Gemini 3.1 Pro glänzt mit browsernativer Codegenerierung – nicht nur mit Chat-Antworten

Was Google tatsächlich veröffentlicht hat – und wo

Am 19. Februar 2026 veröffentlichte Google Gemini 3.1 Pro als Preview und bezeichnete es als die „verbesserte Kernintelligenz“ hinter dem Gemini 3 Deep Think Update der vergangenen Woche. Das Modell wird schrittweise ausgerollt: über die Gemini API in AI Studio, die Gemini CLI, die agentische Entwicklungsplattform Antigravity und Android Studio für Entwickler; über Vertex AI und Gemini Enterprise für Unternehmen; sowie über die Gemini-App und NotebookLM für Verbraucher.

Die zentrale Kennzahl ist ein einzelner Benchmark: 77,1 % bei ARC-AGI-2, der laut Google die Fähigkeit eines Modells testet, völlig neue Logikmuster zu lösen, und der mehr als das Doppelte der Reasoning-Leistung von Gemini 3 Pro darstellen soll. Bemerkenswert ist, dass dies die einzige quantifizierte Aussage im Beitrag ist. Alles andere, was Google zeigt, spielt sich im Browser ab.

Der Zugang für Verbraucher ist gestaffelt: Höhere Limits in der Gemini-App erhalten Nutzer der Pläne Google AI Pro und Ultra, und der Zugriff auf NotebookLM bleibt genau diesen Stufen vorbehalten. Google bezeichnet die Preview als Validierungsschritt, „bevor wir es bald allgemein verfügbar machen“, wobei agentische Workflows als Bereich genannt werden, an dem weiterhin gearbeitet wird.

Vier Demos, die eigentlich alle Frontend-Demos sind

Die Beispiele, mit denen Google vorangeht, sind ungewöhnlich konkret in Bezug auf das Frontend. Zunächst: codebasierte Animation. Das Modell generiert website-taugliche, animierte SVGs direkt aus einem Text-Prompt. Googles Argument ist spezifisch – weil es sich um reinen Code statt Pixel handelt, bleiben die Grafiken bei jeder Skalierung scharf und haben im Vergleich zu Video geringe Dateigrößen. Das ist eine Aussage, die sich gezielt an Menschen richtet, denen Asset-Gewicht und Rendering wichtig sind, nicht an solche, die von einem hübschen Bild beeindruckt sind.

Zweitens: ein Live-Dashboard aus der Raumfahrt, das einen öffentlichen Telemetrie-Stream konfiguriert, um die Umlaufbahn der Internationalen Raumstation zu visualisieren. Googles Darstellung lautet, dass das Modell „die Lücke zwischen komplexen APIs und benutzerfreundlichem Design schließt“ – es hat also eine echte Datenquelle in eine funktionierende Oberfläche eingebunden, kein statisches Mockup.

Drittens: ein 3D-Vogelschwarm aus Stare, der auf Hand-Tracking reagiert und eine generative Klangkulisse abspielt, die sich mit den Bewegungen der Vögel verändert. Google richtet dieses Beispiel explizit an „Forscher und Designer“, die sensorisch reiche Interfaces prototypisch entwickeln möchten. Viertens: eine Portfolio-Website zu Emily Brontës „Sturmhöhe“, bei der das Modell den Tonfall des Romans durchdacht hat, um ein zeitgemäßes Layout zu erzeugen – statt nur eine Zusammenfassung.

3.1 Pro ist für Aufgaben konzipiert, bei denen eine einfache Antwort nicht ausreicht – es macht fortgeschrittenes Reasoning für Ihre schwierigsten Herausforderungen nutzbar.Montana Labs

Reasoning-Fortschritte präsentiert als generiertes Interface, nicht als generierter Text

Bemerkenswert ist der rote Faden, den Google gewählt hat. Ein Modellanbieter könnte einen verdoppelten ARC-AGI-2-Wert mit mathematischen Beweisen, wissenschaftlicher Synthese oder Long-Context-Analyse demonstrieren. Stattdessen sind drei der vier präsentierten Ergebnisse Dinge, die man im Browser betrachtet, und das vierte – das Dashboard – ist eine Browseransicht, die auf einem Live-API-Aufruf basiert. Die Botschaft: Besseres Reasoning zeigt sich in besser strukturiertem Code – SVGs, die klein bleiben, Dashboards, die einen Telemetrie-Stream korrekt parsen, WebGL-Szenen, die Interaktion, Audio und Rendering zusammenführen.

Für Teams, die Tools bauen, die Prompts in ausliefertaugliche UIs verwandeln, ist das das relevante Signal. Die typischen Fehlerbilder bei generierten Frontends sind selten „das Modell kannte CSS nicht“. Es sind vielmehr defekte Datenbindungen, übergroße oder fehlerhafte Assets und Interaktionen, die im Screenshot gut aussehen, aber nicht laufen. Google behauptet durch seine Beispielauswahl, dass der Reasoning-Schritt von 3.1 Pro genau diese Integrationsfehler reduziert – die Konfiguration eines echten Streams, das Kleinhalten von Dateigrößen, die Koordination von Hand-Tracking mit generativem Audio.

Das Preview-Label ist der Punkt, an dem man es prüfen muss

Die konkrete Konsequenz für alle, die 3.1 Pro integrieren: Dies ist eine Preview, deren beeindruckendste Behauptungen lauffähiger Frontend-Code sind – also sollte man genau daran messen. Google erklärt, das Modell werde veröffentlicht, um Updates zu validieren und agentische Workflows voranzutreiben, bevor die allgemeine Verfügbarkeit erfolgt. Die Demos wecken eine Erwartung – animierte SVGs mit geringer Dateigröße, eine funktionierende Telemetrie-Visualisierung, eine funktionierende 3D-Interaktion –, die eine kuratierte Beispielgalerie im eigenen Maßstab nicht bestätigen kann.

Wer während der Preview mit 3.1 Pro über die API, Antigravity oder Android Studio entwickelt, für den lautet der ehrliche Test: Bleiben generierte SVGs in der Produktion wirklich scharf und leichtgewichtig, hält die API-Anbindung über einen öffentlichen ISS-Feed hinaus stand, und degradieren interaktive Szenen geräteübergreifend sauber? Google hat vier überprüfbare Frontend-Behauptungen aufgestellt. Behandeln Sie sie als Checkliste, nicht als Portfolio.