Gemini 3.1 spiegato: Gemini 3 Pro/Flash, Nano Banana Pro e Veo 3.1 (Funzionalità + API)

Lisa Ernst · 19.02.2026 · Intelligenza Artificiale · 10 min

Cosa significa "Gemini 3.1" in pratica

Se hai visto persone parlare di “Gemini 3.1”, spesso intendono un bundle di aggiornamenti: Gemini 3 famiglia LLM orientata al ragionamento (Pro / Flash), più il più recente “.1” modello di media generativa Veo 3.1 per la generazione video. Ufficialmente, Google brandizza la famiglia LLM come Gemini 3 — mentre 3.1 appare in modo prominente sul lato video (Veo 3.1).

Questo post si concentra sulle capacità reali e rilevanti per gli sviluppatori: thinking levels, media resolution, thought signatures, uso degli strumenti e dove si inserisce ciascun modello (text, images, e video).

Fonte: Illustrazione AI astratta che rappresenta il ragionamento multimodale e i flussi di lavoro agentici di prossima generazione.

Indice dei contenuti

1. Riepilogo rapido
2. Famiglia di modelli Gemini 3 (Pro, Flash, Pro Image)
3. Livelli di pensiero: velocità vs. profondità
4. Risoluzione multimediale: migliore visione, costo prevedibile
5. Firme di pensiero: il campo che non puoi ignorare
6. Uso degli strumenti e flussi di lavoro agentici
7. Nano Banana Pro: generazione + modifica immagini
8. Veo 3.1: generazione video con audio nativo
9. FAQ
10. Conclusione

Riepilogo rapido

• Gemini 3 Pro è il modello di punta per il ragionamento per compiti complessi e ad alto rischio (1M input / 64k output; Jan 2025 cutoff; preview model ID: gemini-3-pro-preview).
• Gemini 3 Flash offre capacità di classe Pro con latenza inferiore per flussi di lavoro ad alta frequenza (preview model ID: gemini-3-flash-preview; include un livello gratuito nell'API Gemini).
• Nano Banana Pro (aka Gemini 3 Pro Image) è il modello di generazione/modifica immagini di alta qualità (preview model ID: gemini-3-pro-image-preview).
• Nuovi controlli API: thinking_level (latenza vs. profondità di ragionamento) e media_resolution (fedeltà visiva vs. costo per token).
• Firme di pensiero sono richieste per flussi di lavoro rigorosi (specialmente function calling e generazione/modifica di immagini). Se il tuo SDK non le gestisce, devi gestirle in round-trip.
• “3.1” evidenziare: Veo 3.1 è il più recente modello di generazione video di Google con audio nativo e opzioni di output di alto livello (preview model IDs: veo-3.1-generate-preview, veo-3.1-fast-generate-preview).
• Dove usarlo: Gemini API / AI Studio / Vertex AI, più ambienti agentici come Google Antigravity e Gemini CLI.

La famiglia di modelli Gemini 3

Gemini 3 è una famiglia di modelli orientata al ragionamento progettata per flussi di lavoro agentici, coding autonomo e compiti multimodali. La guida ufficiale per sviluppatori elenca questi modelli e ID di anteprima:

Fonte: deepmind.google

Nano Banana Pro (Gemini 3 Pro Image) è stato creato per la generazione e la modifica di immagini di qualità da studio, specialmente quando hai bisogno di testo nitido e layout controllati.

Livelli di pensiero: velocità vs. profondità

Gemini 3 introduce thinking_level come una manopola di controllo pratica per la profondità del ragionamento. Se desideri le risposte più veloci possibili (chat, carichi di lavoro ad alto throughput), limita il pensiero. Se hai bisogno di un ragionamento più profondo (debugging, pianificazione, matematica complessa), mantienilo alto.

Esempio (REST):

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

Suggerimento: Gemini 3 è ottimizzato attorno a una temperatura predefinita di Se in precedenza hai forzato una bassa temperatura per output deterministici, prova prima a rimuoverla, specialmente per ragionamenti complessi.

Risoluzione multimediale: migliore visione, costo prevedibile

Per la comprensione di immagini/video, media_resolution controlla quanti token il modello può spendere per immagine (o per fotogramma video). Impostazioni più elevate possono migliorare l'OCR di testo piccolo e i dettagli fini, a scapito di più token e latenza.

Esempio di frammento (per parte multimediale):

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

Firme di pensiero: il campo che non puoi ignorare

Firme di pensiero (thoughtSignature) sono blob di "stato di ragionamento" crittografati utilizzati da Gemini 3 per mantenere il contesto di ragionamento tra le chiamate API. Nei flussi rigorosi, specialmente function calling e image generation/editing — firme mancanti possono causare errori. Se utilizzi gli SDK ufficiali e la gestione standard della cronologia, questo è solitamente automatico.

Se è necessario migrare la cronologia da modelli precedenti o inserire chiamate di strumenti personalizzate (dove non si dispone di una firma valida), la documentazione descrive una stringa fittizia specifica che è possibile utilizzare per ignorare la convalida rigorosa in tale scenario:

"thoughtSignature": "context_engineering_is_the_way_to_go"

Uso degli strumenti e flussi di lavoro agentici

Gemini 3 supporta strumenti integrati nell'API Gemini (come Search grounding, contesto URL, esecuzione codice e ricerca file), più function calling standard per i tuoi strumenti. In pratica, ciò consente flussi di lavoro simili ad agenti: raccogliere informazioni, eseguire codice, produrre output strutturati e iterare, senza uscire dal loop del modello. La famiglia di modelli Gemini 3 è adatta per compiti multi-step che richiedono ragionamento e strumenti, e può essere utilizzata per generare contenuti diversi, tra cui testo, codice, immagini e video.

Nota pratica: gli strumenti integrati e il function calling personalizzato non sempre si combinano in una singola richiesta (a seconda dell'endpoint/configurazione), quindi progetta la tua orchestrazione con fasi chiare (fase strumento → fase modello → fase strumento).

Nano Banana Pro: generazione + modifica immagini

Nano Banana Pro (Gemini 3 Pro Image) è il modello focalizzato sulle immagini che brilla quando hai bisogno di: tipografia nitida, composizione controllata e modifiche multi-turno. È progettato per flussi di lavoro in cui "rendilo professionale" non è un'opzione: asset di marca, mockup UI, poster, diagrammi e design localizzati.

Veo 3.1: generazione video con audio nativo

Questa è la parte a cui molte persone si riferiscono quando dicono “3.1”: Veo 3.1 è il modello di generazione video all'avanguardia di Google disponibile tramite l'API Gemini (livello a pagamento). Enfatizza il movimento cinematografico, la coerenza temporale e native audio generation. C'è anche una variante più veloce (veo-3.1-fast-generate-preview) per flussi di lavoro con latenza/costi inferiori.

Fonte: ai.google.dev

Veo 3.1 utilizza tecnologie di provenienza (incluso SynthID nell'ecosistema Google) per aiutare a identificare i media generati dall'IA e supportare un uso responsabile.

Esempi di ID modello che vedrai nell'API Gemini:

• veo-3.1-generate-preview (massima qualità)
• veo-3.1-fast-generate-preview (più veloce + più economico)

Domande frequenti (FAQ)

Conclusione

La generazione Gemini 3 non è solo "chat più grande": è uno stack orientato al ragionamento costruito per lunghi contesti, input multimodali e flussi di lavoro agentici, con controlli pratici come thinking_level e media_resolution che ti permettono di scambiare latenza/costo per un ragionamento più profondo e una migliore fedeltà visiva. Il titolo per molti creatori è Veo 3.1: generazione video di alto livello con audio nativo e controllo cinematografico.

Se stai costruendo strumenti, i maggiori vantaggi derivano solitamente da: (1) scegliere il modello giusto per ogni compito (Flash vs Pro vs Pro Image), (2) usare i livelli di pensiero intenzionalmente, e (3) trattare le firme di pensiero come "stato" che non deve andare perso.