Gemini 3.1 Pro Preview Custom Tools 是 Gemini 3.1 Pro 的一个变体，通过防止在存在更高效的第三方工具时过度使用通用 bash 工具来改善工具选择行为...
Google Gemini 3.1 Pro Preview Custom Tools 是谷歌开发的一款预览阶段的大型语言模型。它专为需要长篇推理、大上下文窗口以及与外部工具集成的任务而设计。该模型支持文本、音频、图像、视频和文件格式的输入，使其成为同时适用于内容理解和生成的多模态解决方案。 通过 OrcaRouter，您可以使用兼容 OpenAI 的 API 调用该模型，基础 URL 为…
Gemini 3.1 Pro Preview Custom Tools 接受文本、音频、图像、视频和文件格式的输入。这意味着你可以在单个请求中将录音、照片、视频片段以及上传的文档与文本提示一同包含在内。该模型能够跨这些模态进行推理，从而生成文本输出。 这种多模态能力使得描述图像并针对图像提问、在转录音频的同时进行分析、或将视频与文字指令相结合成为可能。可用事实中未提供确切的分辨率、编解码器或文件大小限制，但该模型能够原生处理多种多样的媒体内容。
"自定义工具"这一名称意味着该模型经过优化，能够在推理过程中调用用户定义的函数或API。在典型的工作流程中，您会提供一组函数定义（包括名称、参数和描述），模型会自行决定何时调用这些定义来满足请求。 此功能支持自主工作流程，例如查询数据库、发送电子邮件或执行代码片段。模型可以串联多次工具调用。τ²-Bench得分（95.6）较高，表明该模型在需要规划和工具编排的任务上表现出色。
该模型支持1,048,576个token的上下文窗口（约等于100万个token）。这使得您可以将整本书籍、长代码库、多轮对话或大量日志作为上下文传入。每次请求的最大输出量为65,536个token。 这些规格在当前模型格局中属于最大规模之一。大上下文适用于总结完整转录、基于大型文档集回答问题，或在无需截断的情况下保持长对话历史等任务。
由于 Gemini 3.1 Pro Preview Custom Tools 的定价为每 1M 输入代币 $4.00、每 1M 输出代币 $18.00，属于高级产品。对于简单任务——如短文本分类、基础摘要或单轮对话——使用更小、更便宜的模型可能更具成本效益。 考虑来自 OrcaRouter 的替代方案，例如 Gemini 1.5 Flash（更低成本、更低延迟）或其他轻量级模型，如果你不需要 1M 上下文窗口、多模态输入或工具使用基准性能。当任务复杂度足以证明较高每代币成本的合理性时，再使用此模型。
该模型在τ²-Bench（τ²-Bench）上取得了95.6分的标题分数。该基准测试评估模型执行工具使用推理的能力：即规划并执行一系列函数调用来完成真实任务。较高的分数表明模型在自主任务完成和决策方面具有较强能力。 τ²-Bench是一个较新的基准测试，侧重于真实场景的复杂性。95.6分被认为是非常高的分数，但需要注意的是，没有任何单一基准测试能够完全涵盖模型所有方面的质量。该模型在未列出的其他基准测试上可能表现不同。
根据τ²-Bench结果，该模型在需要结构化推理和工具编排的任务中表现出色，包括多步骤检索、数据转换和API调用。其大上下文窗口还能处理极长指令或外部数据，同时保持连贯性。 多模态输入能力是另一大优势，使模型能够跨不同媒体类型进行推理。对于分析视频片段并回答相关问题，或处理音频文件结合文本查询等用例，该模型相比纯文本替代方案具有明显优势。
没有哪个基准测试或模型是完美的。τ²-Bench 的 95.6 分并不能保证在每一真实世界任务中都能有相同表现，尤其是那些超出该基准测试范围的任务。该模型在需要非常特定领域知识的任务上，或在 τ²-Bench 未涵盖的安全导向评估中，可能表现欠佳。 作为预览模型，其延迟可能高于正式发布的模型，或可靠性更低。现有信息不包含延迟数据，因此您应使用自己的实际工作负载进行测试。此外，大上下文窗口可能增加处理时间和成本，并非所有任务都能充分利用这一百万 token 的容量。
在Gemini 3.1 Pro Preview Custom Tools的现有数据中并未提供具体的延迟数值。一般来说，具有超大上下文窗口（超过100万token）的模型处理请求的时间可能更长，尤其是那些使用完整上下文的请求。延迟还取决于请求的复杂度、工具调用次数以及当前服务器负载。 OrcaRouter可能提供流式响应以减少首个令牌的到达时间。对于实时应用，您可以考虑使用更小的模型来比较性能。建议使用典型提示语自行运行延迟测试，以确定速度是否满足您的需求。
Gemini 3.1 Pro Preview Custom Tools 的定价为每100万输入token 4.00美元，每100万输出token 18.00美元。通过 OrcaRouter 访问时，这些费用按提供商费率计费，且零加价。这意味着您看到的价格就是谷歌收取的价格，OrcaRouter 不收取额外费用。 输入token包括提示中的所有token（文本token、图像token、音频token等）。输出token是生成的回复。该模型的最大输出为65,536个token，因此单个请求的输出token费用最高可达 65,536 / 1,000,000 * 18.00 = 约1.18美元，另加输入token费用。
“零加价”意味着OrcaRouter将提供商（Google）的精确每token成本直接传递给您，不附加任何额外费用。您每100万输入token支付4.00美元，每100万输出token支付18.00美元——与直接调用Google API的费率完全相同。 OrcaRouter可能会对网关服务收取单独的订阅费或使用费，但模型的每token价格不会虚高。这种定价结构透明，帮助您准确预算。请务必查看OrcaRouter当前条款以了解任何额外费用。
高逐token成本意味着您应该仔细估算用量。对于使用完整100万token上下文的提示词，每次请求的输入成本可达4美元。如果您的任务可以用更小的上下文完成，请考虑截断或使用更便宜的模型。 现有信息中未提及缓存机制；若OrcaRouter提供提示词缓存，则可降低重复输入的消耗。此外，由于该模型为预览版，稳定版本发布后定价可能发生变化。请评估工作负载的典型token数量，以判断成本是否合理。
您通过OrcaRouter的OpenAI兼容API访问模型。将基础URL设置为`https://api.orcarouter.ai/v1`，并使用模型ID `google/gemini-3.1-pro-preview-customtools`。该API接受标准的OpenAI风格请求格式。 使用Python的openai库示例： ``` 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"}] ) ``` 您需要一个有效的OrcaRouter API密钥。认证通过`Authorization`标头进行。
由于API兼容OpenAI，你可以使用标准参数，如`temperature`、`top_p`、`max_tokens`、`stop`、`frequency_penalty`、`presence_penalty`和`stream`。对于多模态请求，你可以使用数组格式在消息内容中包含图像、音频、视频或文件。 对于工具使用，在`tools`参数中定义函数，作为JSON对象列表。模型可能在响应中返回`tool_calls`。Google自有API特有的参数（如`safetySettings`）可能可用也可能不可用；请查阅OrcaRouter文档了解详情。预览模型的具体参数支持可能有所不同。
从标准 OpenAI API 迁移非常简单。将 `base_url` 改为 `https://api.orcarouter.ai/v1`，并将 `model` 参数更新为 `google/gemini-3.1-pro-preview-customtools`。用 OrcaRouter 密钥替换你的 API 密钥。 大多数使用 `openai.ChatCompletion.create` 或更新的 `client.chat.completions.create` 的代码只需很少改动即可运行。如果你使用工具调用，其格式与 OpenAI 完全一致。不过请注意，该模型使用不同的分词器，相同的提示词可能产生不同的输出。切换前请彻底测试。
OrcaRouter 使用 API 密钥进行身份验证。请在请求头中包含你的密钥，格式为 `Authorization: Bearer YOUR_ORCAROUTER_API_KEY`。你需要注册 OrcaRouter 才能获取密钥。该密钥必须保密，不得暴露在客户端代码中。 具体的身份验证方式可能有所不同；请始终参考 OrcaRouter 当前的 API 文档。某些端点可能支持其他身份验证方式，但兼容 OpenAI 的端点使用标准的 Bearer Token 模式。请确保你的请求通过 HTTPS 发送。
Gemini 1.5 Pro 还支持 100 万 token 上下文窗口和多模态输入，但 3.1 Pro Preview Custom Tools 在 τ²-Bench 上取得了 95.6 分的成绩，相比 1.5 系列有了显著提升（1.5 的具体分数未提供）。"Custom Tools"优化是关键差异化因素，表明在工具使用任务上的性能更佳。 预览版模型的定价更高：Gemini 1.5 Pro 通常更便宜。如果你不需要最新的工具使用性能，Gemini 1.5 Pro 可能是更具成本效益的选择。由于 3.1 Pro 是预览版，其稳定性或可用性保证可能不如稳定的 1.5 Pro。
GPT‑4o 也支持多模态输入和工具使用，但其上下文窗口通常为128k tokens——远小于此模型的1M tokens。可用事实中未提供GPT‑4o的τ²-Bench评分，因此无法直接比较。 总体而言，Gemini 3.1 Pro Preview Custom Tools提供了显著更大的上下文窗口，使其更适合长文档任务。GPT‑4o在特定语言基准测试或更广泛的生态系统支持方面可能表现更佳。GPT‑4o的定价也不同；比较每token的成本，但请注意该模型的输出成本（$18/M）相对较高。
Claude 3 Opus 支持 200k token 的上下文窗口，远低于 Gemini 3.1 Pro Preview 的 1M token。像 τ²-Bench 这样的基准测试通常未在 Claude 上报告，因此直接比较属于推测。Claude 以强大的推理能力和指令遵循能力著称。 两者之间的选择取决于你对 1M 上下文和多模态输入的需求，以及对安全性、写作风格或生态系统的特定偏好。如果你的用例需要处理非常大的文档或多种媒体类型，Gemini 模型更大的上下文窗口和多模态支持将是优势。通过 OrcaRouter 的成本和可用性也是考量因素。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 输入 / 1M tokens | $4.00 |
| 输出 / 1M tokens | $18.00 |
| 缓存读取 / 1M | $0.400 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
GET /api/public/models/google/gemini-3.1-pro-preview-customtools打开 @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