Katalog MeshTok mendaftar lebih dari selusin model dengan jendela konteks satu juta token atau lebih. Hampir semuanya mengorbankan sesuatu untuk mencapai sana — tanpa vision, tanpa video, tanpa audio, output maksimum yang kecil, atau label flagship yang hilang. Gemini 3.1 Pro adalah pengecualian: jendela konteks 1.048.576 token, output maksimum 65.536 token, input native image+video+audio, reasoning, tools, json, dan label flagship, semua dalam satu model id. Pertanyaan yang dijawab artikel ini adalah apakah kombinasi tersebut sepadan dengan harga $2 / $12 per juta token.
Ini adalah analisis spesifikasi-dan-harga, bukan benchmark sintetis. Kami tidak menjalankan tes latensi, tidak mengukur recall needle-in-a-haystack di setiap posisi konteks, dan kami tidak akan mempublikasikan angka apa pun yang tidak dapat kami dukung dengan katalog langsung. Setiap angka di bawah adalah aritmetika yang dapat Anda reproduksi dengan kalkulator dari src/data/models.ts. Tujuannya adalah membantu Anda memutuskan apakah jendela sejuta token Gemini 3.1 Pro layak mendapat tempat di lapisan routing Anda — berdasarkan data yang benar-benar penting untuk penganggaran: jendela konteks, output maksimum, cakupan multimodal, dan harga per juta token.
Satu catatan jujur sebelum angka-angka: model id di katalog adalah google/gemini-3.1-pro-preview. Akhiran -preview ada di data sumber, dan kami tidak akan menyembunyikannya. Perlakukan lembar spesifikasi sebagai akurat, tetapi verifikasi terhadap https://meshtok.com/v1/models sebelum mengunci keputusan routing produksi.
Gemini 3.1 Pro: lembar spesifikasi
Tersedia hari ini melalui API terpadu MeshTok di https://meshtok.com/v1 dengan model id google/gemini-3.1-pro-preview.
| Bidang | Nilai |
|---|---|
| Vendor | Google (AS) |
| Jendela konteks | 1.048.576 token (2²⁰, sedikit di atas 1M) |
| Output maksimum | 65.536 token |
| Harga input (per 1M) | $2.00 |
| Harga output (per 1M) | $12.00 |
| Kapabilitas | image, video, audio, reasoning, tools, json, flagship |
| Dirilis | 2026-06 |
| Cutoff pengetahuan | 2026-05 |
Tiga hal yang menonjol di tingkat ini:
- Jendela konteks+output gabungan terbesar dari semua model multimodal di katalog. 1.048.576 input + 65.536 output berarti satu panggilan dapat menyerap kira-kira sejuta token campuran teks, gambar, audio, dan video, dan memancarkan respons 65K-token. Tidak ada model lain di
models.tsyang secara bersamaan cocok dengan ketiganya: konteks 1M+, output maksimum 65K+, dan input image+video+audio. - Multimodal native penuh, termasuk video dan audio. Sebagian besar kompetitor 1M-context berhenti di
image(DeepSeek V4 Pro, Qwen3.7 Max, Doubao Seed 2.1 Pro) atau menjatuhkan vision sepenuhnya (GLM-5.2). Gemini 3.1 Pro adalah satu-satunya flagship 1M-context di katalog yang menerima video dan audio secara native bersama teks dan gambar. - Ia berlabel
flagshipdanreasoning. Google menerapkan tag kapabilitas yang sama yang disediakan untuk tingkat frontier mereka. Varian Gemini Flash yang lebih murah membawafastalih-alihreasoningdanflagship— itulah pembagian struktural di dalam keluarga.
Pertanyaan sejuta token: berapa biaya 1M konteks yang sebenarnya?
Ini adalah bagian yang dilewati sebagian besar halaman pemasaran. Jendela konteks sejuta token adalah anggaran, bukan gratisan. Setiap token yang Anda masukkan ditagihkan dengan tarif input. Cara jujur untuk membandingkan model long-context adalah dengan menghitung biaya menggunakan jendela tersebut secara aktual.
Biaya satu panggilan fully-loaded (1M input + ringkasan singkat)
Beban kerja long-context yang umum: kirim ~1M token dokumen dan minta ringkasan singkat atau beberapa item aksi. Kami mengasumsikan 1.048.576 token input dan 1.000 token output.
| Model | Biaya input | Biaya output | Total per panggilan |
|---|---|---|---|
| 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 |
Satu panggilan Gemini 3.1 Pro yang fully-loaded berbiaya sekitar $2.11. Jalankan itu seribu kali sehari dan Anda menghabiskan $2.109/hari — kira-kira $63K/bulan — hanya untuk token input. Itu bukan alasan untuk menghindari model; itu alasan untuk sengaja memilih kapan Anda benar-benar membutuhkan jendela penuh.
Biaya panggilan long-output fully-loaded (1M input + output maksimum penuh)
Di sinilah harga Gemini 3.1 Pro menjadi berbeda secara struktural — ketika Anda juga menggunakan output maksimum yang besar. Di sini kami mengasumsikan konteks diisi penuh dan model diizinkan memancarkan output maksimum penuhnya.
| Model | 1M input | Output maksimum digunakan | Biaya output | Total per panggilan |
|---|---|---|---|---|
| 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 lebih murah per panggilan fully-loaded karena output maksimumnya 128K namun dihargai $4/1M, bukan $12/1M. Faktor penentu antara Gemini 3.1 Pro dan GLM-5.2 bukan harga — melainkan apakah Anda membutuhkan input video dan audio, yang sama sekali tidak diterima GLM-5.2.
Biaya 1 juta panggilan chat singkat (1K input + 500 output masing-masing)
Untuk pemeriksaan kewarasan di ujung spektrum yang berlawanan: satu juta panggilan singkat, masing-masing mengonsumsi 1.000 token input dan menghasilkan 500 token output. Itu total 1 miliar token input dan 500 juta token output.
| Model | Biaya input (1M in) | Biaya output (500M out) | Total untuk 1M panggilan |
|---|---|---|---|
| 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 |
Pada traffic chat singkat, Gemini 3.1 Pro sekitar 9.3× lebih mahal daripada DeepSeek V4 Pro dan 2.5× lebih mahal daripada GLM-5.2. Pelajarannya sederhana: jendela sejuta token adalah fitur premium, dan Anda tidak boleh membayarnya untuk traffic yang tidak pernah menggunakannya.
Di dalam keluarga Gemini: mana yang harus dipilih?
Katalog MeshTok membawa tujuh model Gemini dengan jendela konteks kelas 1M. Memilih yang tepat sebagian besar adalah pertukaran antara kedalaman reasoning, cakupan multimodal, dan harga.
| Model | Konteks | Max out | Input $/M | Output $/M | Video | Audio | Reasoning | Flagship |
|---|---|---|---|---|---|---|---|---|
| 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 | ✅ | ✅ | — | — |
Membaca matriks:
- Gemini 3.1 Pro vs Gemini 2.5 Pro — 2.5 Pro adalah flagship yang lebih lama dan lebih murah di kedua sumbu ($1.25/$10 vs $2/$12). Alasan membayar lebih untuk 3.1 Pro: output maksimum 65.536 yang terdefinisi (entri 2.5 Pro tidak memiliki
maxOutputeksplisit di katalog), cutoff pengetahuan yang lebih baru (2026-05), dan generasi 3.1 yang lebih baru. Alasan tetap di 2.5 Pro: jika Anda tidak membutuhkan hal-hal itu, ia ketat lebih murah. - Gemini 3.1 Pro vs Gemini 3 Flash — Flash seperempat harganya dan berbagi konteks 1M yang sama, output maksimum 65K, dan input multimodal penuh. Apa yang Anda korbankan adalah
reasoningdanflagship. Untuk klasifikasi multimodal volume tinggi, transkripsi, atau routing di mana pemikiran langkah-demi-langkah tidak diperlukan, Flash adalah pilihan yang tepat. Untuk apa pun yang mendapat manfaat dari rantai reasoning — analisis multi-langkah, Q&A dokumen panjang dengan sintesis — 3.1 Pro adalah upgrade-nya. - Gemini 3.1 Pro vs Gemini 3.1 Flash Lite / 2.5 Flash Lite — varian Lite adalah ujung anggaran. Mereka menjaga konteks 1M dan input multimodal tetapi menjatuhkan reasoning dan batas output-maksimum eksplisit. Gunakan ketika Anda perlu menyerap banyak token secara murah dan standar kualitas responsnya sedang.
Gemini 3.1 Pro vs flagship 1M-context lainnya
Bagaimana Gemini 3.1 Pro dibandingkan dengan flagship 1M-context yang lebih dikenal dari lab lain?
| Model | Konteks | Max out | Input $/M | Output $/M | Video | Audio | Dirilis |
|---|---|---|---|---|---|---|---|
| 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 |
Dua observasi struktural:
- Gemini 3.1 Pro adalah satu-satunya model di tabel ini dengan input video dan audio native. Setiap flagship 1M-context lainnya paling banyak menerima gambar. Jika beban kerja Anda adalah pemahaman video, transkripsi pertemuan, atau pipeline apa pun yang menyerap audio/video bersama teks, Gemini 3.1 Pro bukan opsi termurah — ia adalah satu-satunya opsi di tingkat 1M-context.
- GLM-5.2 memiliki output maksimum terbesar (128K) tetapi sama sekali tidak multimodal. Jika beban kerja Anda perlu menghasilkan respons teks satu-giliran yang sangat panjang dari input hanya-teks, GLM-5.2 lebih murah dan memiliki jendela output lebih panjang. Saat Anda membutuhkan gambar, video, atau audio, GLM-5.2 keluar dari meja dan Gemini 3.1 Pro kembali ke percakapan.
Pertukaran long-context vs RAG (jawaban yang jujur)
Pertanyaan “apakah jendela sejuta token sepadan?” hampir selalu mereduksi ke pertanyaan biaya, bukan pertanyaan kapabilitas. Konteks 1M memungkinkan Anda melewatkan pipeline retrieval dan hanya membuang semuanya ke prompt. Itu nyaman, tetapi dengan $2/1M input itu juga mahal pada setiap panggilan — dan Anda membayarnya lagi pada panggilan berikutnya, karena jendela konteks tidak di-cache gratis.
Aturan praktis sederhana, diturunkan murni dari harga di atas:
- Jika korpus besar yang sama dikueri berkali-kali, retrieval lebih murah. Kirim 5K token yang diretrieve dengan $2/1M = $0.01 per panggilan alih-alih 1M token dengan $2/1M = $2.00 per panggilan. Anda break-even setelah kira-kira 200 panggilan retrieved-only untuk setiap satu panggilan full-context.
- Jika korpus dikueri sekali atau dua kali lalu dibuang (ringkasan one-shot transkrip baru, pembacaan mendalam satu kontrak, eksplorasi ad-hoc codebase), long context adalah alat yang tepat. Sistem retrieval akan berbiaya lebih mahal untuk dibangun daripada token yang dihematnya.
- Jika Anda membutuhkan pemahaman audio atau video dalam jangka panjang (rekaman pertemuan 2 jam, video panjang), Gemini 3.1 Pro adalah satu-satunya model di katalog yang menggabungkan modalitas input itu dengan jendela 1M. Tidak ada substitusi yang lebih murah di dalam tingkat 1M — pertukarannya antara Gemini 3.1 Pro dan model konteks lebih pendek plus chunking.
Kapan memilih Gemini 3.1 Pro (dan kapan tidak)
Tidak ada “model terbaik” — hanya model yang tepat untuk beban kerja dan anggaran tertentu. Gunakan matriks ini sebagai titik awal dan validasi dengan eval Anda sendiri.
| Beban kerja | Rekomendasi | Alasan |
|---|---|---|
| Pemahaman video atau audio panjang (1M+ token media) | Gemini 3.1 Pro | Satu-satunya model 1M-context di katalog dengan input video dan audio native. Tidak ada substitusi yang lebih murah di tingkat ini. |
| Analisis long-context multimodal campuran (teks + gambar + audio) | Gemini 3.1 Pro | Satu-satunya flagship yang menggabungkan konteks 1M, output maksimum 65K, dan input multimodal penuh. |
| Long-context hanya-teks dengan output sangat panjang (>65K, hingga 128K) | GLM-5.2 | Output maksimum 128K dari GLM-5.2 unik. Lebih murah pada panggilan long-output fully-loaded. Tanpa vision. |
| Multimodal 1M-context volume tinggi dengan anggaran terbatas | Gemini 3 Flash | Seperempat harga 3.1 Pro, konteks 1M yang sama, input multimodal yang sama. Menjatuhkan reasoning. |
| Konteks 1M semurah mungkin (teks atau gambar) | DeepSeek V4 Pro | $0.43/1M input — 4.7× lebih murah daripada Gemini 3.1 Pro pada input. Tanpa video/audio. |
| Kualitas coding tingkat atas, biaya sekunder | Claude Sonnet 5 | Pemosisian Anthropic dan eval komunitas menempatkan Sonnet 5 di puncak untuk kode. Gemini 3.1 Pro jika long context multimodal lebih penting. |
| Reasoning analitis long-context di mana multimodal tidak diperlukan | GLM-5.2 atau DeepSeek V4 Pro | Keduanya lebih murah untuk pekerjaan long-context hanya-teks. Pilih GLM-5.2 untuk output panjang, V4 Pro untuk biaya terendah. |
Kebijakan routing default yang masuk akal: rutekan setiap panggilan yang berisi video atau audio ke Gemini 3.1 Pro; rutekan refactor hanya-teks panjang dengan output sangat panjang ke GLM-5.2; rutekan traffic teks+gambar volume tinggi yang murah ke DeepSeek V4 Pro; cadangkan Claude Sonnet 5 untuk coding berisiko tinggi. Gemini 3.1 Pro adalah spesialis long-context multimodal, bukan default untuk segalanya.
Cara memanggil Gemini 3.1 Pro (kode nyata, dapat dijalankan)
MeshTok menyediakan satu endpoint kompatibel OpenAI di https://meshtok.com/v1. Beralih antara Gemini 3.1 Pro dan model lain di artikel ini adalah perubahan satu baris pada field model — SDK yang sama, API key yang sama, format permintaan yang sama. Contoh di bawah menunjukkan pola multimodal long-context: prompt teks panjang plus URL gambar, dikirim sebagai satu panggilan.
# 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, tool calling, JSON mode, dan input gambar semuanya bekerja dengan cara yang sama — ubah string model dan tambahkan parameter yang relevan. Untuk respons streaming, lewatkan stream=True; untuk tool calling, lewatkan argumen tools; untuk output terstruktur, gunakan response_format={"type": "json_object"}. Lihat dokumentasi streaming MeshTok dan dokumentasi tool-calling untuk contoh lengkap dalam Python, JavaScript, dan cURL.
FAQ
Apakah Gemini 3.1 Pro benar-benar satu-satunya model 1M-context dengan input video dan audio?
Per 2026-07-21, ya. Setiap model lain di src/data/models.ts dengan jendela konteks 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 — menerima hanya teks atau teks plus gambar. Tidak satupun membawa tag kapabilitas video atau audio. Satu-satunya model dengan input video/audio native adalah keluarga Gemini itu sendiri.
Mengapa tidak ada benchmark latensi atau recall di artikel ini? Karena kami tidak menjalankan satu pun, dan kami tidak akan mempublikasikan angka yang tidak dapat kami dukung dengan log mentah. Recall long-context (pertanyaan “needle in a haystack”) bergantung pada bentuk prompt, posisi, bahasa, dan perilaku attention model pada setiap kedalaman — persentase recall tunggal tanpa harness pengujian, prompt, dan output mentah adalah pemasaran, bukan data. Jika Anda membutuhkan angka recall untuk beban kerja Anda, jalankan sendiri di MeshTok dengan korpus Anda sendiri. Data harga dan kapabilitas di atas adalah bagian yang stabil dan dapat diverifikasi.
Apakah akhiran -preview di model id menjadi masalah?
Itu sinyal, bukan penghalang. Google mengirim 3.1 Pro sebagai model preview di katalog (google/gemini-3.1-pro-preview). Itu biasanya berarti lembar spesifikasi akurat tetapi model dapat mengubah perilaku tanpa version bump. Untuk routing produksi di mana stabilitas lebih penting daripada kapabilitas terbaru, Gemini 2.5 Pro adalah alternatif flagship non-preview dengan harga lebih rendah.
Bagaimana Gemini 3.1 Pro dibandingkan dengan Gemini 2.5 Pro?
2.5 Pro adalah flagship Google yang lebih lama. Ia lebih murah ($1.25/$10 vs $2/$12), membawa tag flagship + reasoning + multimodal penuh yang sama, dan memiliki jendela konteks 1.048.576 yang sama. Alasan membayar lebih untuk 3.1 Pro: output maksimum 65.536 yang terdefinisi, cutoff pengetahuan yang lebih baru (2026-05), dan generasi 3.1 yang lebih baru. Alasan tetap di 2.5 Pro: ia ketat lebih murah jika Anda tidak membutuhkan tiga hal itu.
Apakah Gemini 3.1 Pro mendukung tool calling dan output terstruktur?
Ya. Field capabilities mendaftar tools dan json, yang berarti function calling native dan output terstruktur JSON-mode keduanya didukung melalui endpoint kompatibel-OpenAI MeshTok. Format permintaan identik dengan milik OpenAI — hanya field model yang berubah.
Apakah jendela konteks 1M nyata atau sekadar pemasaran?
Itu adalah jendela konteks yang dideklarasikan di src/data/models.ts, dicerminkan dari model card Google sendiri. Konteks yang benar-benar dapat digunakan bergantung pada bentuk prompt, strategi retrieval, dan bagaimana model menangani attention long-context — yang semuanya harus Anda uji dengan data Anda sendiri. Angka katalog adalah batas atas yang diterima model, bukan jaminan kualitas di setiap posisi.
Mengapa Gemini 3.1 Pro jauh lebih mahal daripada DeepSeek V4 Pro? Struktur biaya dan kapabilitas yang berbeda. DeepSeek V4 Pro dihargai agresif untuk volume teks+gambar dan tidak menerima video atau audio. Gemini 3.1 Pro dihargai sebagai flagship multimodal penuh dengan dukungan video dan audio native — itu adalah permukaan input yang berbeda, bukan perbandingan teks like-for-like. MeshTok tidak menambahkan markup apa pun; Anda melihat persis apa yang dipublikasikan setiap lab.
Apakah harga ini stabil?
Vendor model memperbarui harga daftar secara berkala. Angka dalam artikel ini mencerminkan katalog MeshTok pada 2026-07-21. updatedDate di bagian atas halaman memberi tahu Anda kapan artikel terakhir ditinjau; sumber kebenaran langsung selalu https://meshtok.com/models.
Terakhir ditinjau 2026-07-21 oleh MeshTok Team. Semua harga dan kapabilitas diambil dari katalog model MeshTok langsung (src/data/models.ts) pada tanggal peninjauan. Tidak ada pengukuran latensi, token-count, recall, atau kualitas yang dilakukan untuk artikel ini — angka yang ditampilkan adalah proyeksi aritmetika dari harga daftar yang dipublikasikan, bukan benchmark empiris.