Google이 Gemini 3.1 라인업을 내놓음. 2월에 Pro, 3월에 Flash-Lite. 두 모델 다 기존 대비 확실한 업그레이드인데, 방향이 다름. Pro는 추론 능력을 끌어올렸고, Flash-Lite는 가격과 속도를 극한까지 낮췄음.
Google이 처음으로 “.1” 버전 증분을 쓴 것도 의미가 있음. 이전에는 2.0 → 2.5처럼 큰 단위로만 올렸는데, 이번에는 넓은 기능 확장 대신 지능 자체에 집중한 업그레이드라는 신호임.
3.1 Pro와 Flash-Lite를 각각 뜯어보고, 기존 모델 및 경쟁사(Claude, GPT) 대비 어디가 달라졌는지 정리함.
3.1 라인업 한눈에 비교
먼저 숫자부터 정리함.
| 3.1 Pro | 3.0 Flash | 3.1 Flash-Lite | |
| 출시일 | 2월 19일 | 2025년 12월 | 3월 3일 |
| 포지션 | 추론 특화 플래그십 | 균형형 범용 | 초저가 고속 |
| 컨텍스트 | 1M 토큰 | 1M 토큰 | 1M 토큰 |
| 최대 출력 | 65K 토큰 | 65K 토큰 | 64K 토큰 |
| 입력 비용 | $2.00/M | $0.50/M | $0.25/M |
| 출력 비용 | $12.00/M | $3.00/M | $1.50/M |
| 출력 속도 | 87 tok/s | ~249 tok/s | 363 tok/s |
| GPQA Diamond | 94.3% | 90.4% | 86.9% |
| 멀티모달 | 텍스트/이미지/오디오/영상/PDF | 텍스트/이미지/오디오/영상 | 텍스트/이미지/오디오/영상 |
| Thinking 레벨 | LOW/MEDIUM/HIGH | 지원 | 지원 |
셋 다 1M 토큰 컨텍스트라는 게 눈에 띔. Flash-Lite조차 1M임. 경쟁사 대비 Google의 확실한 강점이 이것. Claude Opus 4.6이 200K(1M 베타), GPT-5.4가 192K인 것과 비교하면 압도적.
Flash-Lite의 가격도 파격적임. 입력 토큰 기준으로 3.1 Pro의 8분의 1, 3.0 Flash의 절반. Claude Opus의 $5/M 대비 20분의 1 가격임. 대량 API 호출이 필요한 서비스에서는 이 차이가 큼.
3.1 Pro — 추론이 확실히 달라졌음
3.1 Pro의 핵심은 추론 능력 강화임. 벤치마크 숫자로 보면 확연함.
ARC-AGI-2(완전히 새로운 논리 패턴을 풀어야 하는 추상 추론 테스트)에서 77.1%를 기록함. 이전 3 Pro 대비 2배 이상 올라간 수치. 같은 테스트에서 GPT-5.4는 73.3%임. 추론에서 Google이 OpenAI를 앞선 건 의미 있는 변화.
GPQA Diamond(대학원 수준 과학 문제)에서 94.3%. GPT-5.4의 92.8%, Claude Opus 4.6과 비교해도 최상위권. Google DeepMind 자체 평가에서도 16개 벤치마크 중 13개에서 1위를 기록함.
코딩 성능도 뒤지지 않음. SWE-Bench Verified(실제 GitHub 이슈를 AI가 자율적으로 해결하는 테스트)에서 80.6%. Claude Opus 4.6의 80.8%, GPT-5.4와 거의 동률. LiveCodeBench Pro Elo는 2887로, GPT-5.2의 2393을 크게 앞섬.
경쟁사 대비 포지셔닝을 정리하면 이런 식임.
| Gemini 3.1 Pro | Claude Opus 4.6 | GPT-5.4 | |
| 추론 (ARC-AGI-2) | 77.1% | — | 73.3% |
| 과학 (GPQA) | 94.3% | ~93% | 92.8% |
| 코딩 (SWE-Bench) | 80.6% | 80.8% | ~80.6% |
| 컨텍스트 | 1M | 200K (1M 베타) | 192K |
| 입력 비용 | $2/M | $5/M | $2.50/M |
| 글쓰기 품질 | 보통 | 최상 | 좋음 |
추론과 가격에서 Gemini 3.1 Pro가 앞서고, 코딩 정밀도와 글쓰기에서 Claude Opus가 앞섬. GPT-5.4는 범용성이 강점. 절대적 1위는 없고 영역별로 갈림.
새로 추가된 Thinking 레벨도 실용적임. LOW/MEDIUM/HIGH 세 단계로 추론 깊이를 조절할 수 있음. 간단한 질문에 HIGH를 쓰면 비용 낭비고, 복잡한 문제에 LOW를 쓰면 정확도가 떨어짐. MEDIUM이 새로 추가됐는데, 비용과 성능 사이 균형을 잡는 옵션임.
입력 모달리티도 풍부함. 텍스트, 코드, 이미지, 오디오, 영상, PDF 전부 받음. 이미지는 프롬프트당 최대 3,000장, 영상은 약 45분(오디오 포함), 오디오는 약 8.4시간까지. 기술 문서 PDF 분석이나 UI 스크린샷 기반 코딩 요청 같은 멀티모달 작업에 실질적으로 쓸 수 있는 수준.
3.1 Flash-Lite — 싸고 빠른데 성능도 됨
Flash-Lite는 이름 그대로 가볍고 빠른 모델인데, 단순히 “싸고 느린” 모델이 아님. 성능 대비 가격이 파격적임.
속도: 초당 363 토큰 출력. 이전 세대 2.5 Flash 대비 첫 응답 시간(TTFA)이 2.5배 빠르고, 출력 속도가 45% 증가함. 3.1 Pro(87 tok/s)와 비교하면 4배 이상 빠름.
가격: 입력 $0.25/M, 출력 $1.50/M. 이게 얼마나 싼 거냐면, 3.1 Pro 대비 입력 8배, 출력 8배 저렴함. Claude Opus 입력 대비 20배 저렴. 대량 API 호출이 필요한 서비스에서 비용 구조가 완전히 달라짐.
성능: GPQA Diamond 86.9%. 이게 놀라운 점인데, 대학원 수준 과학 문제를 87% 정도 맞추는 모델이 입력 토큰당 $0.25라는 것. Artificial Analysis Intelligence Index에서 34점으로, 이전 세대 2.5 Flash(21점) 대비 62% 향상. 같은 가격대 모델 평균(19점)의 거의 2배.
약점도 있음. 사실 정확도(FACTS 벤치마크)에서 40.6%로, 3.0 Flash의 50.4%보다 낮음. 사실 기반 Q&A가 중요한 서비스에서는 3.0 Flash가 아직 나음. 출시된 지 얼마 안 됐기 때문에 프로덕션 안정성 데이터도 아직 부족함.
Flash-Lite가 빛나는 곳은 명확함.
- 대량 처리 — 콘텐츠 분류, 번역, 모더레이션 같은 고빈도 호출
- 실시간 UI 생성 — 빠른 응답이 필수인 인터랙티브 앱
- 에이전트 체이닝 — 에이전트가 순차적으로 여러 번 호출하는 워크플로우에서 비용 절감
- 멀티모달 분류 — 이미지/오디오 분류 작업을 저비용으로 대량 처리
반대로 복잡한 추론이나 장문 코드 생성에는 맞지 않음. 그건 Pro의 영역.
정리하면, Gemini 3.1 라인업은 Google이 “추론”과 “가성비” 양쪽에서 동시에 승부를 건 구성임. Pro는 Claude Opus, GPT-5.4와 추론에서 정면 대결하면서 가격은 더 싸고, Flash-Lite는 경쟁 모델이 건드리지 못하는 가격대에서 쓸 만한 성능을 뽑아냄.
1M 토큰 컨텍스트가 전 라인업 기본이라는 것도 큰 강점. 대형 코드베이스나 긴 문서를 다루는 작업에서는 아직 Google이 앞서 있음.
Gemini CLI 실사용이 궁금하면 Claude Code vs Codex vs Gemini CLI 비교 글에서 터미널 코딩 도구로서의 비교를 다뤘음.