Vibecoding.cz Patrick Zandl o AI vývoji
Starší model — u modelů vydaných před rokem 2026 již neevidujeme nová benchmark data. Tato stránka zůstává jako referenční archiv. Pro aktuální modely viz přehled LLM.
G
Google 18. 11. 2025

Google: Gemini 3 Pro Preview

google/gemini-3-pro-preview
$2 / 1M vstup
$12 / 1M výstup
1.0M kontext
66k max výstup
textimagefileaudiovideo text
Reklama

📐 Co plyne z ceníku a parametrů

Strojový rozbor · needitováno · medián ročníku 2025: vstup 0,3 $/M, výstup 1,68 $/M, kontext 200 000 tokenů

  • Patří k dražším: vstup 2 $/M i výstup 12 $/M jsou v horní čtvrtině ročníku (medián 0,3 / 1,68 $/M).
  • Při 2 M vstupních a 500 k výstupních tokenů měsíčně vyjde na 10 $.
  • Kontextové okno 1 048 576 tokenů patří k největším v ročníku (horní čtvrtina, medián 200 000).
  • Na vstupu přijme obrázky a video, nejen text.
  • Audio přijme na vstupu, na výstupu vrací text.

Odvozeno výpočtem z ceníku a limitů, bez jazykového modelu. Neříká nic o kvalitě modelu — tu zatím neměříme.

📝 Detailní popis

Zdroj popisu neevidujeme; text prošel strojovým zpracováním. Není redakčně ověřený a není doporučením.

Gemini 3 Pro je vlajkový model společnosti Google pro vysoce přesné multimodální usuzování, který kombinuje silný výkon v oblasti textu, obrazu, videa, zvuku a kódu s kontextovým oknem o velikosti 1M tokenů. Při použití vícekolového volání nástrojů je nutné zachovat detaily usuzování, viz naše dokumentace zde: https://openrouter.ai/docs/use-cases/reasoning-tokens#preserving-reasoning-blocks. Dosahuje nejlepších výsledků v benchmarkových testech v oblasti obecného usuzování, řešení STEM problémů, faktických otázek a multimodálního porozumění, včetně předních skóre v LMArena, GPQA Diamond, MathArena Apex, MMMU-Pro a Video-MMMU. Interakce kladou důraz na hloubku a interpretovatelnost: model je navržen tak, aby odvozoval záměr s minimálním promptingem a produkoval přímé odpovědi zaměřené na vhled.

Gemini 3 Pro, vytvořený pro pokročilý vývoj a agentní pracovní postupy, poskytuje robustní volání nástrojů, stabilitu dlouhodobého plánování a silnou generaci zero-shot pro komplexní UI, vizualizace a kódovací úlohy. Vyniká v agentním kódování (SWE-Bench Verified, Terminal-Bench 2.0), multimodální analýze a strukturovaných úlohách dlouhého formátu, jako je syntéza výzkumu, plánování a interaktivní vzdělávací zkušenosti. Mezi vhodné aplikace patří autonomní agenti, kódovací asistenti, multimodální analytika, vědecké usuzování a zpracování informací s vysokým kontextem.

🔗 Další modely od Google