3行でわかるポイント
- ARC-AGI-2スコア77.1% ― 前モデル（Gemini 3 Pro）の31.1%から2倍以上に飛躍し、Claude Opus 4.6（69.2%）も上回った
- 1タスクあたり$0.96（入出力$2/MTok）― Claude Opus 4.6の$3.47/タスクの約4分の1のコストで、企業利用にも現実的
- Gemini 3 Proは2026年3月9日に終了 ― 既存ユーザーは早急にGemini 3.1 Proへの移行が必要
Gemini 3.1 Proとは？
Gemini 3.1 Proは、Googleが2026年2月にプレビュー版として公開した最新の大規模言語モデルです。Geminiファミリーの中でも「Pro」グレードに位置し、高度な推論能力とコスト効率のバランスを追求した設計となっています。
Googleのモデルラインナップを整理すると、Geminiには「Flash」（高速・低コスト）、「Pro」（性能とコストのバランス）、「Ultra」（最高性能）の3つのグレードがあります。Gemini 3.1 Proはその中間に位置しますが、今回のアップデートではProグレードでありながら、従来のUltraクラスに匹敵する推論能力を獲得しています。
前モデルのGemini 3 Proからの最大の進化は、複雑な問題解決能力の飛躍的な向上です。ARC-AGI-2と呼ばれるAIの汎用知能を測定するベンチマークで77.1%というスコアを達成し、これは既存のあらゆるモデルを上回る数値です。単純なテキスト生成や翻訳といったタスクだけでなく、「初めて直面する問題を構造的に分析し、適切な解法を導き出す」という、ビジネスの現場で最も求められる能力が格段に向上しました。
主なスペックは以下の通りです。
| 項目 | 仕様 |
|---|---|
| モデル名 | Gemini 3.1 Pro（Preview） |
| コンテキストウィンドウ | 100万トークン（1M tokens） |
| 入出力料金 | $2 / MTok（入力・出力共通） |
| マルチモーダル | テキスト、画像、動画、音声、コード |
| 提供プラットフォーム | Google AI Studio / Vertex AI |
| ステータス | プレビュー（2026年2月〜） |
特筆すべきは、100万トークンのコンテキストウィンドウを維持しながら推論性能を大幅に強化した点です。これにより、長大なドキュメントの分析やコードベース全体の理解といった、実務で頻出するタスクを高い精度でこなせるようになっています。
ARC-AGI-2ベンチマークとは何か？なぜ重要なのか
ARC-AGI-2（Abstraction and Reasoning Corpus for Artificial General Intelligence 2）は、AIの汎用的な推論能力を測定するために設計されたベンチマークです。従来のベンチマークが知識の暗記や特定パターンの再現を測る傾向があったのに対し、ARC-AGI-2は「初めて見る問題に対して、抽象的なルールを発見し適用できるか」を評価します。
具体的には、入力と出力のグリッドパターンを示し、そこに潜むルールを推論して未知のテストケースに適用する能力が試されます。例えば「左上の色が右下に移動している」「特定の形状が2倍に拡大されている」といった抽象的な変換規則を、わずか数例から見抜く必要があります。人間であれば直感的に解ける問題が多いのですが、AIにとっては暗記やパターンマッチングでは太刀打ちできない難題です。
従来のベンチマーク（MMLUやHumanEvalなど）では、学習データに含まれる知識をどれだけ正確に再現できるかが問われていました。そのため、「ベンチマークのスコアは高いが、実際の業務で使うと期待外れ」という現象が起きがちでした。ARC-AGI-2はこの問題を解決するために設計されており、「テストの事前対策」が不可能な構造になっています。
このベンチマークが重要視される理由は、実際のビジネス課題に近い能力を測定しているからです。企業でAIを活用する際に求められるのは、既知の質問に答えることだけではありません。新しい状況を分析し、適切な判断を下し、具体的なアクションを提案する ―― まさにARC-AGI-2が測る能力そのものです。ARC-AGI-2で高スコアを出せるモデルは、実務においても「予想外の問い」に対して柔軟に対応できる可能性が高いと言えます。
主要モデルのARC-AGI-2スコア比較
| モデル | ARC-AGI-2スコア | 1タスクあたりコスト | 備考 |
|---|---|---|---|
| Gemini 3.1 Pro | 77.1% | $0.96 | 2026年2月リリース |
| Claude Opus 4.6 | 69.2% | $3.47 | Anthropic最上位モデル |
| Gemini 3 Pro | 31.1% | ― | 2026年3月9日終了 |
| GPT-5.4 | ― | ― | 公式スコア未公表 |
Gemini 3.1 Proのスコア77.1%は、前モデルのGemini 3 Pro（31.1%）と比較して2倍以上の飛躍です。また、Anthropicの最上位モデルであるClaude Opus 4.6（69.2%）を約8ポイント上回っており、現時点で公開されているモデルの中では最高水準の汎用推論能力を持つことが示されています。
料金比較 ― コストパフォーマンスで圧倒的優位
AI導入を検討する企業にとって、モデルの性能と並んで重要なのが運用コストです。Gemini 3.1 Proは性能面だけでなく、コスト面でも大きな競争力を持っています。
| モデル | 入力料金 （$/MTok） |
出力料金 （$/MTok） |
ARC-AGI-2 タスク単価 |
コンテキスト |
|---|---|---|---|---|
| Gemini 3.1 Pro | $2.00 | $2.00 | $0.96 | 1M tokens |
| Claude Opus 4.6 | $15.00 | $75.00 | $3.47 | 200K tokens |
| GPT-5.4 | $2.50 | $10.00 | ― | 128K tokens |
ARC-AGI-2ベンチマークにおける1タスクあたりのコストで見ると、Gemini 3.1 Proは$0.96です。これはClaude Opus 4.6の$3.47と比較して約4分の1、つまり同じ予算で約3.6倍の処理量をこなせる計算になります。
さらに注目すべきは、入出力ともに$2/MTokenというシンプルな料金体系です。Claude Opus 4.6のように入力と出力で大幅に料金が異なるモデルでは、出力の多いタスク（長文生成やコード生成など）でコストが想定外に膨らむリスクがあります。Gemini 3.1 Proは均一料金のため、コスト予測が立てやすいという運用上のメリットもあります。
具体的な試算例を挙げましょう。月に10,000件の問い合わせをAIで処理するカスタマーサポートシステムを想定した場合、1件あたり平均2,000トークン（入力1,500+出力500）として月間2,000万トークンを消費します。この場合のコストは以下の通りです。
- Gemini 3.1 Pro：20 MTok x $2 = 月額$40（約6,000円）
- Claude Opus 4.6：15 MTok(入力) x $15 + 5 MTok(出力) x $75 = 月額$600（約90,000円）
- GPT-5.4：15 MTok(入力) x $2.5 + 5 MTok(出力) x $10 = 月額$87.50（約13,000円）
Gemini 3.1 Proは、Claude Opus 4.6と比較して約15分の1、GPT-5.4と比較しても半額以下のランニングコストで運用できます。もちろん、モデルごとに得意分野や出力品質は異なるため、コストだけで判断すべきではありませんが、スケーラブルなAIシステムを構築する上でこの価格差は無視できません。
法人でのAI導入コストについて詳しく比較検討したい方は、法人向けAI導入バイヤーズガイドもあわせてご覧ください。
主な機能と技術的特長
100万トークンのコンテキストウィンドウ
Gemini 3.1 Proは、前モデルから引き続き100万トークンのコンテキストウィンドウを搭載しています。これは日本語に換算すると、おおよそ50万〜75万文字に相当します。
この巨大なコンテキストが実務で特に威力を発揮する場面は以下の通りです。
- 大規模コードベースの一括分析 ― 数万行のソースコードを一度に読み込み、アーキテクチャ全体を理解した上でのリファクタリング提案が可能
- 長文ドキュメントの要約・分析 ― 数百ページの契約書、論文、レポートを全文読み込んで質問に回答
- 複数ファイルの横断的な比較 ― 議事録、仕様書、テスト結果など異なるドキュメントを同時に参照した総合的な判断
マルチモーダル対応
テキストだけでなく、画像、動画、音声、コードなど複数の入力形式に対応しています。例えば、会議の録画をアップロードして議事録を自動生成したり、UIのスクリーンショットからコードを生成したりといった使い方が可能です。
実務での活用例としては、製造業における不良品検出（画像+テキスト報告書の同時分析）、不動産業での物件査定（写真+間取り図+テキスト情報の統合評価）、医療分野での画像診断レポート作成支援（医用画像+電子カルテの横断分析）などが挙げられます。テキストのみのモデルでは対応できなかったユースケースが、マルチモーダル対応により一気に広がります。
エージェンティックな問題解決能力
Gemini 3.1 Proの最大の強みは、ARC-AGI-2で実証されたエージェンティック（自律的）な問題解決能力です。具体的には以下のような能力が強化されています。
- 複数ステップの計画立案と実行 ― 複雑なタスクを分解し、段階的に解決する能力
- 未知の問題への適応 ― 訓練データに含まれない新しいタイプの問題にも抽象的な推論で対応
- 自己修正 ― 途中で誤りに気づき、アプローチを修正する能力
- ツール活用 ― APIコール、Web検索、コード実行など外部ツールを組み合わせた問題解決
この能力は、単なるチャットボットとしての利用ではなく、AIエージェントとしての活用を想定した設計思想の表れです。業務プロセスの自動化や、複雑な意思決定支援において、従来のモデルとは一線を画す性能を発揮します。
Vertex AIでの法人利用
Gemini 3.1 ProはGoogle Cloud のVertex AIを通じて法人向けに提供されており、エンタープライズグレードのセキュリティとガバナンス機能が利用できます。
法人利用における主なメリット
- データプライバシー ― Vertex AI経由で利用する場合、入力データはモデルのトレーニングに使用されない
- SLA（サービスレベル保証） ― Google Cloudの99.9%稼働率SLAが適用される
- VPC Service Controls ― データの境界制御により、組織外へのデータ流出リスクを低減
- IAM連携 ― Google CloudのIAM（Identity and Access Management）でアクセス権限を細かく管理
- 監査ログ ― Cloud Auditログで全APIリクエストを追跡可能
- リージョン指定 ― データの保存・処理リージョンを日本国内に限定することも可能
導入手順の概要
- Google Cloudプロジェクトの作成（または既存プロジェクトの利用）
- Vertex AI APIの有効化
- サービスアカウントの作成と適切なIAMロールの付与
- APIキーまたはOAuth認証の設定
- モデルの呼び出し（REST API、Python SDK、Node.js SDKなど）
既にGoogle Workspaceを利用している企業であれば、同じGoogle Cloudアカウントから即座にVertex AIを利用開始でき、追加の契約手続きは基本的に不要です。日本国内での導入実績も増えており、金融、製造、小売、ヘルスケアなど幅広い業種で採用されています。
また、Vertex AIにはModel Gardenという機能があり、Gemini以外のオープンソースモデル（Llama、Mistralなど）も同じプラットフォームから利用できます。将来的にモデルを切り替える可能性がある場合でも、Vertex AIを基盤としておくことでベンダーロックインのリスクを軽減できます。
AI導入のプロジェクト設計から運用までの支援が必要な場合は、Uravation AI研修・導入支援のサービスもご活用いただけます。
Gemini 3 Pro から 3.1 Proへの移行ガイド
重要：Gemini 3 Pro Previewは2026年3月9日にサービス終了
現在Gemini 3 Proを利用している場合、2026年3月9日までにGemini 3.1 Proへの移行を完了する必要があります。サービス終了後はAPIリクエストがエラーを返すようになります。
移行の基本ステップ
ステップ1：モデルIDの変更
APIリクエストで指定しているモデルIDを変更します。
// 変更前
model: "gemini-3-pro-preview"
// 変更後
model: "gemini-3.1-pro-preview"
ステップ2：出力の検証
Gemini 3.1 Proは推論能力が大幅に向上しているため、既存のプロンプトに対してより詳細で正確な回答を返す可能性があります。出力のフォーマットや長さが変わるケースがあるため、パイプラインの下流で出力をパースしている場合は検証が必要です。
ステップ3：コスト影響の確認
料金体系は$2/MTokenで大きな変更はありませんが、モデルの応答特性が変わることで、トークン使用量が増減する可能性があります。一般的に、推論能力が向上したモデルはより詳細な回答を生成する傾向があり、出力トークン数が増加するケースがあります。移行後の最初の1週間は使用量を注視し、必要に応じてmax_tokensパラメータやシステムプロンプトで出力長を制御することを推奨します。
移行時の注意点
- プロンプトの再調整 ― 推論能力の向上により、以前は必要だった「ステップバイステップで考えて」のような指示が不要になる場合がある
- レート制限の確認 ― プレビュー期間中はレート制限が異なる可能性があるため、Google AI Studioのダッシュボードで確認する
- Grounding機能との組み合わせ ― Gemini 3.1 ProはGoogle Searchとのグラウンディング機能も強化されている。既存のRAGパイプラインとの比較検証を推奨
企業での活用シーン
Gemini 3.1 Proの高い推論能力と100万トークンコンテキストは、以下のような業務シーンで特に効果を発揮します。
1. 大規模コードレビューと技術的負債の分析
数万行のコードベースを一度にコンテキストに読み込み、アーキテクチャの問題点や潜在的なバグを体系的に検出できます。従来のモデルではファイルを分割して分析する必要がありましたが、Gemini 3.1 Proならプロジェクト全体を俯瞰した上での提案が可能です。例えば、マイクロサービス間のAPI設計の一貫性チェックや、データベーススキーマとアプリケーションコード間の整合性検証といった、従来は熟練エンジニアが丸一日かけて行っていた作業を数分で完了できます。
2. 契約書・法務ドキュメントの分析
数百ページにわたる契約書や規約を全文読み込み、リスク条項の抽出、類似契約との比較、修正案の提示を一貫して行えます。特に複数の関連契約を横断的に分析し、矛盾点や抜け漏れを発見する用途に適しています。大企業がM&Aのデューデリジェンスを行う際や、グローバル企業が各国の規制に照らし合わせてコンプライアンスチェックを実施する際など、膨大な量のドキュメントを短期間で精査する必要がある場面で真価を発揮します。
3. AIエージェントの構築
エージェンティックなタスク遂行能力が強化されたことで、複数のAPIやツールを組み合わせた自律型AIエージェントの構築に最適です。例えば、以下のようなエージェントが実現可能です。
- カスタマーサポートの一次対応から調査、回答作成までを自動化するエージェント
- 市場調査データの収集・分析・レポート生成を一貫して行うリサーチエージェント
- 社内ナレッジベースを検索し、適切な情報を統合して回答するFAQエージェント
4. マルチモーダルデータの統合分析
会議の録画（動画）、議事録（テキスト）、プレゼン資料（画像）を同時に入力し、包括的な要約やアクションアイテムの抽出を行えます。部門横断のプロジェクトでは、異なる形式の情報を統合的に扱える点が大きなアドバンテージです。
5. R&D・研究開発支援
大量の学術論文を読み込み、研究動向の分析、先行研究のサーベイ、実験計画の立案を支援します。100万トークンのコンテキストにより、数十本の論文を同時に参照した横断的な分析が可能です。特にAI・機械学習分野では毎月数千本の新しい論文が発表されるため、関連研究を網羅的に把握することは人間だけでは不可能に近い状況です。Gemini 3.1 Proを活用すれば、最新の研究動向を効率的にキャッチアップし、自社の研究開発戦略に反映させることができます。
まとめ
Gemini 3.1 Proは、ARC-AGI-2スコア77.1%という圧倒的な推論性能と、$0.96/タスクという優れたコスト効率を両立した注目のモデルです。ここまでの内容を整理します。
| 観点 | 評価 |
|---|---|
| 推論性能 | ARC-AGI-2で77.1%、現時点で公開モデル最高水準 |
| コスト | $2/MToken、Claude Opus 4.6の約1/4のタスク単価 |
| コンテキスト | 100万トークン、大規模ドキュメント分析に最適 |
| エージェント適性 | 複雑な問題の自律的な分解・解決に優れる |
| 法人利用 | Vertex AI経由でエンタープライズグレードの運用が可能 |
| 移行緊急度 | Gemini 3 Proは3月9日終了、早急な対応が必要 |
既にGemini 3 Proを利用している企業は、2026年3月9日のサービス終了前に移行を完了する必要があります。新規でAIモデルの導入を検討している企業にとっても、性能とコストのバランスが優れたGemini 3.1 Proは有力な選択肢となるでしょう。
まだプレビュー段階ではありますが、Google AI StudioまたはVertex AIから即座にテスト利用を開始できます。Google AI Studioであれば、アカウント作成後すぐに無料枠でテストが可能です。まずは自社の代表的なユースケースで性能を検証し、既存のモデルとの出力品質や処理速度を比較した上で、本格導入の判断材料とすることをおすすめします。
AIモデルの進化スピードはますます加速しており、半年前の「最強モデル」が今日の「標準」になるという状況が続いています。重要なのは特定のモデルに依存しすぎないアーキテクチャ設計と、新しいモデルが登場した際に迅速に評価・切り替えできる体制を整えておくことです。
複数のAIモデルの比較検討や、自社に最適なモデルの選定については、法人向けAI導入バイヤーズガイドで詳しく解説しています。また、AI導入の戦略策定から技術実装まで一貫した支援が必要な場合は、Uravation AI研修・導入支援にご相談ください。
参考・出典
- Google DeepMind「Gemini 3.1 Pro」公式発表（2026年2月）
- ARC Prize「ARC-AGI-2 Benchmark Results」（2026年2月）
- Google Cloud「Vertex AI Pricing」（2026年3月時点）
- Anthropic「Claude Opus 4.6 Model Card」（2025年）
- Google「Gemini 3 Pro Preview deprecation notice」（2026年2月）
