens komplexitet motiverar den högre per-token-kostnaden.
Modellen uppnådde en huvudpoäng på 95,6 på τ²-Bench (τ²-Bench). Detta benchmark utvärderar modellens förmåga att utföra resonemang för verktygsanvändning: planering och exekvering av sekvenser av funktionsanrop för att slutföra en realistisk uppgift. Den höga poängen indikerar stark kompetens i autonomt slutförande av uppgifter och beslutsfattande. τ²-Bench är ett nyare benchmark som fokuserar på komplexitet i verkliga scenarier. En poäng på 95,6 anses vara mycket hög, men du bör notera att inget enskilt benchmark fullt ut fångar alla aspekter av modellkvalitet. Modellen kan ha annorlunda prestanda på andra benchmark som inte listas här.
Baserat på τ²-Bench-resultatet utmärker sig modellen i uppgifter som kräver strukturerat resonemang och verktygsorkestrering. Detta inkluderar flerstegsretrieval, datatransformering och API-anrop. Det stora kontextfönstret gör det också möjligt att hantera mycket långa instruktioner eller extern data utan att tappa koherens. Förmågan till multimodal input är ytterligare en styrka, vilket gör att den kan resonera över olika mediatyper. För användningsfall som att analysera ett videoklipp och svara på frågor om det, eller bearbeta en ljudfil tillsammans med en textfråga, är denna modell väl positionerad jämfört med alternativ som endast använder text.
Inget riktmärke eller modell är perfekt. τ²-Bench-poängen på 95,6 garanterar inte samma prestanda i varje verklig uppgift, särskilt inte de som ligger utanför riktmärkets omfattning. Modellen kan prestera sämre på uppgifter som kräver mycket specifik domänkunskap eller på säkerhetsinriktade utvärderingar som inte täcks av τ²-Bench. Som en förhandsvisningsmodell kan den ha högre latens eller lägre tillförlitlighet än en fullt släppt modell. De tillgängliga fakta innehåller inga latenssiffror, så du bör testa med dina egna arbetsbelastningar. Dessutom kan det stora kontextfönstret öka behandlingstid och kostnad, och inte alla uppgifter drar nytta av den fulla miljon-token-kapaciteten.
Exakta latenssiffror anges inte i tillgängliga fakta för Gemini 3.1 Pro Preview Custom Tools. Generellt sett kan modeller med ett mycket stort kontextfönster (över 1 miljon tokens) ta längre tid att bearbeta förfrågningar, särskilt sådana som använder hela kontexten. Latensen beror också på förfrågningens komplexitet, antalet verktygsanrop och aktuell serverbelastning. OrcaRouter kan erbjuda direktströmmande svar för att minska tiden till första token. För realtidsapplikationer kan det vara bra att jämföra prestanda med mindre modeller. Överväg att köra egna latenstester med typiska prompts för att avgöra om hastigheten uppfyller dina krav.
Priset för Gemini 3.1 Pro Preview Custom Tools är $4.00 per 1 miljon inmatningstokens och $18.00 per 1 miljon utmatningstokens. Dessa priser debiteras enligt leverantörens taxa utan påslag när de används via OrcaRouter. Det innebär att priset du ser är det pris Google tar ut, utan extra avgift från OrcaRouter. Inmatningstokens inkluderar alla tokens i prompten (text, bildtokens, ljudtokens, etc.). Utmatningstokens är det genererade svaret. Modellens maximala utmatning är 65,536 tokens, så en enda begäran kan kosta upp till 65,536 / 1,000,000 * 18.00 = ungefär $1.18 i utmatningstokens, plus kostnader för inmatningstokens.
"Noll påslag" innebär att OrcaRouter vidarebefordrar den exakta kostnaden per token från leverantören (Google) till dig utan att lägga på någon extra avgift. Du betalar 4,00 USD per 1M indatatokens och 18,00 USD per 1M utdatatokens – samma pris som om du anropade Googles API direkt. OrcaRouter kan ha separata prenumerations- eller användningsavgifter för gatewaytjänsten, men modellens pris per token är inte uppblåst. Denna prismodell är transparent och hjälper dig att budgetera noggrant. Kontrollera alltid OrcaRouters aktuella villkor för eventuella extra avgifter.
Den höga kostnaden per token innebär att du noggrant bör uppskatta din användning. För prompts som använder det fulla 1M-kontextfönstret kan inmatningskostnaderna nå $4.00 per förfrågan. Om din uppgift kan utföras med ett mindre sammanhang, överväg att trunkera eller använda en billigare modell. Cachning nämns inte i de tillgängliga fakta; om OrcaRouter erbjuder prompt-cachning kan det minska kostnaderna för upprepade inmatningar. Eftersom modellen är en förhandsversion kan prissättningen ändras när en stabil version släpps. Utvärdera din arbetsbelastnings typiska tokenantal för att avgöra om kostnaden är motiverad.
Du får åtkomst till modellen via OrcaRouters OpenAI‑kompatibla API. Ställ in din bas-URL till `https://api.orcarouter.ai/v1` och använd modell-ID `google/gemini-3.1-pro-preview-customtools`. API:et accepterar standard OpenAI‑liknande förfrågningsformat. Ett exempel med Pythons openai-bibliotek: ``` import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_ORCAROUTER_KEY") response = client.chat.completions.create( model="google/gemini-3.1-pro-preview-customtools", messages=[{"role": "user", "content": "Hello"}] ) ``` Du behöver en giltig OrcaRouter API‑nyckel. Autentisering sker via `Authorization`-huvudet.
Eftersom API:et är OpenAI‑kompatibelt kan du använda standardparametrar som `temperature`, `top_p`, `max_tokens`, `stop`, `frequency_penalty`, `presence_penalty` och `stream`. För multimodala förfrågningar kan du inkludera bilder, ljud, video eller filer i meddelandeinnehållet med hjälp av arrayformatet. För verktygsanvändning definierar du funktioner i parametern `tools` som en lista med JSON-objekt. Modellen kan returnera `tool_calls` i svaret. Parametrar specifika för Googles eget API (som `safetySettings`) kan vara tillgängliga eller inte; konsultera OrcaRouters dokumentation för detaljer. Det exakta parameterstödet kan variera för förhandsgranskningsmodeller.
Att migrera från standard OpenAI API är enkelt. Ändra `base_url` till `https://api.orcarouter.ai/v1` och uppdatera parametern `model` till `google/gemini-3.1-pro-preview-customtools`. Byt ut din API-nyckel mot en OrcaRouter-nyckel. Det mesta av koden som använder `openai.ChatCompletion.create` eller den nyare `client.chat.completions.create` fungerar med minimala ändringar. Om du använder tool calls är formatet identiskt med OpenAIs. Observera dock att denna modell har en annan tokenizer och kan producera annan utdata för samma prompt. Testa noggrant innan du byter.
OrcaRouter använder API-nyckelautentisering. Inkludera din nyckel i rubriken för begäran som `Authorization: Bearer YOUR_ORCAROUTER_API_KEY`. Du får en nyckel genom att registrera dig för OrcaRouter. Nyckeln bör hållas hemlig och inte exponeras i klientsideskod. Den exakta autentiseringsmetoden kan variera; se alltid OrcaRouters aktuella API-dokumentation. Vissa slutpunkter kan stödja ytterligare autentiseringsmetoder, men den OpenAI-kompatibla slutpunkten använder det vanliga bearer-tokenmönstret. Se till att dina förfrågningar skickas över HTTPS.
Gemini 1.5 Pro stöder också ett 1M token-kontextfönster och multimodal inmatning, men 3.1 Pro Preview Custom Tools uppnådde en τ²-Bench-poäng på 95,6, vilket är en betydande förbättring jämfört med 1.5-serien (exakta siffror för 1.5 anges inte). Optimeringen "Custom Tools" är den viktiga differentieraren, vilket indikerar bättre prestanda vid verktygsanvändningsuppgifter. Prissättningen är högre för förhandsgranskningsmodellen: Gemini 1.5 Pro är vanligtvis billigare. Om du inte behöver den senaste verktygsprestandan kan Gemini 1.5 Pro vara ett mer kostnadseffektivt val. Eftersom 3.1 Pro är en förhandsgranskning kan den ha mindre stabilitet eller driftsgaranti än den stabila 1.5 Pro.
GPT‑4o stöder även multimodal indata och användning av verktyg, men dess kontextfönster är vanligtvis 128k tokens – mycket mindre än de 1M tokens som denna modell har. τ²-Bench-poängen för GPT‑4o anges inte i tillgängliga fakta, så en direkt jämförelse är inte möjlig. Generellt sett erbjuder Gemini 3.1 Pro Preview Custom Tools ett betydligt större kontextfönster, vilket gör den mer lämpad för uppgifter med långa dokument. GPT‑4o kan ha bättre prestanda på vissa språkbenchmark eller bredare ekosystemstöd. Prissättningen för GPT‑4o är också annorlunda; jämför kostnader per token, men notera att denna modells utdatakostnad ($18/M) är relativt hög.
Claude 3 Opus stöder ett kontextfönster på 200k tokens, långt mindre än Gemini 3.1 Pro Previews 1M. Riktmärken som τ²-Bench rapporteras vanligtvis inte för Claude, så direkta jämförelser är spekulativa. Claude är känt för stark resonemangsförmåga och instruktionsföljande. Valet mellan dem beror på ditt behov av 1M kontext och multimodal input kontra specifika styrkor inom säkerhet, skrivstil eller ekosystem. Om din användning kräver bearbetning av mycket stora dokument eller flera medietyper, är Gemini-modellens större kontext och multimodala stöd fördelar. Kostnad och tillgänglighet via OrcaRouter är också faktorer.
OpenAI-kompatibel — behåll det SDK du redan använder
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemini-3.1-pro-preview-customtools",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| Inmatning / 1M token | $4.00 |
| Utdata / 1M tokens | $18.00 |
| Cacheläsning / 1M | $0.400 |
| Valuta | USD |
Uppskattning baserad på listpris
Endast en uppskattning — faktiskt antal token beror på leverantörens tokenizer.
GET /api/public/models/google/gemini-3.1-pro-preview-customtoolsÖppna @misc{orcarouter_gemini_3_1_pro_preview_customtools,
title = {Gemini 3.1 Pro Preview Custom Tools API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.1-pro-preview-customtools}
}Google. (2026). Gemini 3.1 Pro Preview Custom Tools API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.1-pro-preview-customtools