Google выпустил Gemini 3.1 Pro 19 февраля 2026 года, а вместе с ним — специализированный вариант под названием gemini-3.1-pro-preview-customtools, который принципиально меняет способ взаимодействия модели с инструментами, определёнными разработчиком. Если вы создавали ИИ-агентов на базе стандартного Gemini 3.1 Pro и замечали, что модель иногда игнорирует ваши тщательно зарегистрированные пользовательские инструменты в пользу выполнения «сырых» bash-команд, то вариант customtools был создан именно для решения этой проблемы. Оба варианта имеют одинаковую стоимость — $2,00 за входные и $12,00 за выходные токены на миллион (проверено на официальной странице цен Google, 22 февраля 2026 года), одинаковое контекстное окно в 1 048 576 токенов и одинаковый результат 77,1% на бенчмарке ARC-AGI-2. Единственное различие — поведенческое: customtools отдаёт приоритет вашим зарегистрированным функциям.
Краткое содержание
Gemini 3.1 Pro Customtools (gemini-3.1-pro-preview-customtools) — это не отдельная модель, а поведенческий вариант с дополнительной тонкой настройкой, выпущенный 19 февраля 2026 года. Он стоит столько же, что и стандартная версия, показывает идентичные результаты на бенчмарках и требует лишь изменения одной строки с идентификатором модели для переключения. Используйте его при создании ИИ-агентов с пользовательскими инструментами, такими как view_file, search_code или edit_file, когда вам нужно, чтобы модель последовательно выбирала ваши зарегистрированные функции вместо перехода к bash-командам по умолчанию. Для чисто разговорных приложений или RAG-систем без пользовательских инструментов используйте стандартный вариант gemini-3.1-pro-preview.
Что такое Gemini 3.1 Pro и почему вариант Customtools имеет значение
Gemini 3.1 Pro представляет собой наиболее продвинутую модель рассуждений от Google DeepMind по состоянию на февраль 2026 года, предназначенную для решения сложных задач, требующих многоэтапного мышления и точного выполнения. Модель набрала 77,1% на бенчмарке ARC-AGI-2, который измеряет способности к абстрактному рассуждению. Для сравнения: это более чем вдвое превышает результат предшественника Gemini 3 Pro (31,1%) и превосходит как GPT-5.2 (52,9%), так и Claude Opus 4.6 (68,8%) на том же тесте (Google Blog, 19 февраля 2026 года). Модель поддерживает мультимодальные входные данные, включая текст, изображения, видео, аудио и PDF-файлы, хотя на данный момент генерирует только текстовый вывод.
Что делает Gemini 3.1 Pro особенно актуальным для разработчиков — это акцент на агентных рабочих процессах. Google явно оптимизировал модель для «поведения и удобства использования в области разработки программного обеспечения», а также для «агентных рабочих процессов, требующих точного использования инструментов и надёжного многоэтапного выполнения» (Google AI Docs, февраль 2026 года). Именно здесь на сцену выходит вариант customtools. Когда Google создавал агентов внутри компании на базе Gemini 3.1 Pro, они обнаружили, что стандартная модель иногда предпочитает выполнять bash-команды напрямую, а не использовать зарегистрированные пользовательские инструменты разработчика. Например, даже если вы зарегистрировали инструмент view_file со встроенным контролем доступа и структурированным логированием, стандартная модель может просто выполнить cat filename.py, полностью обходя все ваши механизмы безопасности. Вариант customtools специально настроен для предотвращения такого поведения путём приоритизации определённых вами инструментов.
Это различие принципиально важно, потому что пользовательские инструменты — это не просто обёртки вокруг bash-команд. В продакшн-агентных системах пользовательские инструменты обычно включают проверку разрешений, форматирование структурированного вывода, аудит-логирование, ограничение частоты запросов и интеграцию с внешними системами, такими как базы данных и API. Когда модель обходит эти инструменты в пользу «сырого» bash, это разрушает весь уровень безопасности и наблюдаемости, который разработчики построили вокруг своей агентной архитектуры. Если вы создаёте систему, которая получает бесплатный доступ к Gemini 3.1 Pro через API, а затем подключает к нему пользовательские инструменты, понимание этого поведенческого различия критически важно для надёжной работы агента.
Стандартная версия против Customtools: реальные поведенческие различия
Фундаментальное различие между gemini-3.1-pro-preview и gemini-3.1-pro-preview-customtools заключается не в возможностях, ценах или размере контекстного окна — всё это идентично. Разница полностью состоит в том, как модель расставляет приоритеты при выборе инструментов, когда у неё есть доступ и к bash, и к пользовательским инструментам. Понимание этого поведенческого различия критически важно для принятия правильных архитектурных решений в ваших агентных системах.
Как ведёт себя стандартная версия
Когда вы регистрируете пользовательские инструменты в стандартном Gemini 3.1 Pro и просите его выполнить задачу, модель рассматривает bash-команды и ваши пользовательские инструменты как примерно равноценные варианты. Она может выбрать тот путь, который считает наиболее эффективным для выполнения задачи, а это зачастую означает возврат к привычным bash-паттернам. Рассмотрим сценарий, в котором вы зарегистрировали три пользовательских инструмента: view_file(path) для чтения файлов с проверкой разрешений, search_code(query) для поиска по кодовой базе со структурированным выводом и edit_file(path, changes) для внесения правок с отслеживанием версий. Когда вы просите стандартную модель «найти и исправить ошибку аутентификации в auth.py», она может выполнить cat auth.py вместо вызова view_file("auth.py"), затем использовать grep -r "password" . вместо search_code("password vulnerability") и, наконец, запустить sed -i 's/old/new/' auth.py вместо edit_file("auth.py", changes). Каждая bash-команда решает непосредственную задачу, но ни одна из них не запускает проверку разрешений, не генерирует структурированный вывод и не создаёт записей в журнале аудита.
Как ведёт себя версия Customtools
Вариант customtools использует те же базовые возможности рассуждения, но прошёл дополнительную тонкую настройку для распознавания ситуаций, когда зарегистрированный пользовательский инструмент соответствует текущей задаче. В том же сценарии, описанном выше, модель customtools последовательно вызовет view_file("auth.py"), что запустит вашу проверку разрешений и вернёт структурированное содержимое файла. Затем она использует search_code("authentication vulnerability patterns") для поиска с задействованием вашего структурированного логирования и, наконец, вызовет edit_file("auth.py", proposed_changes), который пройдёт через вашу интеграцию с системой контроля версий. В результате каждое действие проходит через спроектированный вами уровень безопасности, а не обходит его.
Как насчёт компромиссов в качестве?
Официальная документация Google содержит важную оговорку: вариант customtools «может демонстрировать колебания качества в некоторых сценариях использования, которые не получают преимуществ от таких инструментов» (Google AI Docs, февраль 2026 года). На практике это проявляется в конкретных ситуациях. Когда вариант customtools обрабатывает запрос, для которого не зарегистрированы релевантные инструменты, например задание по креативному письму или ответ на общий вопрос, качество его ответа может быть незначительно менее стабильным по сравнению со стандартной версией. Тонкая настройка, смещающая модель в сторону использования инструментов, создаёт небольшое «напряжение», когда инструменты неприменимы, что приводит к изредка менее отшлифованному выводу. Именно поэтому рекомендуемая стратегия — использовать customtools исключительно для агентных нагрузок, а стандартную версию — для всего остального, или реализовать динамическую маршрутизацию между двумя вариантами.
| Характеристика | Стандартная версия | Customtools |
|---|---|---|
| ID модели | gemini-3.1-pro-preview | gemini-3.1-pro-preview-customtools |
| Приоритет инструментов | Может обходить пользовательские инструменты ради bash | Отдаёт приоритет пользовательским инструментам |
| Общее качество | Стабильное для всех задач | Может колебаться в сценариях без инструментов |
| Стоимость | $2,00 / $12,00 за 1M токенов | $2,00 / $12,00 за 1M токенов |
| Контекстное окно | 1 048 576 токенов | 1 048 576 токенов |
| Лучше всего для | Чат, RAG, общие ИИ-задачи | ИИ-агенты, ассистенты для кодирования |
Когда использовать Customtools? Схема принятия решений
Выбор между стандартным вариантом и вариантом customtools — это не универсальное решение, а контекстуальное, зависящее от вашего конкретного сценария использования, архитектуры инструментов и продакшн-требований. Вместо того чтобы применять один вариант ко всему, наиболее эффективный подход — оценивать каждый сценарий по чёткому набору критериев и направлять запросы соответственно.
Вам следует использовать вариант customtools, если ваше приложение отвечает следующим условиям. Во-первых, у вас есть зарегистрированные пользовательские инструменты, включающие контроль безопасности, логирование или структурированный вывод, выходящие за рамки того, что обеспечивают «сырые» bash-команды. Если ваши пользовательские инструменты — это тонкие обёртки вокруг bash-команд без дополнительной логики, стандартная версия работает не хуже, потому что нет существенной разницы между тем, вызывает ли модель вашу обёртку или выполняет команду напрямую. Во-вторых, вы создаёте агентный цикл, в котором модель совершает множество последовательных вызовов инструментов и вывод одного инструмента подаётся на вход следующему. В многоэтапных рабочих процессах пропуск инструментов ломает конвейер данных, потому что последующие шаги ожидают структурированный вывод инструмента, а не «сырой» текст bash. В-третьих, ваша агентная система работает в продакшн-среде, где важны аудируемость и контроль доступа. Если вы не можете допустить, чтобы модель периодически обходила ваши ограничения доступа, вариант customtools — более безопасный выбор.
Вам следует остаться на стандартном варианте в следующих сценариях. Чисто разговорные интерфейсы без зарегистрированных инструментов не получат преимуществ от customtools, поскольку тонкой настройке нечего оптимизировать в контексте без инструментов, и это может незначительно снизить общее качество вывода. RAG-приложения (Retrieval-Augmented Generation), в которых модель извлекает контекст и генерирует ответы без вызова внешних инструментов, лучше обслуживаются стандартной версией. Однофункциональные инструменты, где обход bash безвреден, например простой агент для чтения файлов, в котором cat и view_file дают идентичные результаты, не оправдывают потенциального компромисса в качестве. Наконец, приложения, критичные к задержкам, должны учитывать, что хотя время ответа обоих вариантов схоже, склонность customtools вызывать инструменты вместо bash может добавить накладные расходы на выполнение инструментов в зависимости от вашей реализации.
Диагностический чек-лист для принятия решения о переключении достаточно прост. Если вы замечаете, что модель часто использует cat, когда у вас зарегистрирован view_file, использует grep, когда доступен search_code, или использует sed, когда существует edit_file, это явные сигналы для перехода на customtools. Вы можете обнаружить этот паттерн, логируя вызовы инструментов и bash-выполнения в вашей агентной платформе и проверяя соотношение. Когда использование bash превышает 30% от действий, которые могли бы быть обработаны зарегистрированными инструментами, переключение на customtools существенно повысит надёжность и аудируемость вашего агента.
Создание первого агента с Customtools
Переходя от теории к практике, представляем полный рабочий пример ИИ-агента, построенного на варианте Gemini 3.1 Pro customtools. Это не упрощённый фрагмент, а функциональный агентный цикл, который вы можете адаптировать под свой сценарий использования. Агент определяет три пользовательских инструмента, обрабатывает пользовательские запросы через итерационный цикл и выполняет инструменты с корректной обработкой ошибок.
Настройка основы
Реализация использует официальный Python SDK google-genai от Google. Единственное изменение, необходимое для переключения со стандартной версии на customtools, — это обновление строки идентификатора модели с gemini-3.1-pro-preview на gemini-3.1-pro-preview-customtools. Никаких других изменений в коде не требуется, поскольку оба варианта используют один и тот же интерфейс API, формат входных данных и схему определения инструментов.
pythonfrom google import genai from google.genai import types client = genai.Client(api_key="YOUR_API_KEY") tools = [ types.Tool(function_declarations=[ types.FunctionDeclaration( name="view_file", description="Read a file with permission validation and structured output", parameters=types.Schema( type="OBJECT", properties={ "path": types.Schema(type="STRING", description="File path to read"), }, required=["path"] ) ), types.FunctionDeclaration( name="search_code", description="Search codebase for patterns with structured results", parameters=types.Schema( type="OBJECT", properties={ "query": types.Schema(type="STRING", description="Search query"), "file_pattern": types.Schema(type="STRING", description="File glob pattern"), }, required=["query"] ) ), types.FunctionDeclaration( name="edit_file", description="Edit a file with version tracking and validation", parameters=types.Schema( type="OBJECT", properties={ "path": types.Schema(type="STRING", description="File path to edit"), "old_content": types.Schema(type="STRING", description="Content to replace"), "new_content": types.Schema(type="STRING", description="Replacement content"), }, required=["path", "old_content", "new_content"] ) ), ]) ]
Агентный цикл
Ядро любой агентной системы — это цикл выполнения, который отправляет запросы, обрабатывает вызовы инструментов, выполняет инструменты и возвращает результаты модели до завершения задачи. С вариантом customtools вы можете быть уверены, что модель будет последовательно выбирать ваши зарегистрированные инструменты, а не пытаться использовать bash-команды.
pythondef run_agent(user_request: str, max_iterations: int = 10): """Execute an agent loop with the customtools variant.""" messages = [ types.Content(role="user", parts=[types.Part(text=user_request)]) ] for iteration in range(max_iterations): response = client.models.generate_content( model="gemini-3.1-pro-preview-customtools", # Key: use customtools contents=messages, config=types.GenerateContentConfig( tools=tools, temperature=0.1, # Low temperature for deterministic tool calls ) ) # Check if model wants to call tools if response.candidates[0].content.parts[0].function_call: tool_call = response.candidates[0].content.parts[0].function_call result = execute_tool(tool_call.name, dict(tool_call.args)) # Feed tool result back to model messages.append(response.candidates[0].content) messages.append(types.Content( role="user", parts=[types.Part(function_response=types.FunctionResponse( name=tool_call.name, response={"result": result} ))] )) else: # Model returned a text response - task complete return response.candidates[0].content.parts[0].text return "Max iterations reached"
Этот паттерн работает надёжно, потому что вариант customtools понимает: когда вы регистрируете view_file, search_code и edit_file, именно эти механизмы являются предпочтительными для файловых операций. Модель будет формировать корректные аргументы для каждого вызова инструмента, а не пытаться выполнить ту же задачу через bash. Ваша функция execute_tool берёт на себя фактическую логику, включая проверку разрешений, логирование и форматирование структурированного ответа, необходимые для надёжности в продакшне.
Продвинутые паттерны: динамическая маршрутизация и стратегии с несколькими инструментами
После того как у вас есть работающий агент с customtools, следующий уровень сложности включает динамическую маршрутизацию моделей и координацию нескольких инструментов. Именно эти паттерны отличают базовые реализации агентов от продакшн-систем, эффективно обрабатывающих разнородные нагрузки.
Динамическая маршрутизация моделей
Наиболее мощный паттерн использования Gemini 3.1 Pro — это динамическая маршрутизация запросов между стандартным вариантом и вариантом customtools в зависимости от характера каждой задачи. Это устраняет проблему компромисса в качестве, поскольку задачи с интенсивным использованием инструментов направляются в customtools, а чисто разговорные — в стандартную модель. Логика маршрутизации анализирует, релевантны ли зарегистрированные инструменты текущему запросу.
pythondef route_to_model(request: str, has_tools: bool, tool_names: list) -> str: """Dynamically select the optimal model variant.""" # If no tools registered, always use standard if not has_tools: return "gemini-3.1-pro-preview" # Keywords suggesting tool-use scenarios tool_indicators = ["file", "code", "search", "edit", "find", "fix", "analyze", "debug", "modify", "create", "delete"] needs_tools = any(indicator in request.lower() for indicator in tool_indicators) if needs_tools: return "gemini-3.1-pro-preview-customtools" else: return "gemini-3.1-pro-preview"
Такой подход к маршрутизации особенно эффективен для приложений, обслуживающих как агентные, так и разговорные нагрузки. Например, ассистент для написания кода может обрабатывать запросы на отладку с интенсивным использованием инструментов через customtools, а запросы с объяснениями — через стандартный вариант. Поскольку оба варианта имеют одинаковую стоимость и размер контекстного окна, маршрутизация не добавляет дополнительных затрат, при этом максимизируя качество для различных типов задач.
Координация нескольких инструментов
При создании агентов с пятью или более пользовательскими инструментами выбор инструмента превращается в задачу координации. Вариант customtools справляется с этим хорошо, поскольку оценивает все зарегистрированные инструменты перед выбором наиболее подходящего для каждого шага. Ключевой принцип проектирования — сделать описания инструментов точными и неперекрывающимися, чтобы модель могла чётко различать их. Каждый инструмент должен иметь уникальное назначение, не пересекающееся с другими инструментами, а описание должно объяснять не только что делает инструмент, но и когда его следует использовать. Например, разделяйте read_file (для чтения целых файлов) и read_lines (для чтения определённых диапазонов строк), а не создавайте один универсальный инструмент read. Создание систем наподобие мультиагентных ИИ-архитектур часто предполагает тщательное проектирование границ между инструментами для предотвращения путаницы в процессе выбора инструмента моделью.
Параллельное выполнение инструментов
Gemini 3.1 Pro поддерживает параллельный вызов функций, когда модель может запросить несколько вызовов инструментов в одном ответе. С вариантом customtools вы можете быть уверены, что все параллельные вызовы будут использовать ваши зарегистрированные инструменты, а не смешивать bash-команды с вызовами инструментов. Обрабатывайте параллельные вызовы, проверяя наличие нескольких частей function_call в ответе и выполняя их конкурентно.
Компромиссы в качестве и ограничения, о которых следует знать
Прозрачность в отношении ограничений варианта customtools необходима для принятия обоснованных архитектурных решений. Каждый инженерный выбор предполагает компромиссы, и понимание этих компромиссов заранее предотвращает неприятные сюрпризы в продакшне.
Реальность колебаний качества
Предупреждение Google о «колебаниях качества в некоторых сценариях использования, которые не получают преимуществ от таких инструментов» заслуживает практического контекста, а не простого цитирования. В реальной работе это проявляется в конкретных ситуациях. Когда вариант customtools обрабатывает запрос, для которого нет релевантных зарегистрированных инструментов, например запрос на креативное письмо или вопрос общих знаний, качество его ответа может быть незначительно менее стабильным, чем у стандартной версии. Это происходит потому, что тонкая настройка, смещающая модель в сторону использования инструментов, создаёт небольшое «напряжение», когда инструменты неприменимы, что приводит к периодическому менее отшлифованному выводу. Эффект тонкий и не катастрофический — вы не заметите его в большинстве взаимодействий, но при систематической оценке на сотнях промптов стандартная версия генерирует более стабильно качественные ответы в сценариях без инструментов.
Практическая рекомендация предельно ясна. Не используйте вариант customtools как модель по умолчанию для всех задач. Применяйте его исключительно для агентных нагрузок, где зарегистрированы пользовательские инструменты и ожидается их использование. Для всего остального стандартный вариант обеспечивает более стабильные результаты. Если ваше приложение обрабатывает оба типа нагрузок, реализуйте паттерн динамической маршрутизации, описанный в предыдущем разделе.
Аспекты статуса preview
Оба варианта — gemini-3.1-pro-preview и gemini-3.1-pro-preview-customtools — имеют пометку «preview», что означает: Google может обновить поведение модели до релиза общей доступности (GA). Для продакшн-развёртываний это означает, что вам следует планировать возможные изменения поведения и тестировать вашу агентную систему при выходе новых версий модели. Типичный паттерн Google — переход от preview к стабильной версии в течение двух-четырёх месяцев, так что GA-релиз Gemini 3.1 Pro (включая вариант customtools) вероятен к середине 2026 года.
Ограничения функциональности
Модель Gemini 3.1 Pro, независимо от варианта, имеет конкретные ограничения, влияющие на проектирование агентов. Она не поддерживает генерацию изображений, генерацию аудио и Live API для потоковых взаимодействий в реальном времени. Её «дата отсечки знаний» — январь 2025 года, что означает, что модель может не знать о событиях после этой даты, если только вы не предоставите контекст через ваши инструменты или поисковое заземление. Для приложений, которым нужна актуальная информация, подключение Google Search grounding добавляет $14 за 1 000 запросов после первых 5 000 бесплатных ежемесячных промптов, что может существенно увеличить стоимость высоконагруженных агентных развёртываний.
Ценообразование, оптимизация затрат и доступ к API
Понимание полной картины ценообразования критически важно для планирования бюджета агентных нагрузок, особенно учитывая, что ИИ-агенты, как правило, потребляют значительно больше токенов, чем разговорные приложения, из-за многоэтапных паттернов выполнения. Все данные о ценах в этом разделе проверены непосредственно на официальной странице цен Google через проверку страницы в реальном времени 22 февраля 2026 года.
Стандартные тарифы
Стандартная стоимость для gemini-3.1-pro-preview и gemini-3.1-pro-preview-customtools одинакова. Входные токены стоят $2,00 за миллион для промптов до 200 000 токенов и $4,00 за миллион для более длинных промптов. Выходные токены, которые включают токены мышления из процесса рассуждения модели, стоят $12,00 за миллион для стандартных промптов и $18,00 за миллион для промптов, превышающих 200 000 токенов. Бесплатный тариф для Gemini 3.1 Pro отсутствует. Это важное отличие от Gemini 3 Flash, который предлагает бесплатный тариф. Разработчики, желающие поэкспериментировать с Gemini 3.1 Pro без затрат, могут получить к нему доступ напрямую через Google AI Studio, но для программного доступа через API необходим платный ключ. Для полного понимания вариантов доступа ознакомьтесь с подробным руководством по лимитам и квотам Gemini API.
Batch API для агентных нагрузок
Batch API предлагает прямую 50%-ную скидку на все цены за токены, снижая стоимость входных до $1,00 за миллион и выходных до $6,00 за миллион токенов. Для агентных нагрузок, не требующих ответов в реальном времени, таких как пакетный анализ кода, автоматическая генерация документации или задачи планового обслуживания, Batch API сокращает ваши расходы вдвое без изменения качества вывода. Компромисс — более высокая задержка, поскольку пакетные запросы обрабатываются асинхронно, но для многих сценариев использования агентов эта задержка вполне приемлема.
Кэширование контекста для повторяющихся промптов
Кэширование контекста — наиболее эффективная оптимизация затрат для агентных систем, обрабатывающих множество запросов к одному и тому же объёмному контексту. Вместо отправки полного системного промпта, определений инструментов и контекста с каждым запросом вы кэшируете этот контент и ссылаетесь на него в последующих вызовах. Кэшированные входные токены стоят всего $0,20 за миллион, что представляет собой 90%-ное снижение по сравнению со стандартной ставкой $2,00. Стоимость хранения составляет $4,50 за миллион токенов в час, поэтому кэширование наиболее рентабельно для агентов, обрабатывающих множество запросов в коротком временном окне. Для агента, обрабатывающего 100 запросов в час к системному промпту на 50 000 токенов, кэширование экономит примерно $9,90 в час по сравнению с отправкой полного промпта каждый раз.
Для разработчиков, ищущих удобный способ интеграции Gemini 3.1 Pro в свои приложения, такие сервисы, как laozhang.ai, предоставляют унифицированный доступ к API множества ИИ-моделей по конкурентным ценам, что упрощает сравнение и переключение между различными поставщиками моделей без изменения кодовой базы.
Сравнение стоимости с конкурентами
Gemini 3.1 Pro занимает конкурентную позицию по ценообразованию на рынке фронтирных моделей. При стоимости $2,00/$12,00 за миллион токенов он значительно дешевле Claude Opus 4.6 ($15/$75 за миллион), при этом достигая сопоставимых результатов на бенчмарках. По сравнению с GPT-5.2 при $2,50/$10,00, Gemini 3.1 Pro предлагает более низкую стоимость входных данных, но более высокую стоимость выходных, поэтому сравнение затрат зависит от соотношения входных и выходных данных в вашем приложении. Для типичных агентных нагрузок с большим объёмом выходных данных комбинация пакетной стоимости Gemini 3.1 Pro ($1/$6) с кэшированием контекста создаёт одну из наиболее экономически эффективных конфигураций фронтирных моделей на рынке.
Начало работы: ваш план действий
Внедрение Gemini 3.1 Pro Customtools в ваш проект следует чёткому пути. Начните с определения, действительно ли ваш сценарий использования выигрывает от варианта customtools, проверив, есть ли у вас пользовательские инструменты, которые стандартная модель иногда обходит. Если вы создаёте нового агента с нуля, сразу начинайте с варианта customtools, чтобы не обнаруживать проблемы с пропуском инструментов позднее.
Ваши ближайшие шаги должны следовать этой последовательности. Во-первых, настройте доступ к API через Google AI Studio и получите ключ API для платного тарифа, поскольку Gemini 3.1 Pro не имеет бесплатного уровня API. Во-вторых, определите ваши пользовательские инструменты с ясными, непересекающимися описаниями, которые помогут модели различать их. В-третьих, реализуйте паттерн агентного цикла из этого руководства, начав с простой конфигурации с двумя инструментами, прежде чем масштабировать до более сложных. В-четвёртых, добавьте логику динамической маршрутизации, если ваше приложение обрабатывает как запросы с интенсивным использованием инструментов, так и запросы без них. В-пятых, включите кэширование контекста для вашего системного промпта и определений инструментов при переходе в продакшн для снижения затрат.
Для получения наиболее актуальных технических спецификаций всегда обращайтесь к официальной документации Gemini 3.1 Pro и руководству по вызову функций. Поскольку модель всё ещё находится в статусе preview, Google может скорректировать поведение и функции до релиза общей доступности, поэтому для продакшн-развёртываний рекомендуется отслеживать официальный журнал изменений.
Часто задаваемые вопросы
Стоит ли вариант customtools дороже стандартной версии?
Нет. Оба варианта — gemini-3.1-pro-preview и gemini-3.1-pro-preview-customtools — имеют одинаковую стоимость: $2,00 за входные и $12,00 за выходные токены на миллион (официальные цены Google, февраль 2026 года). Разница в стоимости между двумя вариантами равна нулю.
Можно ли использовать customtools без регистрации инструментов?
Технически да, но в этом нет смысла. Без зарегистрированных инструментов вариант customtools ведёт себя идентично стандартной версии, но может показывать немного более низкое качество для задач без инструментов. Если у вас нет пользовательских инструментов, используйте стандартный вариант.
Как переключиться со стандартной версии на customtools в существующем коде?
Измените параметр модели с gemini-3.1-pro-preview на gemini-3.1-pro-preview-customtools. Никаких других изменений в коде не требуется. Интерфейс API, определения инструментов и формат ответа идентичны.
Доступен ли вариант customtools в бесплатном тарифе?
Нет. Gemini 3.1 Pro не имеет бесплатного уровня API ни для одного из вариантов. Вы можете протестировать его бесплатно в Google AI Studio, но для программного доступа через API необходим платный аккаунт. Для бесплатных вариантов доступа к Gemini API Gemini 3 Flash по-прежнему доступен без оплаты.
Будет ли вариант customtools доступен всегда?
Оба варианта сейчас находятся в статусе preview. Google обычно переводит preview-модели в общую доступность в течение двух-четырёх месяцев. Вариант customtools может быть объединён со стандартной моделью в GA-релизе или сохранён как отдельная конечная точка. Следите за официальными объявлениями Google для получения обновлений.