Google: Gemini 3.1 Pro Preview Custom Tools

Google: Gemini 3.1 Pro Preview Custom Tools to model tekstowy od Google, oferowany jako wariant preview modelu Gemini 3.1 Pro. Jego wyróżniającą cechą jest zmiana zachowania przy wyborze narzędzi: model jest dostrojony tak, aby unikać nadużywania ogólnego narzędzia bash, gdy dostępne są wydajniejsze opcje firm trzecich. Dostawca udostępnił go 2026-02-25 i należy do kategorii tekstowej na api14.

Model przyjmuje dane wejściowe w postaci tekstu, dźwięku, obrazu, wideo i plików, a zwraca wyłącznie tekst. Jego okno kontekstowe wynosi 1,048,576 tokenów, a maksymalna długość odpowiedzi to 65,536 tokenów. Zachowanie rozumowania jest udostępniane przez parametry reasoning, reasoning_effort i include_reasoning, dzięki czemu można kontrolować, ile wewnętrznego namysłu stosuje model i czy to rozumowanie jest ujawniane w odpowiedzi.

Te możliwości wskazują na kilka praktycznych wzorców. Bardzo duże okno kontekstowe odpowiada pracy nad długimi dokumentami, transkrypcjami lub danymi wejściowymi z wielu plików, a mieszanka modalności wejściowych oznacza, że można przekazywać dźwięk, obrazy, wideo lub pliki razem z instrukcjami tekstowymi bez osobnego kroku wstępnego przetwarzania. Ponieważ wybór narzędzi jest sednem tego wariantu, pasuje on do przepływów agentowych, w których model musi wybierać spośród kilku narzędzi, szczególnie gdy ogólne narzędzie bash ma tendencję do dominowania w innych konfiguracjach. Obsługa ustrukturyzowanych danych wyjściowych i rozumowania sprawia też, że jest rozsądnym wyborem do zadań ekstrakcji i analizy, w których oczekuje się przewidywalnego kształtu odpowiedzi.

Wywołuje się go przez zgodne z OpenAI API api14, używając identyfikatora modelu google/gemini-3.1-pro-preview-customtools. Żądania obsługują include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools i top_p. Jeśli chcesz agenta korzystającego z narzędzi, przekaż tools i tool_choice; jeśli chcesz próbkowania w miarę deterministycznego, użyj seed i temperature. W przypadku danych ustrukturyzowanych użyj response_format lub structured_outputs. Długie dane wejściowe warto sprawdzić względem kontekstu 1,048,576 tokenów i limitu odpowiedzi 65,536 tokenów.

Należy pamiętać, że to kompilacja preview i wyspecjalizowany wariant, więc warto przetestować go na własnym zestawie narzędzi, zamiast zakładać, że dostrojenie wyboru narzędzi pasuje do twojej konfiguracji. Dane wyjściowe są wyłącznie tekstowe, więc wszystko, co wymaga generowanych obrazów, dźwięku lub wideo, wymagałoby innego modelu. Jeśli twoja praca nie obejmuje wyboru narzędzi, ogólne wydanie Gemini może być prostszym wyborem, ponieważ zachowanie custom tools jest głównym powodem wybrania tego modelu.