Tag: Gemini 3.1 Pro

  • Factory 0.115.0 wprowadza natywną obsługę PDF i ulepszenia CLI dla programistów

    Factory 0.115.0 wprowadza natywną obsługę PDF i ulepszenia CLI dla programistów

    Factory wydało wersję 0.115.0 swojej platformy deweloperskiej, a kluczową nowością jest natywna obsługa plików PDF przez model Gemini 3.1 Pro. Aktualizacja, dostępna od 5 czerwca 2026 roku, wprowadza także wsparcie dla zaawansowanego wnioskowania w GLM-5.1 oraz szereg poprawek stabilności, które będą przydatne dla osób pracujących z długimi sesjami agentowymi.

    Co nowego w Factory 0.115.0

    • Natywna obsługa PDF w Gemini 3.1 Pro — model może teraz bezpośrednio analizować dokumenty, specyfikacje i raporty bez wcześniejszego przetwarzania.
    • Wsparcie dla wnioskowania w GLM-5.1 otwiera nowe możliwości w złożonych zadaniach analitycznych.
    • Masowe przeciąganie obrazów w CLI przyspiesza pracę z multimodalami — szczególnie przydatne przy debugowaniu UI i analizie zrzutów ekranu.
    • Bezpośrednie przesyłanie PDF w aplikacji eliminuje tarcie między dokumentacją a workflow.
    • Ulepszona synchronizacja w chmurze i odporność sesji na przerwania sprawiają, że długie zadania agentowe nie gubią stanu.

    Gemini 3.1 Pro z natywnym PDF

    Google określa Gemini 3.1 Pro jako swój najbardziej zaawansowany model wnioskujący, zdolny do pracy z tekstem, dźwiękiem, obrazami, wideo i PDF-ami. Model oferuje okno kontekstowe o wielkości miliona tokenów na wejściu i 64 tysiące na wyjściu, co pozwala na przetwarzanie bardzo obszernych dokumentów technicznych w całości.

    Dla zespołów programistycznych oznacza to koniec z koniecznością konwersji dokumentów. Dokumentacja projektowa, logi serwerowe, specyfikacje API czy raporty z testów mogą trafiać prosto do modelu, bez potrzeby ręcznego wycinania fragmentów. Factory integruje tę funkcję na dwa sposoby: przez przeciągnięcie pliku w interfejsie aplikacji oraz przez bezpośrednie odwołanie w CLI.

    Gemini 3.1 Pro osiągnął wynik 77,1% w teście ARC-AGI-2, co Google opisuje jako ponad dwukrotnie lepszy rezultat od poprzednika. W praktyce przekłada się to na skuteczniejsze rozumienie złożonych instrukcji i lepsze radzenie sobie z wieloetapowymi zadaniami.

    GLM-5.1 i wnioskowanie krok po kroku

    Oprócz Gemini, Factory dodało także wsparcie dla modelu GLM-5.1 z funkcją rozumowania. Choć GLM nie jest tak szeroko omawiany jak modele Google'a, jego obecność w ekosystemie Factory pokazuje, że platforma stawia na różnorodność silników AI.

    Wnioskowanie krok po kroku przydaje się szczególnie przy analizie błędów, refaktoryzacji czy zadaniach wymagających logicznego wyprowadzenia rozwiązania. Model potrafi przeprowadzić użytkownika przez swój proces myślowy, co ułatwia weryfikację poprawności odpowiedzi.

    CLI i stabilność

    Factory nie zapomniało o jakości życia programistów. Masowe przeciąganie obrazów w CLI to drobiazg, ale przy pracy ze zrzutami ekranu czy mockupami interfejsów oszczędza czas. Wystarczy zaznaczyć kilka plików w eksploratorze i puścić je w terminal — resztę ogarnia Droid.

    Wprowadzono także poprawki renderowania terminala i niezawodności uwierzytelniania. Ulepszona synchronizacja w chmurze i możliwość wznowienia pracy od miejsca przerwania są istotne dla programistów, którzy doświadczyli utraty sesji w trakcie debugowania.

    Co to oznacza dla zespołów deweloperskich

    Natywna obsługa PDF-ów zmienia sposób, w jaki można integrować dokumentację z procesem developmentu. Zamiast trzymać specyfikacje w osobnym oknie i ręcznie przepisywać wymagania, wystarczy wrzucić plik do Factory i pozwolić modelowi działać. Dla zespołów pracujących w metodykach zwinnych, gdzie dokumentacja szybko się zmienia, to oszczędność czasu i mniejsze ryzyko przeoczeń.

    Wersja 0.115.0 to solidny krok naprzód w użyteczności. Factory łączy moc nowych modeli AI z przemyślanymi usprawnieniami workflow, co sprawia, że platforma pozostaje konkurencyjna na rynku narzędzi do AI-assisted development.


    Źródła

  • Google Podnosi Stawkę: Gemini 3.1 Pro i Modele Muzyczne Lyria 3

    Google Podnosi Stawkę: Gemini 3.1 Pro i Modele Muzyczne Lyria 3

    Google ogłosiło istotną aktualizację dla programistów i twórców, wprowadzając do wersji preview model Gemini 3.1 Pro oraz nową generację modeli generatywnych Lyria 3. Ta aktualizacja to nie tylko kolejna iteracja, ale znaczący skok w zakresie zaawansowanego rozumowania i możliwości kreatywnych AI, które bezpośrednio przekładają się na narzędzia takie jak Gemini CLI, Vertex AI czy Gemini Enterprise.

    Podwojona moc rozumowania: co potrafi Gemini 3.1 Pro?

    Sercem ogłoszenia jest Gemini 3.1 Pro, który prezentuje imponujący postęp w kluczowych benchmarkach. Najbardziej rzuca się w oczy wynik w teście ARC-AGI-2, mierzącym abstrakcyjne i logiczne rozumowanie. Model osiągnął zweryfikowany wynik 77,1%, co stanowi ponad dwukrotność możliwości poprzednika, Gemini 3 Pro (31,1%). To fundamentalna poprawa zdolności modelu do radzenia sobie z nowymi, nieznanymi wcześniej problemami.

    Ta ulepszona inteligencja znajduje praktyczne zastosowanie. Model potrafi teraz syntetyzować dane z różnych źródeł, generować złożone wizualizacje i animacje, a także tworzyć zaawansowany kod. Przykłady pokazują tworzenie immersyjnych animacji 3D, takich jak „spleciony taniec stada szpaków” z generatywną ścieżką dźwiękową, czy dynamiczne wizualizacje w czasie rzeczywistym, np. orbity Międzynarodowej Stacji Kosmicznej. Model zachowuje przy tym długie okno kontekstowe do 1 miliona tokenów, a maksymalna długość odpowiedzi wzrosła do 65 536 tokenów.

    Kreatywność napędzana dźwiękiem: rola Lyria 3

    Równolegle do ulepszeń w rozumowaniu, Google odblokowuje nowy wymiar kreatywności dzięki modelom do generowania muzyki Lyria 3. Chociaż szczegóły techniczne są na razie ograniczone, jasne jest, że modele te pozwalają na integrację generatywnego audio z workflow opartymi na Gemini.

    Oznacza to, że deweloperzy pracujący nad projektami multimedialnymi, grami czy interaktywnymi instalacjami mogą wdrożyć dynamiczne generowanie ścieżek dźwiękowych, które reagują na wizualizacje lub działania użytkownika. Przykład z animacją stada ptaków, gdzie dźwięk zmienia się wraz z ruchem grupy, pokazuje praktyczny potencjał tej technologii w tworzeniu bogatszych, bardziej spójnych doświadczeń.

    Wpływ na ekosystem deweloperski: CLI, Enterprise i Vertex AI

    Te nowe możliwości nie pozostają w sferze laboratoryjnych demo. Są już integrowane z kluczowymi narzędziami Google dla programistów i firm.

    Dla użytkowników Gemini CLI, co stanowi bezpośrednią kontynuację wcześniejszych informacji o wersji 0.36.0-nightly, oznacza to dostęp do wzmocnionych agentów. Nowy endpoint gemini-3.1-pro-preview-customtools umożliwia bardziej autonomiczne zachowania agentowe, pozwalając na samodzielne planowanie i wykonywanie złożonych sekwencji zadań.

    W środowiskach korporacyjnych Gemini Enterprise i platforma Vertex AI zyskują silnik zdolny do zaawansowanej analizy danych, syntezy informacji i wsparcia skomplikowanych procesów decyzyjnych. Bezpośrednio wpływa to na obszary takie jak DevOps, analityka biznesowa czy tworzenie zaawansowanych platform agentowych.

    Podsumowanie: nowy etap w praktycznym wykorzystaniu AI

    Wprowadzenie Gemini 3.1 Pro i Lyria 3 wyznacza wyraźny kierunek rozwoju AI w Google. Zamiast skupiać się wyłącznie na powiększaniu modeli, firma inwestuje w jakość rozumowania i ekspresję kreatywną. Dla deweloperów zajmujących się web developmentem, vibe codingiem czy multimediami otwiera to drzwi do budowania aplikacji, które nie tylko efektywnie przetwarzają informacje, ale także potrafią je w intuicyjny sposób wizualizować i uzupełniać dynamiczną, generatywną warstwą dźwiękową. Wersja preview, dostępna już dla wybranych użytkowników, daje przedsmak tego, jak te technologie mogą zrewolucjonizować workflow w nadchodzących miesiącach.

  • Gemini 3.1 Pro: Nowy król rozumowania od Google jest już dostępny

    Gemini 3.1 Pro: Nowy król rozumowania od Google jest już dostępny

    W lutym 2026 roku Google udostępniło światu model Gemini 3.1 Pro. Nie jest to jednak kolejna drobna aktualizacja, a raczej zasadniczy krok naprzód, który ma na celu zrewolucjonizowanie nasze podejście do złożonych problemów. Ten model już teraz określany jest przez twórców jako „najbardziej zaawansowany model rozumowania Google” i zapowiada nową erę dla agentów AI, programistów oraz wszystkich, którzy pracują z długimi dokumentami i różnymi formatami danych.

    Co właściwie dostała społeczność?

    Gemini 3.1 Pro został udostępniony deweloperom w trybie preview dokładnie 19 lutego 2026 roku. Jeśli jesteś programistą, możesz od ręki zacząć z nim pracę przez Gemini API w Google AI Studio czy Gemini CLI. Firmy mają do niego dostęp w Vertex AI oraz przez subskrypcję Gemini Enterprise. Zwykli użytkownicy również mogą go przetestować, ale tylko w ramach płatnych planów Pro lub Ultra w aplikacji Gemini oraz NotebookLM.

    Kluczową informacją jest to, że to nie jest zupełnie nowy model stworzony od zera. Stanowi on głęboką modernizację i ulepszenie znanego już Gemini 3 Pro. Wszystkie najważniejsze zmiany skupiają się na jednym celu: uczynić AI lepszym partnerem do rozwiązywania skomplikowanych zadań, a nie tylko odpowiadania na proste pytania.

    Siła tkwi w rozumowaniu i kontekście

    Głównym atutem nowego modelu jest jego dramatycznie poprawiona zdolność do złożonego rozumowania. Dowodem na to są wyniki benchmarków. Na przykład w teście ARC-AGI-2, który bada zdolności zbliżone do sztucznej inteligencji ogólnej (AGI), Gemini 3.1 Pro osiągnął wynik 77.1%. To ponad dwukrotnie więcej niż jego poprzednik, Gemini 3 Pro. W praktyce przekłada się to na lepsze, bardziej logiczne i wieloetapowe rozumowanie problemów.

    Drugą rewolucyjną zmianą jest kontekst. Model może teraz przetwarzać jednorazowo aż 1 milion tokenów. To ogromna ilość danych, która otwiera zupełnie nowe możliwości. Nie chodzi tu tylko o długie teksty, choć oczywiście analiza całych książek, rozbudowanych raportów czy kodeksów prawnych staje się prostsza. Ten kontekst jest multimodalny.

    Oznacza to, że w ramach tego okna możesz wrzucić modelowi mieszankę plików: długi dokument tekstowy, kilka zdjęć, fragment audio, a nawet klip wideo lub repozytorium kodu. Gemini 3.1 Pro spróbuje zrozumieć i powiązać informacje ze wszystkich tych źródeł jednocześnie. To marzenie dla badaczy, analityków i każdego, kto pracuje z różnorodnymi danymi.

    Nowe narzędzia dla lepszej kontroli i efektywności

    Google wprowadziło także kilka praktycznych ulepszeń, które mają pomóc w codziennej pracy. Model zachowuje znane tryby działania, oferując różne poziomy głębokości przetwarzania, aby zbalansować szybkość odpowiedzi z jakością rozumowania. To ważne dla aplikacji, które potrzebują mądrości, ale nie mogą czekać zbyt długo na odpowiedź.

    Model został zbudowany na solidnych podstawach, oferując efektywną pracę z długim kontekstem. Dla firm i deweloperów, którzy korzystają z API na dużą skalę, to bardzo konkretna korzyść.

    W ręce programistów: nowe możliwości

    Dla programistów, Gemini 3.1 Pro otwiera nowe możliwości dzięki swoim zaawansowanym zdolnościom rozumowania i pracy z długim kontekstem. Może służyć jako potężne narzędzie do analizy całych repozytoriów kodu, zrozumienia złożonych baz kodu i wsparcia w zaawansowanym kodowaniu. Jego zdolność do przetwarzania multimodalnego oznacza, że może analizować nie tylko kod źródłowy, ale także dokumentację, diagramy i inne powiązane zasoby w jednym oknie kontekstu.

    Społeczność już reaguje z entuzjazmem – pojawiają się na przykład prośby o dodanie obsługi nowego modela w popularnych narzędziach, takich jak opencode.

    Dla kogo jest ten model i co z bezpieczeństwem?

    Gemini 3.1 Pro jest stworzony z myślą o konkretnych zastosowaniach. Jego głównym celem są zadania agentyczne, czyli takie, gdzie AI nie tylko odpowiada, ale wykonuje ciąg czynności (np. analizuje dane finansowe w arkuszu kalkulacyjnym, planuje kroki, wykonuje je). To także pierwszy wybór dla zaawansowanego kodowania oraz wszelkich prac wymagających długiego kontekstu i multimodów.

    Google podkreśla, że model został zbudowany na tej samej architekturze co Gemini 3 Pro, a co za tym idzie, dziedziczy po nim podejście do zarządzania ryzykiem i ograniczania szkód. Wszelkie systemy bezpieczeństwa, ograniczenia i filtry z poprzednika zostały przeniesione i dostosowane do zwiększonych możliwości nowej wersji.

    Podsumowanie i droga przed nami

    Premiera Gemini 3.1 Pro nie jest przypadkowa. To model, który ma stanowić „mądrzejszą, bardziej wszechstronną podstawę” dla przyszłych aplikacji AI. Jego dostępność w trybie preview służy właśnie temu – aby deweloperzy i firmy mogli przetestować nowe możliwości, a Google mogło zebrać informacje zwrotne przed pełną, ogólną dostępnością.

    Wszystko wskazuje na to, że właśnie obserwujemy kolejny, znaczący skok w rozwoju asystentów AI. Nie chodzi już tylko o to, by lepiej odpowiadały na pytania, ale by stawały się samodzielnymi, rozumiejącymi kontekst współpracownikami, zdolnymi do obsługi skomplikowanych procesów w świecie rzeczywistym. Gemini 3.1 Pro wydaje się być właśnie takim krokiem w tę stronę. Teraz czas na społeczność, aby odkryła, co naprawdę potrafi.