Gemini 3 Pro 是这一代里性价比最容易被低估的型号。它的多模态不是「能读图」那种级别，而是真能把一张复杂的架构图、一份几十页的 PDF、一段录屏当作一等输入来推理。加上按次计费只要 0.05 元一次，长上下文任务的成本被压到了一个很好算的位置。这篇按实际使用顺序拆开讲：能力边界、和前代的区别、横向对比、价格账，以及直接能跑的接入代码。
如果你正在为多模态功能选型，可以先看一个判断标准：模型能不能在不做预处理的前提下直接吃下你手里的原始文件。能，就省掉一整条数据加工流水线；不能，就得先写 OCR、先切帧、先转格式，工作量差一个量级。Gemini 3 Pro 的价值主要在这里。
Gemini 这一代的产品线切得很清楚：gemini-2.5-pro 是上一代旗舰，gemini-3-pro-preview 接棒做主力，gemini-3.1-pro-preview 再往上加了一档推理深度，另外还有一个标注「酒馆专用」的 3.1 版本，针对长对话和角色扮演场景做了适配。日常开发用 3 Pro 就够，只有遇到需要多步推导的硬骨头才值得上 3.1。
价格梯度也值得留意：2.5 Pro 到 3 Pro 差 0.019 元，3 Pro 到 3.1 Pro 差 0.04 元。把贵型号只用在真正需要它的环节，整体成本能压下来不少。全流程都上最贵的型号，是最常见也最没必要的浪费。
给它一份完整的需求文档加代码库结构，让它找出「哪个模块的改动会影响支付回调」，它能顺着调用链给出定位，而不是把整份文档摘要一遍。这是长上下文模型的分水岭：能压缩和能定位是两回事，前者只能帮你快速浏览，后者才能替你干活。
结构化推理和跨模态理解是它的强项；逐字级的法律条文校对、需要极致文风的文学创作，Claude 仍然更稳。选型时把这两类任务分开，别指望一个模型通吃。
2.5 Pro 在多步逻辑题上容易「跳步」，中间结论没有支撑就往下推。3 Pro 的思考链更完整，遇到需要枚举、比较、排除的任务，正确率明显更高，也更愿意在结论里标出自己不确定的部分。
2.5 Pro 能识别图片里的文字和物体；3 Pro 能理解图表的结构关系、看懂手绘草图里的流程、把视频里的操作步骤转成文字 SOP。前者是识别，后者是理解，差别体现在你要不要人工再补一遍上下文。
3 Pro 的思考过程更长，单次响应时间比 2.5 Pro 慢一些。但按次计费把价格差压平了：2.5 Pro 0.031 元，3 Pro 0.05 元，差 0.019 元。为了更稳的输出多付 0.019 元，多数情况下划得来。
| 型号 | 计费方式 | 单价 |
|---|---|---|
| gemini-2.5-pro | 按次计费 | 0.031 元 |
| gemini-3-pro-preview | 按次计费 | 0.05 元 |
| gemini-3.1-pro-preview | 按次计费 | 0.09 元 |
| gemini-3.1-pro-preview[酒馆专用] | 按次计费 | 0.09 元 |
| NanoBanana-Pro（生图） | 按次计费 | 0.27 元 |
截图报错信息直接丢进去，它能读出堆栈里的文件名和行号，再结合你贴的代码给修复建议。手绘的流程图也认，能把草图转成 mermaid 代码。表格截图转 CSV 基本一次成型，偶尔需要人工核对合并单元格。
实测里比较有意思的一点是，它能从设计稿里推断交互意图，而不只是描述画面上有什么。这对做前端的人很实用：丢一张 UI 稿进去，它能给出大致的组件拆分建议，比自己对着图一点点划结构快得多。
几十页的 PDF 一次性传进去做问答，是它最实用的场景。读招投标文件、技术白皮书、产品说明书都能撑住。需要注意的是，扫描件质量差的时候要先做 OCR，直接传模糊图会明显拉低准确率。
跨页引用是它的加分项。问「第三章提到的成本模型和附录 B 的表格是否一致」，它能把两处内容对上再给判断，这类任务对上下文长度和理解深度的要求都不低，很多模型到这里就开始编了。
视频理解更偏向「操作流程梳理」：录屏演示转成分步教程、会议录像转结构化纪要。它不太适合做逐帧的精确动作分析，那类需求得用专门的视觉模型。
gemini-3-pro-preview 本身不负责出图，需要生图时切到 NanoBanana-Pro，按次计费 0.27 元。同一条流水线里可以先让 3 Pro 写提示词，再把提示词交给 NanoBanana-Pro 执行，分工之后出图质量通常比自己硬憋提示词更好。
困难逻辑题、需要枚举所有分支的算法设计，Claude 的 opus 系表现更稳；但 Gemini 3 Pro 的使用成本低了一个量级，值得先跑一遍看够不够。够用就别多花钱。
长文写作的语感和克制度，Claude 领先。代码生成两者接近，Gemini 3 Pro 在跨文件重构时更愿意先读全上下文再改，这一点比只改局部更安全，返工率更低。
这是 Gemini 的主场。GPT 系能读图但不擅长长文档和视频，Claude 的文档能力好但视频支持有限。要做多模态产品，Gemini 通常是最省事的入口。
| 模型 | 单价 | 定位 |
|---|---|---|
| gemini-3-pro-preview | 0.05 元/次 | 多模态主力 |
| claude-sonnet-4-5-thinking | 0.09 元/次 | 通用写作与代码 |
| claude-opus-4-5-thinking | 0.12 元/次 | 高难推理 |
| gpt-5.4-pro-thinking | 0.15 元/次 | 复杂任务 |
| deepseek-v4-pro-thinking | 0.09 元/次 | 中文场景性价比 |
官方走的是按 token 计费：输入和输出分开算，价格随上下文长度线性上涨。一次带图的请求，图片本身就会被折算成不小的 token 量。按次计费把这个波动吃掉了——不管你是发一句话还是发一份 8 万 token 的报告，都是 0.05 元。上下文越长，两者的差距越大，具体倍数取决于你的实际输入长度。
换个角度看，按次计费把「猜账单」这件事取消了。团队做预算、给客户报价，都需要一个能写进合同的确定数字，按 token 计费给不了，按次计费可以。
按 0.05 元算，200 次是 10 元，一个月 300 元。这个量级已经能支撑一个日活几百人的小工具。如果换成按 token 结算，同样是 200 次带长文档的请求，金额会明显更高，而且每天都在波动，没法做固定定价。
官方接入还得算上海外信用卡的手续费和网络链路成本，以及绑卡失败、账号被风控带来的时间损耗。国内直连的接入地址省掉的是这部分隐性开销，它不进账单，但进项目排期。
-preview，上线前确认下版本号有没有变需要说明的是，预览版型号的稳定性天然不如正式版，遇到输出异常时先换 3.1 或回退 2.5 交叉验证，能快速判断是模型问题还是自己的提示词问题。
Chatbox、Cherry Studio、酒馆（SillyTavern）、Tavo 都支持自定义 OpenAI 兼容地址。地址填 https://xyuapi.top/v1，模型填 gemini-3-pro-preview，Key 填注册后拿到的密钥即可。VSCode 里的 Cline / RooCode / KiloCode，以及 Claude Code 配合 cc-switch，走同一套配置。充值最低 7 元，支付宝或微信都行。
from openai import OpenAI
client = OpenAI(
api_key="你的小鱼API密钥",
base_url="https://xyuapi.top/v1",
)
resp = client.chat.completions.create(
model="gemini-3-pro-preview",
messages=[
{
"role": "user",
"content": [
{"type": "text", "text": "这张报错截图是什么问题？给修复步骤。"},
{
"type": "image_url",
"image_url": {"url": "https://example.com/error.png"},
},
],
}
],
)
print(resp.choices[0].message.content)import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.XYU_API_KEY,
baseURL: "https://xyuapi.top/v1",
});
const b64 = fs.readFileSync("./architecture.png").toString("base64");
const res = await client.chat.completions.create({
model: "gemini-3-pro-preview",
messages: [
{
role: "user",
content: [
{ type: "text", text: "把这个架构图转成 mermaid 流程图代码。" },
{ type: "image_url", image_url: { url: `data:image/png;base64,${b64}` } },
],
},
],
});
console.log(res.choices[0].message.content);多模态请求的响应时间波动大，批量跑的时候建议限制并发数，并为单次请求设超时，避免个别慢请求把整批任务拖住。
并发数建议从 3 起试，逐步加到 8 观察响应时间和失败率。多模态请求的耗时受图片体积影响很大，先把图片压缩到合理尺寸，往往比调并发更能提升整体吞吐。
gemini-2.5-pro先用 7 元充值验证完整链路，拿 gemini-2.5-pro 跑通流程，再把关键节点升到 gemini-3-pro-preview。需要更强推理时试 gemini-3.1-pro-preview。一套代码、一个 Key 就能横向对比这几档，选型不用靠猜。
最后一个实操提醒：把每次调用的模型名、耗时、费用记进日志。跑一周之后你会很清楚哪个型号在哪个环节最划算，这比任何评测文章的结论都可靠。