Gemini 3.1 Pro Preview dajesz problemom, które wymagają przemyślenia: zestawieniu danych z wielu źródeł, projektowi architektury albo agentowi, który ma bezbłędnie przejść przez długi łańcuch narzędzi. Google ogłosił go w lutym 2026 jako dopracowaną wersję Gemini 3 Pro i podaje okno kontekstu do 1 mln tokenów. Pamiętaj, że to wciąż podgląd, a nie wersja stabilna.
Do czego go użyjesz
- Synteza dużej ilości danych - wnioski z raportów, tabel i notatek naraz.
- Agenci wołający Twoje narzędzia - tam, gdzie pomyłka w jednym kroku psuje cały wynik.
- Kod z efektem wizualnym - interaktywne dashboardy i małe aplikacje.
- Punkt odniesienia dla modeli Flash - sprawdzasz, czy tańszy model daje radę.
Ustawienia i limity
- Google podaje kontekst do 1 mln tokenów.
- Modele podglądowe mogą mieć ostrzejsze limity i zostać wycofane z co najmniej dwutygodniowym wyprzedzeniem.
- Trzymaj identyfikator
gemini-3.1-pro-previeww konfiguracji, nie w kodzie - zmienisz go jednym wpisem. - Podłączasz go przez SDK OpenAI, bez projektu w Google Cloud.
Przykładowe zapytanie
import os
from openai import OpenAI
c = OpenAI(base_url="https://kadraris.com/v1",
api_key=os.environ["KADRARIS_API_KEY"])
r = c.chat.completions.create(
model="gemini-3.1-pro-preview",
messages=[{"role": "user", "content":
"Mam trzy warianty schematu bazy dla sklepu. "
"Oceń każdy pod kątem raportów i skalowania."}],
)
print(r.choices[0].message.content)Dołącz same schematy i opis najczęstszych zapytań do bazy - ocena będzie oparta na Twoim ruchu, a nie na teorii.
Pytania
Ile kosztuje Gemini 3.1 Pro Preview?
W Kadrarisie 11,73 zł / 70,38 zł za 1 mln tokenów. Stawkę widzisz przed wysłaniem, koszt schodzi z przedpłaconego salda w złotówkach, a zapytanie zakończone błędem kosztuje 0 zł.
Co mam zrobić, jeśli Google wycofa podgląd?
Przełączyć model na inny wpis z katalogu. Dobrze mieć wcześniej sprawdzony zapas, np. gemini-3.8-flash - porównanie obu znajdziesz w tekście Gemini 3.8 Flash vs 3.1 Pro Preview.
Pro Preview czy tańszy Flash?
Flash jest tańszy za token. Pro Preview wybierz, gdy Twoje testy pokażą, że lepiej rozwiązuje najtrudniejsze prompty - jednym kluczem porównasz oba na tych samych danych.
Gemini 3.1 Pro Preview w twoim kodzie
from openai import OpenAI
client = OpenAI(base_url="https://kadraris.com/v1", api_key="sk-kd-...")
resp = client.chat.completions.create(
model="gemini-3.1-pro-preview",
messages=[{"role": "user", "content": "Podaj trzy pomysły na pierwsze ujęcie filmu o kawiarni."}],
)
print(resp.choices[0].message.content)curl https://kadraris.com/v1/chat/completions \
-H "Authorization: Bearer $KADRARIS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "gemini-3.1-pro-preview", "messages": [{"role": "user", "content": "Podaj trzy pomysły na pierwsze ujęcie filmu o kawiarni."}]}'import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://kadraris.com/v1", apiKey: process.env.KADRARIS_API_KEY });
const resp = await client.chat.completions.create({
model: "gemini-3.1-pro-preview",
messages: [{ role: "user", content: "Podaj trzy pomysły na pierwsze ujęcie filmu o kawiarni." }],
});
console.log(resp.choices[0].message.content);
























