Dots 對上 Gemini 3.1 Pro：擁有桌面的代理，對抗具備五種感官的模型

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.

輸入不等於行動

Gemini 3.1 Pro 的媒體支援確實非常廣泛——一段兩小時的錄音、一張產品照片、一份試算表匯出檔和一份合約，全都能出現在同一個請求中——但這些輸入的每一項，都是在這次呼叫之前就已經存在的東西。模型的輸出是文字：一個答案、一次擷取、一份計畫、一份草稿。模型執行過後，對話之外的任何事物都不會改變。

一個點則反轉了這一切。它的輸入很平凡——你的訊息、你的應用程式資料、你描述的一項任務——而它的輸出是世界中的一項改變：一個檔案被移動、一張工單被更新、一則訊息在你批准後送出、一個頁面在它自己的瀏覽器中開啟。OpenAI 的發布資料描述它同時推進多個專案、從回饋中學習，並在不開啟新對話串的情況下接受新任務。那是在描述一名工作者，而不是一個模型，這也說明了為什麼 OpenAI 沒有為它發布任何基準測試：你不會在排行榜上為同事做基準測試，而是觀察它完成了什麼，並查看 Activity View。

• 它接收的內容 — 一邊是訊息、任務描述與已連結應用程式的資料；另一邊是文字、圖像、音訊、視訊和檔案

• 它產出的內容——其他軟體內部的變更，須遵守規則與核准關卡，並以你之後自行處理的文字為對象

• 執行位置 — OpenAI 的雲端電腦，配備自己的瀏覽器，除非你將兩者連結，否則與你的機器相互隔離；另一端則是 Google 的服務基礎架構，可透過 API 從任何你喜歡的地方觸及

• 上下文 — 以點表示未記載，相較於 1,048,576 個輸入 token 與 65,536 個輸出 token

• 證據 — 廠商示範，無獨立基準測試；相較於 Artificial Analysis Intelligence Index 的 29.7，GPQA Diamond 為 94.1，長上下文召回為 82，獨立於 Google 列出

Gemini 3.1 Pro 有什麼值得擁有？

會想留著這樣一個模型，原因是感知這件事本身很難，而大多數代理在這方面表現很差。Gemini 3.1 Pro 公開的獨立評測概況很不尋常：GPQA Diamond 拿下 94.1，是接近前沿的成績；長上下文召回 82，在我們列出的模型集合中是第二好的數字；SciCode 58.7，則讓它站上該榜的頂端。它不亮眼的地方在於代理式決策——τ²-Bench 95.6 的分數算得上體面，但其中 τ-banking 那一項，也就是衡量多步驟工具操作能否對接銀行系統的項目，只有 21.4。這些全都是第三方測量結果，在我們的目錄中都標註了來源，不是廠商自己公布的數字，而這正是它們比發表會簡報更有價值的原因。

那個按請求計費敘事的另一半，是模型並非免費。它於二月進入預覽，比當前前沿模型推出早了幾個月，而且定價高於廉價層級：每百萬個 token 為 2.00 美元與 12.00 美元，換算下來，密集文字每頁的輸入成本大約是 0.0006 美元；這在你對一整個素材庫進行影片擷取之前都不算什麼，但一旦這麼做，它就成了一筆支出項目。讀取一個影片畫面與讀取一個段落的成本相同，而模型會樂於向你收取這兩者的費用。

兩個拒絕轉換的成本模型

一個 dot 的成本，是一項額度未公開的訂閱：第一個 dot 隨 Pro 或 Business Premium 附帶提供，第一個月適用延伸限制，與你的 dot 對話不會消耗 ChatGPT 使用額度，而第二個 dot、額外速度或容量，或完成一項任務，都沒有公開價格。CNBC 對這場主題演講的報導提到，Sarah Friar 將新的 $500 Pro 500 方案定價為使用額度加上 Ultrafast 模式，而不是按每個 dot 收費，因此 OpenAI 價目表上最昂貴的方案，也無法得出每單位代理工作的成本。

Gemini 3.1 Pro 把一切都轉換成 token，包括那些不是文字的部分。音訊、影片和圖像都以輸入計費，因此一項任務的成本取決於你讓模型看了多少世界——這是個有用的特性，因為你可以衡量它；也是個危險的特性，因為帳單上最大的數字往往沒人預先規劃。模型路由在這裡提供的幫助是具體而非泛泛的：以單一金鑰取用 200 多個模型，按供應商定價、不加價，昂貴的多模態讀取與便宜的後續工作可以落在同一條管線中的不同模型上，而 Google 的價格調整會當天反映在你的帳戶，而不是等到續約時。

在兩者協同運作之處

自然的搭配，是一個負責協調的 dot，加上一個負責感知的模態模型。工作進來時，dot 會加以路由：任何需要觀看或聆聽的內容，都會送到 Gemini 3.1 Pro 取得描述，而描述會回到工作流程中，讓排程或規則能據此採取行動。dot 負責追蹤催辦；模型負責閱讀。這樣拆分也能讓模態呼叫保持可稽核，這很重要，因為它們正是人們

在 OrcaRouter 上，該模型以 google/gemini-3.1-pro-preview 的路由形式提供，依供應商定價原價轉嫁、0% 加價，與目錄中其餘模型並列，並具備當上游供應商效能劣化時的自動容錯切換，以及可將多個模型組合成單次呼叫的路由 DSL。值得精確說明的是這不包含什麼：dots 不在我們的目錄中，沒有為它提供的端點，也不存在任何模型識別碼可供請求指向。如果你想把感知層掌握在自己手中——而二月的預覽模型正是值得加以隔離控管的那種依賴——那麼該模型就該放在你自己的端點之後，而代理則留在你租用它的地方。

你的問題需要哪個動詞？

如果工作涉及查看或聆聽某事物並產出答案，那麼 Gemini 3.1 Pro 就是工具，而買 dot 就是買錯。如果工作涉及在數個應用程式之間把事情完成，而不需要你親自操作，那麼 dot 就是工具，再多的多模態輸入也無法取代它。做對這件事的團隊會兩者並行，並把界線明確劃分：感知交給可計量收費、你能衡量的模型，行動則放在你能取消的產品背後。