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

Lisa Ernst · 19.02.2026 · Inteligência Artificial · 10 min

O que "Gemini 3.1" Significa na Prática

Se você viu pessoas falando sobre “Gemini 3.1”, eles geralmente significam um bundle de atualizações: Gemini 3 família LLM com foco em raciocínio (Pro / Flash), mais o mais novo “.1” modelo de mídia generativa Veo 3.1 para geração de vídeo. Oficialmente, o Google marca a família de LLMs como Gemini 3 — aparece proeminentemente no lado do vídeo 3.1 (Veo 3.1) (Veo 3.1).

Este post foca nas capacidades reais relevantes para o desenvolvedor: thinking levels, media resolution, thought signatures, uso de ferramentas e onde cada modelo se encaixa (text, images, e vídeo).).

Fonte: Ilustração de IA abstrata representando raciocínio multimodal e fluxos de trabalho agentic de próxima geração.

Sumário

1. Resumo rápido
2. Família de modelos Gemini 3 (Pro, Flash, Pro Image)
3. Níveis de pensamento: velocidade vs. profundidade
4. Resolução de mídia: melhor visão, custo previsível
5. Assinaturas de pensamento: o campo que você não pode ignorar
6. Uso de ferramentas e fluxos de trabalho agentic
7. Nano Banana Pro: geração e edição de imagens
8. Veo 3.1: geração de vídeo com áudio nativo
9. FAQ
10. Conclusão

Resumo rápido

• Gemini 3 Pro & é o modelo de raciocínio principal para tarefas complexas e de alto risco (1M input / 64k output; Jan 2025 cutoff; preview model ID: gemini-3-pro-preview).
• Gemini 3 Flash & entrega capacidades de classe Pro com menor latência para fluxos de trabalho de alta frequência (preview model ID: gemini-3-flash-preview; inclui um nível gratuito na API Gemini).
• Nano Banana Pro (aka Gemini 3 Pro Image) é o modelo de geração/edição de imagens de alta qualidade (preview model ID: gemini-3-pro-image-preview).
• Novos controles de API: thinking_level (latência vs. profundidade de raciocínio) e media_resolution (fidelidade de visão vs. custo de token).
• Assinaturas de pensamento são necessárias para fluxos de trabalho rigorosos (especialmente function calling e geração/edição de imagens). Se o seu SDK não as gerencia, você deve dar um round-trip nelas. (o campo que você não pode ignorar). são necessárias para fluxos de trabalho rigorosos (especialmente chamadas de função e geração e edição de imagens). Se o seu SDK não as gerencia, você deve dar um round-trip nelas.
• “3.1” destacar: Veo 3.1 é o modelo mais recente de geração de vídeo do Google com áudio nativo e opções de saída de ponta native audio e opções de saída de ponta (preview model IDs: veo-3.1-generate-preview, veo-3.1-fast-generate-preview).
• Onde usar: Gemini API / AI Studio / Vertex AI, mais ambientes agentic como Google Antigravity e Gemini CLI.

A família de modelos Gemini 3

Gemini 3 é uma família de modelos com foco em raciocínio projetada para fluxos de trabalho agentic, codificação autônoma e tarefas multimodais. O guia oficial para desenvolvedores lista estes modelos e IDs de prévia:

Fonte: deepmind.google

Nano Banana Pro (Gemini 3 Pro Image) é construído para geração e edição de imagens em qualidade de estúdio — especialmente quando você precisa de texto nítido e layouts controlados.

Níveis de pensamento: velocidade vs. profundidade

Gemini 3 introduz thinking_level como um botão de controle prático para a profundidade de raciocínio. Se você deseja as respostas mais rápidas possíveis (chat, tarefas de alta frequência), restrinja o pensamento. Se você precisar de um raciocínio mais profundo (depuração, planejamento, matemática complexa), mantenha-o alto. como um botão de controle prático para a profundidade de raciocínio. Se você deseja as respostas mais rápidas possíveis (chat, tarefas de alta frequência), restrinja o pensamento. Se você precisar de um raciocínio mais profundo (depuração, planejamento, matemática complexa), mantenha-o alto.

Exemplo (REST):

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

Dica: Gemini 3 é ajustado em torno de uma temperatura padrão de Se você anteriormente forçou baixa temperatura para saídas determinísticas, teste removê-la primeiro — especialmente para raciocínio complexo.

Resolução de mídia: melhor visão, custo previsível

Para compreensão de imagem/vídeo, media_resolution controla quantos tokens o modelo pode gastar por imagem (ou por quadro de vídeo). Configurações mais altas podem melhorar OCR de texto pequeno e detalhes finos — ao custo de mais tokens e latência. controla quantos tokens o modelo pode gastar por imagem (ou por quadro de vídeo). Configurações mais altas podem melhorar OCR de texto pequeno e detalhes finos — ao custo de mais tokens e latência

Exemplo de trecho (por parte de mídia):

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

Assinaturas de pensamento: o campo que você não pode ignorar

Assinaturas de pensamento (thoughtSignature) são blobs criptografados de “estado de raciocínio” usados pelo Gemini 3 para manter o contexto de raciocínio entre as chamadas de API. Em fluxos rigorosos — especialmente e function calling — assinaturas ausentes podem acionar erros. image generation/editing — Se você usar os SDKs oficiais e o manuseio de histórico padrão, isso geralmente é automático..

Se você precisar migrar o histórico de modelos mais antigos ou injetar chamadas de ferramentas personalizadas (nas quais você não tem uma assinatura válida), a documentação descreve uma string fictícia específica que você pode usar para contornar a validação rigorosa nesse cenário: Se você precisar migrar o histórico de modelos mais antigos ou injetar chamadas de ferramentas personalizadas (nas quais você não tem uma assinatura válida), a documentação descreve uma string fictícia específica que você pode usar para contornar a validação rigorosa nesse cenário

"thoughtSignature": "context_engineering_is_the_way_to_go"

Uso de ferramentas e fluxos de trabalho agentic

Gemini 3 suporta ferramentas integradas na API Gemini (como Search grounding, contexto de URL, execução de código e pesquisa de arquivos), além de function calling padrão para suas próprias ferramentas. Na prática, isso permite fluxos de trabalho semelhantes a agentes: reunir informações, executar código, produzir saídas estruturadas e iterar — sem sair do loop do modelo. (como Search grounding, contexto de URL, execução de código e pesquisa de arquivos), mais function calling padrão para suas próprias ferramentas. Na prática, isso permite fluxos de trabalho semelhantes a agentes: reunir informações, executar código, produzir saídas estruturadas e iterar — sem sair do loop do modelo.. A família de modelos Gemini 3 é adequada para tarefas de várias etapas que exigem raciocínio e ferramentas, e pode ser usada para gerar conteúdo diversificado, incluindo texto, código, imagens e vídeo.

Nota prática: ferramentas integradas e function calling personalizado nem sempre combinam em uma única solicitação (dependendo do endpoint/configuração), portanto, projete sua orquestração com fases claras (etapa de ferramenta → etapa do modelo → etapa de ferramenta). Nota prática: ferramentas integradas e chamadas de função personalizadas nem sempre combinam em uma única solicitação (dependendo do endpoint/configuração), portanto, projete sua orquestração com fases claras (etapa de ferramenta para etapa do modelo para etapa de ferramenta).

Nano Banana Pro: geração e edição de imagens

Nano Banana Pro (Gemini 3 Pro Image) é o modelo focado em imagens que se destaca quando você precisa de: tipografia nítida, composição controlada e edições de múltiplos turnos. Ele é projetado para fluxos de trabalho onde "torná-lo profissional" não é opcional — ativos de marca, mockups de UI, pôsteres, diagramas e designs localizados. é o modelo focado em imagens que se destaca quando você precisa de: tipografia nítida, composição controlada e edições de múltiplos turnos. Ele é projetado para fluxos de trabalho onde 'torná-lo profissional' não é opcional — ativos de marca, mockups de UI, pôsteres, diagramas e designs localizados.

Veo 3.1: geração de vídeo com áudio nativo

Esta é a parte a que muitas pessoas se referem quando dizem “3.1”: Veo 3.1 é o modelo de geração de vídeo de última geração do Google disponível através da API Gemini (nível pago). Ele enfatiza movimento cinematográfico, consistência temporal e . Há também uma variante mais rápida native audio generation. Há também uma variante mais rápida (veo-3.1-fast-generate-preview) para fluxos de trabalho de menor latência/custo.

Fonte: ai.google.dev

Veo 3.1 usa tecnologia de proveniência (incluindo SynthID no ecossistema do Google) para ajudar a identificar mídia gerada por IA e apoiar o uso responsável.

Exemplos de IDs de modelo que você verá na API Gemini:

• veo-3.1-generate-preview (maior qualidade)
• veo-3.1-fast-generate-preview (mais rápido + mais barato)

Perguntas Frequentes (FAQ)

Conclusão

A geração Gemini 3 não é apenas um "chat maior": é uma pilha com foco em raciocínio construída para contexto longo, inputs multimodais e fluxos de trabalho agentic — com controles práticos como thinking_level e media_resolution que permitem trocar latência/custo por raciocínio mais profundo e melhor fidelidade visual. Além disso, o o principal para muitos criadores é “3.1” — geração de vídeo de altíssima qualidade com áudio nativo e controle cinematográfico. Veo 3.1: geração de vídeo de ponta com áudio nativo e controle cinematográfico.

Se você está construindo ferramentas, os maiores ganhos geralmente vêm de: (1) escolher o modelo certo para cada tarefa (Flash vs Pro vs Pro Image), (2) usar níveis de pensamento intencionalmente,, e (3) tratar assinaturas de pensamento como "estado" que não deve ser perdido.