最近在看 Gemini 3.1 Pro，但对官方 benchmark 有点不太信任，想问问大家真实使用体验。 
主要关心它作为 coding agent 的表现，比如这些场景： 

日常 Q&A / 查资料
方案设计 / 架构思考
任务拆解 / 规划
实际写代码
debug / 修 bug
code review

有没有人长期用过？和 GPT（比如 5.x）、Claude（Sonnet / Opus 4.x），或者一些国产模型比起来怎么样？ 
更关心实际“好不好用”，而不是跑分数据 
欢迎分享具体案例～