Gemini 3.1 erklärt: Gemini 3 Pro/Flash, Nano Banana Pro und Veo 3.1 (Funktionen + API)

Lisa Ernst · 19.02.2026 · Künstliche Intelligenz · 10 min

Was „Gemini 3.1“ in der Praxis bedeutet

Wenn Sie Leute darüber reden gehört haben “Gemini 3.1”, meinen sie oft eine bundle von Updates: Gemini 3 Reasoning-First LLM-Familie (Pro / Flash), plus das neueste “.1” generatives Medienmodell Veo 3.1 für die Videogenerierung. Offiziell vermarktet Google die LLM-Familie als Gemini 3 — auf der Videoseite prominent erscheint 3.1 (Veo 3.1).

Dieser Beitrag konzentriert sich auf die realen, entwicklerrelevanten Fähigkeiten: thinking levels, media resolution, thought signatures, Tool-Nutzung und wo jedes Modell passt (text, images, und Video).

Quelle: Abstrakte KI-Illustration, die multimodales Reasoning und agentische Workflows der nächsten Generation darstellt.

Inhaltsverzeichnis

1. Kurze Zusammenfassung
2. Gemini 3 Modellfamilie (Pro, Flash, Pro Image)
3. Denkebenen: Geschwindigkeit vs. Tiefe
4. Medienauflösung: besseres Sehen, vorhersehbare Kosten
5. Gedanken-Signaturen: das Feld, das Sie nicht ignorieren können
6. Tool-Nutzung & agentische Workflows
7. Nano Banana Pro: Bilderzeugung + Bearbeitung
8. Veo 3.1: Videogenerierung mit nativem Ton
9. FAQ
10. Fazit

Kurze Zusammenfassung

• Gemini 3 Pro ist das Flaggschiff-Reasoning-Modell für komplexe, kritische Aufgaben (1M input / 64k output; Jan 2025 cutoff; preview model ID: gemini-3-pro-preview).
• Gemini 3 Flash liefert Pro-Klassen-Fähigkeiten mit geringerer Latenz für hochfrequente Workflows (preview model ID: gemini-3-flash-preview; enthält eine kostenlose Stufe in der Gemini API).
• Nano Banana Pro (aka Gemini 3 Pro Image) ist das hochwertige Modell für Bilderzeugung/Bearbeitung (preview model ID: gemini-3-pro-image-preview).
• Neue API-Steuerungen: thinking_level (Latenz vs. Reasoning-Tiefe) und media_resolution (Sehgenauigkeit vs. Token-Kosten).
• Gedanken-Signaturen sind für strikte Workflows erforderlich (insbesondere Funktionsaufrufe sowie Bilderzeugung und -bearbeitung). Wenn Ihr SDK sie nicht handhabt, müssen Sie sie hin- und zurücksenden.
• “3.1” Hervorhebung: Veo 3.1 ist Googles neuestes Modell zur Videogenerierung mit nativem Ton und hochwertigen Ausgabeoptionen (preview model IDs: veo-3.1-generate-preview, veo-3.1-fast-generate-preview).
• Wo es eingesetzt werden kann: Gemini API / AI Studio / Vertex AI, plus agentische Umgebungen wie Google Antigravity und Gemini CLI.

Die Gemini 3 Modellfamilie

Gemini 3 ist eine Reasoning-First-Modellfamilie, die für agentische Workflows, autonomes Codieren und multimodale Aufgaben entwickelt wurde. Der offizielle Entwicklerleitfaden listet diese Vorschau-Modelle und IDs auf:

Quelle: deepmind.google

Nano Banana Pro (Gemini 3 Pro Image) ist für die Bilderzeugung und -bearbeitung in Studioqualität konzipiert – insbesondere wenn Sie gestochen scharfen Text und kontrollierte Layouts benötigen.

Denkebenen: Geschwindigkeit vs. Tiefe

Gemini 3 führt ein thinking_level als praktische Steuerung für die Reasoning-Tiefe ein. Wenn Sie die schnellsten möglichen Antworten wünschen (Chat, Hochdurchsatzaufgaben), schränken Sie das Denken ein. Wenn Sie tieferes Reasoning benötigen (Debugging, Planung, komplexe Mathematik), lassen Sie es hoch.

Beispiel (REST):

{
  "contents": [{
"parts": [{ "text": "Find the race condition in this C++ snippet: [code here]" }]
  }],
  "generationConfig": {
"thinkingConfig": {
"thinkingLevel": "high"
}
  }
}

Tipp: Gemini 3 ist auf eine Standardtemperatur von 0 eingestellt. Wenn Sie zuvor eine niedrige Temperatur für deterministische Ausgaben erzwungen haben, testen Sie zuerst, diese zu entfernen – insbesondere für komplexes Reasoning.

Medienauflösung: besseres Sehen, vorhersehbare Kosten

Für das Verständnis von Bildern/Videos, media_resolution steuert, wie viele Tokens das Modell pro Bild (oder pro Videobild) ausgeben darf. Höhere Einstellungen können die OCR von Kleinbuchstaben und feine Details verbessern – auf Kosten von mehr Tokens und Latenz.

Beispiel-Snippet (pro Medienteil):

{
  "parts": [
{ "text": "Read the small UI labels and explain what each button does." },
{
"inlineData": { "mimeType": "image/png", "data": "..." },
"mediaResolution": { "level": "media_resolution_high" }
}
  ]
}

Gedanken-Signaturen: das Feld, das Sie nicht ignorieren können

Gedanken-Signaturen (thoughtSignature) sind verschlüsselte „Reasoning State“-Blobs, die von Gemini 3 verwendet werden, um den Reasoning-Kontext über API-Aufrufe hinweg beizubehalten. In strengen Abläufen – insbesondere bei function calling und image generation/editing — können fehlende Signaturen zu Fehlern führen. Wenn Sie die offiziellen SDKs und die Standard-Verlaufshandhabung verwenden, geschieht dies normalerweise automatisch.

Wenn Sie den Verlauf von älteren Modellen migrieren oder benutzerdefinierte Tool-Aufrufe einfügen müssen (bei denen Sie keine gültige Signatur haben), beschreiben die Dokumente einen speziellen Dummy-String, den Sie verwenden können, um die strenge Validierung in diesem Szenario zu umgehen.

"thoughtSignature": "context_engineering_is_the_way_to_go"

Tool-Nutzung & agentische Workflows

Gemini 3 unterstützt integrierte Tools in der Gemini API (wie Suchgrundlagen, URL-Kontext, Codeausführung und Dateisuche) sowie standardmäßiges Funktionsaufrufen für Ihre eigenen Tools. In der Praxis ermöglicht dies agentenähnliche Workflows: Informationen sammeln, Code ausführen, strukturierte Ausgaben erzeugen und iterieren – ohne die Modellschleife zu verlassen. Die Gemini 3 Modellfamilie eignet sich für mehrstufige Aufgaben, die Reasoning und Tools erfordern, und kann zur Generierung vielfältiger Inhalte verwendet werden, darunter Text, Code, Bilder und Video.

Praktischer Hinweis: Integrierte Tools und benutzerdefinierte Funktionsaufrufe können nicht immer in einer einzigen Anfrage kombiniert werden (abhängig vom Endpunkt/Konfiguration). Planen Sie daher Ihre Orchestrierung mit klaren Phasen (Tool-Schritt zu Modell-Schritt zu Tool-Schritt).

Nano Banana Pro: Bilderzeugung + Bearbeitung

Nano Banana Pro (Gemini 3 Pro Image) ist das bildorientierte Modell, das glänzt, wenn Sie Folgendes benötigen: gestochen scharfe Typografie, kontrollierte Komposition und mehrstufige Bearbeitungen. Es ist für Workflows konzipiert, bei denen „professionell aussehen“ keine Option ist — Marken-Assets, UI-Mockups, Poster, Diagramme und lokalisierte Designs.

Veo 3.1: Videogenerierung mit nativem Ton

Dies ist der Teil, auf den sich viele Leute beziehen, wenn sie sagen “3.1”: Veo 3.1 ist Googles hochmodernes Modell zur Videogenerierung, das über die Gemini API (kostenpflichtige Stufe) verfügbar ist. Es legt Wert auf kinoreife Bewegungen, zeitliche Konsistenz und native audio generation. Es gibt auch eine schnellere Variante (veo-3.1-fast-generate-preview) für Workflows mit geringerer Latenz/Kosten.

Quelle: ai.google.dev

Veo 3.1 verwendet Provenienz-Technologien (einschließlich SynthID im Google-Ökosystem), um KI-generierte Medien zu identifizieren und die verantwortungsvolle Nutzung zu unterstützen.

Beispiele für Modell-IDs, die Sie in der Gemini API sehen werden:

• veo-3.1-generate-preview (höchste Qualität)
• veo-3.1-fast-generate-preview (schneller + günstiger)

Häufig gestellte Fragen (FAQ)

Fazit

Die Gemini 3 Generation ist nicht nur „größerer Chat“: Es ist ein Reasoning-First-Stack, der für Langzeitkontext, multimodale Eingaben und agentische Workflows entwickelt wurde – mit praktischen Steuerelementen wie thinking_level und media_resolution die Ihnen ermöglichen, Latenz/Kosten gegen tieferes Reasoning und bessere Sehgenauigkeit einzutauschen. Darüber hinaus ist das Schlagwort für viele Ersteller “3.1” – Veo 3.1: hochwertige Videogenerierung mit nativem Ton und kinoreifer Steuerung.

Wenn Sie Tools entwickeln, ergeben sich die größten Vorteile normalerweise aus: (1) die Wahl des richtigen Modells für die Aufgabe (Flash vs Pro vs Pro Image), (2) bewusste Nutzung von Denkebenen, und (3) Die Gedanken-Signaturen als „Zustand“ behandeln, der nicht verloren gehen darf.