Gemini 3.1 Pro ya es una realidad, y según Google, supone el mayor salto interno de la familia desde la versión 3 Pro. Hablamos de una mejora media real cercana al 21% frente a su predecesor y de aproximadamente un 16% frente a lo mejor de OpenAI, es decir, GPT-5.2, bajo media aritmética simple de todos los benchmarks comparables. Con todo ello, Google se posiciona otra vez por delante de todos con la IA más rápida y más avanzada del planeta, pero, ¿qué novedades trae Gemini 3.1 Pro en concreto?

El avance se concentra en razonamiento abstracto, planificación multi paso, agentes autónomos y código competitivo, que son precisamente las áreas donde los modelos suelen romperse cuando el problema deja de ser trivial, o es directamente muy pesado. Google ha dado un paso de gigante en estos apartados, superando a la competencia en casi todos los demás parámetros, aunque, curiosamente, no se comparan con ninguna versión de DeepSeek...

Gemini 3.1 Pro, Google lo vuelve a hacer y muestra el rendimiento comparativo frente a todos sus competidores

El tema ya no es si mejora, sino en qué tipo de inteligencia mejora y qué implicaciones tiene eso en 2026, cuando la carrera ya no se mide solo en MMLU, sino en ejecución real con herramientas. Detrás del modelo está, como siempre, Google DeepMind, que ha centrado el discurso de presentación en el razonamiento estructurado y uso avanzado de herramientas.

Por ejemplo, en ARC-AGI-2, un benchmark de lógica abstracta no memorizable, 3.1 Pro pasa del 31,1% al 77,1%, un salto del +148% relativo frente a 3 Pro. Es el indicador más claro de que el modelo no solo responde mejor, sino que generaliza mejor ante patrones nuevos. De hecho, es líder en el sector en este entorno, superando por mucho a GPT-5.2, por ejemplo.

En APEX Agents, que mide ejecución autónoma de tareas complejas a largo horizonte, sube del 18,4% a 33,5%, un +82% relativo. Esto implica mejor planificación, menos desorientación y mayor coherencia cuando lo que le pidamos exija varios pasos encadenados. Otro ejemplo del salto de rendimiento de Gemini 3.1 Pro es BrowseComp, donde el modelo debe navegar, buscar información y ejecutar código Python, pasando del 59,2% al 85,9%, es decir, 26,7 puntos porcentuales por arriba, o lo que es igual, una mejora relativa del +45%.

Supera a Claude y OpenAI por bastante, siendo la IA más completa de este principio de 2026

En código competitivo con LiveCodeBench Pro escala de 2.439 a 2.887 puntos Elo, un +18,37%. Es una subida consistente en entornos donde el algoritmo correcto importa más que una explicación bonita o simple. En SWE-Bench Verified se mantiene prácticamente empatado con GPT-5.2, lo que indica que en desarrollo software empresarial el terreno sigue igualado.

Donde no hay revolución es en conocimiento enciclopédico clásico, es decir, en MMLU. Ahí pasa de 91,0% a 91,8%. En MMMU incluso cae levemente frente a 3 Pro, curioso. En contexto extremo de 1M de tokens no hay mejora relevante, así que Google se ha centrado en impulsar las áreas donde eran más débiles frente a sus competidores directos, y ahora están muy por delante. O lo que es igual, Google ha priorizado calidad de razonamiento frente a expansión masiva de contexto con Gemini 3.1 Pro.

Si cruzamos todos los datos, la media simple total de mejora frente a 3 Pro es del 21%, y frente a GPT-5.2 la ventaja media es del 16%, con dominio claro en ARC, agentes y browsing, mientras que pierde terreno en evaluaciones humanas expertas como GDPval.

Con todos los datos en la mesa, queda claro que con Gemini 3.1 Pro Google no intenta ser simplemente más grande, tener el mayor LLM del mercado. Solo intenta ser más consistente cuando el problema deja de ser lineal y requiere más comprensión y razonamiento complejo. Ahora la pelota vuelve a estar en el tejado de Claude y OpenAI, y como tenemos mucho año por delante, veremos si los nuevos modelos pueden superar a la apuesta de la gran G con esta Gemini 3.1 Pro, sorprendente cuanto menos.