谷歌數(shù)到3，這次輪到Gemini遙遙領(lǐng)先｜Landing AI

現(xiàn)在輪到谷歌數(shù)到3了。

今天凌晨，谷歌正式公布了Gemini 3系列模型，并率先上線Gemini 3 Pro預(yù)覽版。按照介紹，開發(fā)者現(xiàn)可以在Google AI Studio直接調(diào)用API，Gemini應(yīng)用已同步切換到新模型，企業(yè)與開發(fā)平臺(tái)側(cè)的更新則也已經(jīng)納入近期計(jì)劃。

對(duì)外而言，這次發(fā)布看似沿襲了大模型迭代的慣常節(jié)奏，但從谷歌的表述方式到模型本身呈現(xiàn)出來的能力，都暗示著一個(gè)趨勢(shì)：Gemini 3不再只是參數(shù)與跑分的躍遷，而是在嘗試重新定義“模型在系統(tǒng)中的位置”。

Gemini 3 Pro被谷歌歸納為三個(gè)核心變化：推理強(qiáng)度提升、事實(shí)一致性增強(qiáng)、多模態(tài)能力從設(shè)計(jì)之初就內(nèi)置而非附加。這意味著模型在對(duì)話中處理文本、圖像、音頻、視頻不再需要分階段切換，而是以統(tǒng)一的方式理解信息結(jié)構(gòu)。

官方給出的示例依舊貼近日常場(chǎng)景：把家里幾種語言混寫的手寫菜譜拍照丟給它，它能整理成一本統(tǒng)一格式的家庭菜譜；把一串長(zhǎng)視頻講座交給它，它會(huì)把關(guān)鍵知識(shí)點(diǎn)拆成交互式卡片，甚至生成簡(jiǎn)單的可視化工具來輔助記憶。在Gemini應(yīng)用中，Canvas工作區(qū)能夠支持更完整的“小項(xiàng)目”；在Gemini Labs里，它也能根據(jù)你的問題生成類似雜志排版的界面。

這些特性看上去像是一次體驗(yàn)層面的升級(jí)，但真正讓Gemini 3 Pro與以往不同的，是它在各類評(píng)估中的表現(xiàn)出現(xiàn)了領(lǐng)先式的變化，而不僅是“略微更準(zhǔn)一點(diǎn)”。

過去一年，模型在各類基準(zhǔn)測(cè)試中的差距往往停留在小范圍波動(dòng)。現(xiàn)在，一些關(guān)鍵指標(biāo)第一次被明顯拉開。

最突出的表現(xiàn)落在高難度數(shù)學(xué)與復(fù)雜推理方向。Gemini 3 Pro在MathArena Apex中拿到23.4%的正確率，而上一代模型為0.5%、Claude為1.6%、GPT-5.1為1.0%——這是長(zhǎng)期停滯區(qū)間第一次被大幅突破。

在跨領(lǐng)域推理考試中，這種差距繼續(xù)擴(kuò)大。例如在Humanity’s Last Exam中，Gemini 3 Pro的無工具得分達(dá)到37.5%，工具模式則提升至45.8%，高于上一代的21.6%和GPT-5.1的26.5%。在GPQA Diamond中，它也以91.9%領(lǐng)先于同類模型的83%—88%區(qū)間。

多模態(tài)方面的變化則更集中體現(xiàn)在“界面理解”能力上。谷歌首次在技術(shù)資料中單列屏幕截圖理解，模型不僅能識(shí)別內(nèi)容，還能把握界面結(jié)構(gòu)、按鈕層級(jí)與可操作區(qū)域。

在ScreenSpot-Pro中，Gemini 3 Pro達(dá)到72.7%，而GPT-5.1僅為3.5%，Claude為36.2%，上一代Gemini為11.4%。這里的差距不只是識(shí)別率問題，而是決定了Agent是在“憑感覺點(diǎn)擊”，還是確實(shí)理解界面語境。

這種能力直接關(guān)系到Agent在操作電腦時(shí)是否能保持“情境意識(shí)”——能否基于界面判斷接下來會(huì)發(fā)生什么。對(duì)于任何期待AI“完成任務(wù)”的系統(tǒng)而言，這類能力遠(yuǎn)比單純的圖像識(shí)別更關(guān)鍵。

更廣泛的表現(xiàn)也與谷歌想強(qiáng)調(diào)的方向一致：Gemini 3 Pro在多學(xué)科理解、視頻推理和事實(shí)一致性上都拉開差距，并在工程類任務(wù)中顯現(xiàn)出更高的穩(wěn)定度。

例如在SimpleQA Verified中，Gemini 3 Pro達(dá)到72.1%，而同類模型普遍落在30%—35%區(qū)間；多語言綜合能力的MMLU中，它拿下91.8%，略高于GPT-5.1的91.0%，并領(lǐng)先Claude的89.1%。

在工程類任務(wù)上，它不僅能處理更復(fù)雜的代碼生成，還能在涉及實(shí)際環(huán)境的測(cè)試中穩(wěn)定執(zhí)行。例如在Terminal-Bench 2.0中，Gemini 3 Pro達(dá)到54.2%，而Claude為42.8%，GPT-5.1為47.6%；在長(zhǎng)鏈路任務(wù)Vending-Bench 2中，它的收益為5478美元，而其他模型普遍在1500—3800美元之間。

不過，Gemini 3真正有意義的部分，不在于單項(xiàng)能力的提升，而是谷歌圍繞它構(gòu)建的系統(tǒng)形態(tài)。伴隨此次更新推出的Antigravity，是一個(gè)以Agent為核心的開發(fā)環(huán)境。它并不是“補(bǔ)齊代碼空缺”的工具，而是讓模型能夠直接參與開發(fā)流程：理解需求、拆分任務(wù)、生成代碼、運(yùn)行測(cè)試、檢查界面效果，再回到代碼層面調(diào)整。

于此，谷歌通過把不同模型組合使用，讓Agent在編輯器、終端與瀏覽器之間自由切換，從而承接一段完整的執(zhí)行鏈。對(duì)于結(jié)構(gòu)不算復(fù)雜的項(xiàng)目，它已經(jīng)能承擔(dān)起實(shí)際工作。

面向普通用戶的變化，則更集中體現(xiàn)在Gemini應(yīng)用和Google搜索上。Gemini 3 Pro從第一天起就是默認(rèn)模型，而應(yīng)用內(nèi)的“Gemini Agent”可以處理多步?jīng)Q策任務(wù)，例如歸檔郵件、安排行程或處理需要反復(fù)查找信息的事務(wù)。搜索端的AI Mode也開始呈現(xiàn)更動(dòng)態(tài)的信息布局，包括結(jié)構(gòu)化數(shù)據(jù)、圖片、時(shí)間軸甚至交互組件。這些變化來自于Gemini 3對(duì)查詢的拆分與重組，再由生成式界面組合展示，背后依賴的是更強(qiáng)的意圖理解能力。

此外，谷歌在這一代模型中主動(dòng)強(qiáng)調(diào)了一個(gè)方向：Gemini 3 Pro在回答時(shí)更少迎合用戶，而更傾向于提供有信息密度的反饋。“降低迎合性”既對(duì)應(yīng)今年的對(duì)話安全討論，也說明谷歌正在嘗試把“內(nèi)容質(zhì)量”變成產(chǎn)品特性，而不是語言風(fēng)格。

基于上述這些，不難發(fā)現(xiàn)，Gemini 3的意義并不僅僅在于“跑分領(lǐng)先多少”，而更多的是，它把能力重新組織成一個(gè)能堅(jiān)持執(zhí)行任務(wù)、能跨模態(tài)整合、能在真實(shí)環(huán)境中保持結(jié)構(gòu)穩(wěn)定的系統(tǒng)。對(duì)谷歌來說，這提出了一個(gè)與GPT系列不同的回答：AI不僅要強(qiáng)，更要穩(wěn)；不僅要會(huì)生成，更要懂場(chǎng)景；不僅能理解界面，更要能在界面中持續(xù)行動(dòng)。

當(dāng)然，接下來，Gemini 3能夠走多遠(yuǎn)，所依仗的遠(yuǎn)非這些看起來很漂亮的跑分和能力，而是在日常使用中，能有多少真正留得住的地方。

Landing AI

Landing AI是由動(dòng)點(diǎn)科技策劃的一檔聚焦人工智能領(lǐng)域的專題報(bào)道欄目。通過對(duì)AI落地前景以及幕后故事的發(fā)掘，我們將在這一專題中深入淺出地探討關(guān)于AI新浪潮下的一切可能。

本文為動(dòng)點(diǎn)科技記者原創(chuàng)文章，未經(jīng)授權(quán)不得轉(zhuǎn)載，如需轉(zhuǎn)載或開白請(qǐng)?jiān)诤笈_(tái)回復(fù)“轉(zhuǎn)載”。

- - - - - - - - END - - - - - - - -

*想要獲取行業(yè)資訊、和志同道合的科技愛好者們分享心得，那就趕快掃碼添加“動(dòng)點(diǎn)君”加入群聊吧！群里更有不定期福利發(fā)放！

精彩好文值得推薦

一鍵轉(zhuǎn)發(fā)，戳個(gè)在看