El catálogo de MeshTok lista más de una docena de modelos con una ventana de contexto de un millón de tokens o más. Casi todos renuncian a algo para llegar ahí: sin visión, sin vídeo, sin audio, una salida máxima pequeña o una etiqueta flagship ausente. Gemini 3.1 Pro es la excepción: una ventana de contexto de 1,048,576 tokens, una salida máxima de 65,536 tokens, entrada nativa de imagen+vídeo+audio, reasoning, tools, json y la etiqueta flagship en un único identificador de modelo. La pregunta que responde este artículo es si esa combinación justifica el precio de $2 / $12 por millón de tokens.
Esto es un análisis de especificaciones y precios, no un benchmark sintético. No ejecutamos pruebas de latencia, no medimos la recuperación tipo aguja en un pajar en cada posición del contexto y no vamos a publicar ninguna cifra que no podamos respaldar con el catálogo en vivo. Cada cifra de abajo es aritmética que puedes reproducir con una calculadora a partir de src/data/models.ts. El objetivo es ayudarte a decidir si la ventana de un millón de tokens de Gemini 3.1 Pro se gana un hueco en tu capa de enrutamiento — basándote en los datos que de verdad importan para el presupuesto: ventana de contexto, salida máxima, cobertura multimodal y precio por millón de tokens.
Una nota honesta antes de los números: el identificador del modelo en el catálogo es google/gemini-3.1-pro-preview. El sufijo -preview está en los datos de origen y no lo vamos a ocultar. Trata la hoja de especificaciones como precisa, pero verifica en https://meshtok.com/v1/models antes de fijar una decisión de enrutamiento en producción.
Gemini 3.1 Pro: la hoja de especificaciones
Disponible hoy a través de la API unificada de MeshTok en https://meshtok.com/v1 bajo el identificador de modelo google/gemini-3.1-pro-preview.
| Campo | Valor |
|---|---|
| Proveedor | Google (EE. UU.) |
| Ventana de contexto | 1,048,576 tokens (2²⁰, ligeramente por encima de 1M) |
| Salida máxima | 65,536 tokens |
| Precio de entrada (por 1M) | $2.00 |
| Precio de salida (por 1M) | $12.00 |
| Capacidades | image, video, audio, reasoning, tools, json, flagship |
| Lanzamiento | 2026-06 |
| Corte de conocimiento | 2026-05 |
Tres cosas destacan en este nivel:
- La mayor ventana combinada de contexto+salida de cualquier modelo multimodal del catálogo. 1,048,576 de entrada + 65,536 de salida significa que una sola llamada puede ingerir aproximadamente un millón de tokens de texto, imágenes, audio y vídeo mezclados y emitir una respuesta de 65K tokens. Ningún otro modelo en
models.tscoincide a la vez en los tres: contexto 1M+, salida máxima 65K+ y entrada imagen+vídeo+audio. - Multimodal nativa completa, incluidos vídeo y audio. La mayoría de los competidores de 1M de contexto se quedan en
image(DeepSeek V4 Pro, Qwen3.7 Max, Doubao Seed 2.1 Pro) o eliminan la visión por completo (GLM-5.2). Gemini 3.1 Pro es el único modelo insignia de 1M de contexto del catálogo que acepta vídeo y audio de forma nativa junto con texto e imágenes. - Está etiquetado como
flagshipyreasoning. Google aplica las mismas etiquetas de capacidad que reserva para su nivel frontera. Las variantes más baratas de Gemini Flash llevanfasten lugar dereasoningyflagship— esa es la división estructural dentro de la familia.
La pregunta del millón de tokens: ¿cuánto cuesta realmente el contexto de 1M?
Esta es la parte que la mayoría de las páginas de marketing omiten. Una ventana de contexto de un millón de tokens es un presupuesto, no algo gratuito. Cada token que introduces se factura a la tarifa de entrada. La forma honesta de comparar modelos de contexto largo es calcular el coste de usar realmente la ventana.
Coste de una llamada totalmente cargada (1M de entrada + un resumen corto)
Una carga de trabajo típica de contexto largo: enviar ~1M de tokens de documentos y pedir un resumen corto o algunos elementos de acción. Suponemos 1,048,576 tokens de entrada y 1,000 tokens de salida.
| Modelo | Coste de entrada | Coste de salida | Total por llamada |
|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | $0.012 | $2.109 |
| Gemini 2.5 Pro | $1.311 | $0.010 | $1.321 |
| Gemini 3 Flash | $0.524 | $0.003 | $0.527 |
| DeepSeek V4 Pro | $0.449 | $0.001 | $0.450 |
| GLM-5.2 | $1.143 | $0.004 | $1.147 |
| Claude Sonnet 5 | $3.000 | $0.015 | $3.015 |
Una sola llamada totalmente cargada de Gemini 3.1 Pro cuesta unos $2.11. Hazlo mil veces al día y estarás gastando $2,109/día — unos $63K/mes — solo en tokens de entrada. No es razón para evitar el modelo; es razón para ser deliberado sobre cuándo necesitas realmente la ventana completa.
Coste de una llamada totalmente cargada con salida larga (1M de entrada + salida máxima completa)
Donde el precio de Gemini 3.1 Pro se vuelve estructuralmente diferente es cuando también usas la salida máxima grande. Aquí suponemos que el contexto está lleno hasta el borde y se permite al modelo emitir su salida máxima completa.
| Modelo | 1M entrada | Salida máx. usada | Coste de salida | Total por llamada |
|---|---|---|---|---|
| Gemini 3.1 Pro | $2.097 | 65,536 | $0.786 | $2.883 |
| GLM-5.2 | $1.143 | 128,000 | $0.512 | $1.655 |
| DeepSeek V4 Pro | $0.449 | 32,768 | $0.028 | $0.477 |
| Claude Sonnet 5 | $3.000 | 16,384 | $0.246 | $3.246 |
GLM-5.2 es más barato por llamada totalmente cargada porque su salida máxima es 128K pero tiene un precio de $4/1M, no $12/1M. El factor decisivo entre Gemini 3.1 Pro y GLM-5.2 no es el precio — es si necesitas entrada de vídeo y audio, que GLM-5.2 no acepta en absoluto.
Coste de 1 millón de llamadas de chat cortas (1K entrada + 500 salida cada una)
Para una verificación de cordura en el otro extremo del espectro: un millón de llamadas cortas, cada una consumiendo 1,000 tokens de entrada y produciendo 500 tokens de salida. Eso son 1,000 millones de tokens de entrada y 500 millones de tokens de salida en total.
| Modelo | Coste de entrada (1B ent.) | Coste de salida (500M sal.) | Total por 1M llamadas |
|---|---|---|---|
| Gemini 3.1 Pro | $2,000 | $6,000 | $8,000 |
| Gemini 2.5 Pro | $1,250 | $5,000 | $6,250 |
| Gemini 3 Flash | $500 | $1,500 | $2,000 |
| DeepSeek V4 Pro | $429 | $429 | $857 |
| GLM-5.2 | $1,143 | $2,000 | $3,143 |
| Claude Sonnet 5 | $3,000 | $7,500 | $10,500 |
En tráfico de chat corto, Gemini 3.1 Pro es aproximadamente 9.3× más caro que DeepSeek V4 Pro y 2.5× más caro que GLM-5.2. La lección es simple: la ventana de un millón de tokens es una característica premium y no deberías pagarla en tráfico que nunca la usa.
Dentro de la familia Gemini: ¿cuál elegir?
El catálogo de MeshTok lleva siete modelos Gemini con una ventana de contexto de clase 1M. Elegir el correcto es sobre todo un equilibrio entre profundidad de razonamiento, cobertura multimodal y precio.
| Modelo | Contexto | Salida máx. | Entrada $/M | Salida $/M | Vídeo | Audio | Razonamiento | Insignia |
|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 2.5 Pro | 1,048,576 | — | $1.25 | $10.00 | ✅ | ✅ | ✅ | ✅ |
| Gemini 3.5 Flash | 1,048,576 | 65,536 | $1.50 | $9.00 | ✅ | ✅ | — | — |
| Gemini 3 Flash | 1,048,576 | 65,536 | $0.50 | $3.00 | ✅ | ✅ | — | — |
| Gemini 3.1 Flash Lite | 1,048,576 | — | $0.25 | $1.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash | 1,048,576 | — | $0.30 | $2.50 | ✅ | ✅ | — | — |
| Gemini 2.5 Flash Lite | 1,000,000 | — | $0.10 | $0.40 | ✅ | ✅ | — | — |
Lectura de la matriz:
- Gemini 3.1 Pro frente a Gemini 2.5 Pro — 2.5 Pro es la insignia anterior y es más barata en ambos ejes ($1.25/$10 vs $2/$12). El argumento para pagar más por 3.1 Pro: una salida máxima definida de 65,536 (la entrada de 2.5 Pro no tiene
maxOutputexplícito en el catálogo), un corte de conocimiento más reciente (2026-05) y la generación 3.1 más nueva. El argumento para quedarte en 2.5 Pro: si no necesitas eso, es estrictamente más barata. - Gemini 3.1 Pro frente a Gemini 3 Flash — Flash cuesta una cuarta parte y comparte el mismo contexto de 1M, salida máxima de 65K y entrada multimodal completa. Lo que renuncias es
reasoningyflagship. Para clasificación multimodal de alto volumen, transcripción o enrutamiento donde no se necesita pensamiento paso a paso, Flash es la elección correcta. Para cualquier cosa que se beneficie de cadenas de razonamiento — análisis multi-paso, Q&A de documentos largos con síntesis — 3.1 Pro es la mejora. - Gemini 3.1 Pro frente a Gemini 3.1 Flash Lite / 2.5 Flash Lite — las variantes Lite son el extremo de presupuesto. Mantienen el contexto de 1M y la entrada multimodal pero eliminan el razonamiento y el límite explícito de salida máxima. Úsalas cuando necesites ingerir muchos tokens de forma barata y la barra de calidad de respuesta sea moderada.
Gemini 3.1 Pro frente a otras insignias de 1M de contexto
¿Cómo se compara Gemini 3.1 Pro con las insignias de 1M de contexto más conocidas de otros laboratorios?
| Modelo | Contexto | Salida máx. | Entrada $/M | Salida $/M | Vídeo | Audio | Lanzamiento |
|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro | 1,048,576 | 65,536 | $2.00 | $12.00 | ✅ | ✅ | 2026-06 |
| DeepSeek V4 Pro | 1,000,000 | 32,768 | $0.4286 | $0.8571 | — | — | 2026-04 |
| GLM-5.2 | 1,000,000 | 128,000 | $1.1429 | $4.0000 | — | — | 2026-07 |
| Qwen3.7 Max | 1,000,000 | 8,192 | $0.8571 | $2.5714 | — | — | 2026-06 |
| Claude Sonnet 5 | 1,000,000 | 16,384 | $3.0000 | $15.0000 | — | — | 2026-05 |
| Claude Opus 4.8 | 1,000,000 | 32,000 | $5.0000 | $25.0000 | — | — | 2026-06 |
Dos observaciones estructurales:
- Gemini 3.1 Pro es el único modelo de esta tabla con entrada nativa de vídeo y audio. Todas las demás insignias de 1M de contexto aceptan imágenes como máximo. Si tu carga de trabajo es comprensión de vídeo, transcripción de reuniones o cualquier pipeline que ingiera audio/vídeo junto con texto, Gemini 3.1 Pro no es la opción más barata — es la única opción en el nivel de 1M de contexto.
- GLM-5.2 tiene la salida máxima más grande (128K) pero carece de multimodal por completo. Si tu carga de trabajo necesita generar respuestas de texto de un solo turno muy largas a partir de entrada solo de texto, GLM-5.2 es más barato y tiene una ventana de salida más larga. En el momento en que necesitas imagen, vídeo o audio, GLM-5.2 queda descartado y Gemini 3.1 Pro vuelve a la conversación.
El equilibrio contexto largo vs RAG (la respuesta honesta)
La pregunta «¿vale la pena la ventana de un millón de tokens?» casi siempre se reduce a una cuestión de coste, no de capacidad. Un contexto de 1M te permite saltarte un pipeline de recuperación y simplemente volcar todo en el prompt. Es conveniente, pero a $2/1M de entrada también es caro en cada llamada — y lo pagas de nuevo en la siguiente llamada, porque la ventana de contexto no se cachea gratis.
Una regla general simple, derivada puramente de los precios anteriores:
- Si el mismo corpus grande se consulta muchas veces, la recuperación es más barata. Envía 5K tokens recuperados a $2/1M = $0.01 por llamada en lugar de 1M tokens a $2/1M = $2.00 por llamada. Alcanzas el punto de equilibrio tras aproximadamente 200 llamadas solo con tokens recuperados por cada llamada de contexto completo.
- Si el corpus se consulta una o dos veces y luego se descarta (resumen one-shot de una transcripción fresca, una lectura profunda única de un contrato, exploración ad-hoc de un codebase), el contexto largo es la herramienta correcta. El sistema de recuperación costaría más de construir que los tokens que ahorra.
- Si necesitas comprensión de audio o vídeo en una línea temporal larga (una grabación de reunión de 2 horas, un vídeo largo), Gemini 3.1 Pro es el único modelo del catálogo que combina esa modalidad de entrada con una ventana de 1M. No hay sustituto más barato dentro del nivel 1M — el equilibrio es entre Gemini 3.1 Pro y un modelo de contexto más corto con chunking.
Cuándo elegir Gemini 3.1 Pro (y cuándo no)
No existe el «mejor modelo» — solo el modelo correcto para una carga de trabajo y un presupuesto dados. Usa esta matriz como punto de partida y valida con tu propia evaluación.
| Carga de trabajo | Recomendado | Por qué |
|---|---|---|
| Comprensión de vídeo o audio largo (1M+ tokens de medios) | Gemini 3.1 Pro | Único modelo de 1M de contexto del catálogo con entrada nativa video y audio. Sin sustituto más barato en este nivel. |
| Análisis multimodal mixto de contexto largo (texto + imágenes + audio) | Gemini 3.1 Pro | Único insignia que combina contexto 1M, salida máxima 65K y entrada multimodal completa. |
| Contexto largo solo texto con salida muy larga (>65K, hasta 128K) | GLM-5.2 | La salida máxima de 128K de GLM-5.2 es única. Más barato en llamadas totalmente cargadas con salida larga. Sin visión. |
| Contexto multimodal de 1M de alto volumen con presupuesto ajustado | Gemini 3 Flash | Una cuarta parte del precio de 3.1 Pro, mismo contexto 1M, misma entrada multimodal. Sin razonamiento. |
| Contexto 1M más barato posible (texto o imagen) | DeepSeek V4 Pro | $0.43/1M de entrada — 4.7× más barato que Gemini 3.1 Pro en entrada. Sin vídeo/audio. |
| Calidad de código de primer nivel, coste secundario | Claude Sonnet 5 | El posicionamiento de Anthropic y las evaluaciones de la comunidad ponen a Sonnet 5 arriba en código. Gemini 3.1 Pro si el contexto largo multimodal importa más. |
| Razonamiento analítico de contexto largo donde no se necesita multimodal | GLM-5.2 o DeepSeek V4 Pro | Ambos más baratos para trabajo de contexto largo solo texto. GLM-5.2 para salida larga, V4 Pro para coste mínimo. |
Una política de enrutamiento por defecto razonable: enruta cualquier llamada que contenga vídeo o audio a Gemini 3.1 Pro; enruta refactorings de solo texto largo con salida muy larga a GLM-5.2; enruta tráfico barato de alto volumen texto+imagen a DeepSeek V4 Pro; reserva Claude Sonnet 5 para código de alto riesgo. Gemini 3.1 Pro es el especialista en contexto largo multimodal, no el valor por defecto para todo.
Cómo llamar a Gemini 3.1 Pro (código real y ejecutable)
MeshTok expone un único endpoint compatible con OpenAI en https://meshtok.com/v1. Cambiar entre Gemini 3.1 Pro y cualquier otro modelo de este artículo es un cambio de una línea en el campo model — mismo SDK, misma clave de API, mismo formato de solicitud. El ejemplo de abajo muestra el patrón multimodal de contexto largo: un prompt de texto largo más una URL de imagen, enviados como una sola llamada.
# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://meshtok.com/v1",
api_key="sk-your-meshtok-key",
)
def ask(model_id: str, prompt: str, image_url: str | None = None) -> str:
"""Same call, different model and modality — switch with one string."""
content = [{"type": "text", "text": prompt}]
if image_url:
content.append({"type": "image_url", "image_url": {"url": image_url}})
resp = client.chat.completions.create(
model=model_id,
messages=[{"role": "user", "content": content}],
)
return resp.choices[0].message.content
# Real model IDs from the MeshTok catalog
multimodal_long = ask("google/gemini-3.1-pro-preview",
"Summarize this 800K-token transcript and extract action items.",
image_url="https://example.com/chart.png")
text_only_long = ask("bigmodel/glm-5.2",
"Rewrite this 50K-token file with the new API.")
cheap_long = ask("deepseek/deepseek-v4-pro",
"Summarize this 200K-token document.")
coding_flagship = ask("anthropic/claude-sonnet-5",
"Refactor this Python function and add tests.")Streaming, llamadas a herramientas, modo JSON y entrada de imagen funcionan igual — cambia la cadena model y añade los parámetros relevantes. Para respuestas en streaming, pasa stream=True; para llamadas a herramientas, pasa el argumento tools; para salida estructurada, usa response_format={"type": "json_object"}. Consulta la documentación de streaming de MeshTok y la documentación de llamadas a herramientas para ejemplos completos en Python, JavaScript y cURL.
FAQ
¿Es Gemini 3.1 Pro realmente el único modelo de 1M de contexto con entrada de vídeo y audio?
A 2026-07-21, sí. Todos los demás modelos en src/data/models.ts con una ventana de contexto de 1M+ — DeepSeek V4 Pro, DeepSeek V4 Flash, GLM-5.2, Qwen3.7 Max/Plus, Qwen3.5 Plus/Flash, Qwen3.6 Plus, Claude Sonnet 5, Claude Opus 4.6/4.7/4.8, MiniMax M3, Longcat 2.0, Mimo V2 Pro/V2.5 — aceptan o solo texto o texto más imágenes. Ninguno lleva la etiqueta de capacidad video o audio. Los únicos modelos con entrada nativa de vídeo/audio son la propia familia Gemini.
¿Por qué no hay benchmarks de latencia o recall en este artículo? Porque no ejecutamos ninguno y no vamos a publicar cifras que no podamos respaldar con logs en crudo. El recall en contexto largo (la pregunta de «aguja en un pajar») depende de la forma del prompt, la posición, el idioma y el comportamiento de atención del modelo en cada profundidad — un único porcentaje de recall sin el arnés de prueba, los prompts y las salidas en crudo es marketing, no datos. Si necesitas cifras de recall para tu carga de trabajo, ejecútalas tú mismo en MeshTok con tu propio corpus. Los datos de precios y capacidades de arriba son la parte que es estable y verificable.
¿Es el sufijo -preview en el identificador del modelo un problema?
Es una señal, no un bloqueador. Google publica 3.1 Pro como modelo preview en el catálogo (google/gemini-3.1-pro-preview). Eso suele significar que la hoja de especificaciones es precisa pero el modelo puede cambiar de comportamiento sin un cambio de versión. Para enrutamiento en producción donde la estabilidad importa más que la última capacidad, Gemini 2.5 Pro es la alternativa insignia no-preview a un precio menor.
¿Cómo se compara Gemini 3.1 Pro con Gemini 2.5 Pro?
2.5 Pro es la antigua insignia de Google. Es más barata ($1.25/$10 vs $2/$12), lleva las mismas etiquetas flagship + reasoning + multimodal completa y tiene la misma ventana de contexto de 1,048,576. El argumento para pagar más por 3.1 Pro: una salida máxima definida de 65,536, un corte de conocimiento más reciente (2026-05) y la nueva generación 3.1. El argumento para quedarte en 2.5 Pro: es estrictamente más barata si no necesitas esas tres cosas.
¿Admite Gemini 3.1 Pro llamadas a herramientas y salidas estructuradas?
Sí. El campo capabilities lista tools y json, lo que significa que las llamadas a funciones nativas y la salida estructurada en modo JSON están soportadas a través del endpoint compatible con OpenAI de MeshTok. El formato de solicitud es idéntico al de OpenAI — solo cambia el campo model.
¿Es la ventana de contexto de 1M real o marketing?
Es la ventana de contexto declarada en src/data/models.ts, reflejada desde la propia ficha del modelo de Google. El contexto utilizable real depende de la forma de tu prompt, la estrategia de recuperación y cómo maneja el modelo la atención de contexto largo — todo lo cual deberías probar con tus propios datos. La cifra del catálogo es el límite superior que acepta el modelo, no una garantía de calidad en cada posición.
¿Por qué Gemini 3.1 Pro es tanto más caro que DeepSeek V4 Pro? Estructuras de coste y capacidades diferentes. DeepSeek V4 Pro tiene un precio agresivo para volumen de texto+imagen y no acepta vídeo ni audio. Gemini 3.1 Pro tiene el precio de una insignia multimodal completa con soporte nativo de vídeo y audio — esa es una superficie de entrada diferente, no una comparación de texto a texto equivalente. MeshTok no añade margen; ves exactamente lo que cada laboratorio publica.
¿Son estables estos precios?
Los proveedores de modelos actualizan los precios de lista periódicamente. Las cifras de este artículo reflejan el catálogo de MeshTok a 2026-07-21. El updatedDate en la parte superior de la página te indica cuándo se revisó el artículo por última vez; la fuente de verdad en vivo es siempre https://meshtok.com/models.
Última revisión 2026-07-21 por el equipo de MeshTok. Todos los precios y capacidades se toman del catálogo de modelos en vivo de MeshTok (src/data/models.ts) en la fecha de revisión. No se realizaron mediciones de latencia, conteo de tokens, recall ni calidad para este artículo — las cifras mostradas son proyecciones aritméticas de los precios de lista publicados, no benchmarks empíricos.