Gemini 3 深夜發(fā)布：碾壓GPT-5.1、超越Claude 4.5，中文卻是短板？

從數(shù)學(xué)競(jìng)賽的 “地獄級(jí)” 突破到智能體開發(fā)平臺(tái)的生態(tài)革新，這場(chǎng)由 TPU 算力支撐的技術(shù)爆發(fā)，標(biāo)志著 Google 在 AGI 賽道強(qiáng)勢(shì)回歸。但光鮮戰(zhàn)績(jī)背后，中文表現(xiàn)與寫作能力的明顯短板，也讓這場(chǎng) “最好 LLM” 之爭(zhēng)留下了更多懸念。

———— / BEGIN / ————

推特上喊了快 1個(gè)月的 Gemini 3「馬上發(fā)布」，昨晚狼真的來了！

沒有任何多余的廢話，打開 Model Card，滿眼寫著的只有兩個(gè)字：碾壓。連 Sam Altman 都久違地獻(xiàn)上了自己的點(diǎn)贊。

這一次，那個(gè)曾經(jīng)定義了 Transformer、如今「All in Gemini」的巨人，真的殺回來了。

全面霸榜的推理怪獸：SOTA 殺瘋了

事實(shí)證明，Google 沒有讓等待的人失望。Gemini 3 Pro 的發(fā)布再一次定義了 SOTA（State-Of-The-Art）。

根據(jù) Google 披露的數(shù)據(jù)，Gemini 3 Pro 在推理、多模態(tài)、Agent 工具使用等關(guān)鍵基準(zhǔn)上，實(shí)現(xiàn)了全方位的霸榜。

• 數(shù)學(xué)能力的「地獄級(jí)」碾壓：在數(shù)學(xué)競(jìng)賽的「地獄模式」MathArena Apex 里，當(dāng)包括 GPT-5.1 在內(nèi)的其他大模型還在1%上下掙扎時(shí)，Gemini 3 Pro 直接干到了23.4%。這就像小學(xué)生還在掰手指算加減法，旁邊的 Gemini 3 已經(jīng)開始徒手搓火箭了。

• 人類智力的天花板：在 Humanity’s Last Exam（人類最終大考）中，Gemini 3 Pro 轟出了37.5%的高分（GPT-5.1 為 26.5%）。在開啟工具使用后，更是達(dá)到了45.8%。

• 視覺智能的質(zhì)變：在衡量屏幕理解能力的 ScreenSpot-Pro 測(cè)試中，GPT-5.1 得分僅為 3.5%（基本是瞎子），而 Gemini 3 Pro 高達(dá)72.7%。這是近乎20 倍的能力碾壓！

但這還不是極限。

Google 還藏了一手Gemini 3 Deep Think（深度思考模式）。

在不使用任何工具的情況下，Deep Think 模式在 Humanity's Last Exam 上的得分飆升至41.0%。

在 ARC-AGI-2 上更是取得了前所未有的45.1%的得分。

這意味著模型在處理復(fù)雜學(xué)術(shù)問題時(shí)，已經(jīng)具備了完全不同的理解深度。

顛覆性的交互體驗(yàn)：生成式 UI 與 Vibe Coding

Gemini 3 的野心不止于跑分，它正在從 Chatbot 進(jìn)化為Generative App。

首創(chuàng)「生成式界面」（GenUI）：以前的 AI 給你文字或代碼，現(xiàn)在的 Gemini 3 能直接為你生成一個(gè)交互界面。比如搜索「RNA 聚合酶工作原理」，它不再扔給你一堆鏈接，而是利用強(qiáng)大的推理能力，即時(shí)生成（Generated on the fly）一個(gè)沉浸式的互動(dòng) 3D 分子模型。你不僅可以瀏覽，還能點(diǎn)進(jìn)去和里面的元素交互。

Vibe Coding：理解你的「直覺」Gemini 3 引入了「Vibe Coding」概念。你不需要清楚地描述開發(fā)要求，它能捕捉你的開發(fā)風(fēng)格和模糊意圖。只用一句話，Gemini 3 就能通過感知你的「編碼直覺」，直接生成全功能的應(yīng)用程序。

實(shí)測(cè)了幾個(gè)案例，前端能力簡(jiǎn)直炸裂：

復(fù)刻 Web OS：僅僅輸入一段 Prompt，要求創(chuàng)建一個(gè)類似 Windows 的 Web OS。Gemini 3 Pro 寫了將近 2 分鐘，結(jié)果真的生造了一個(gè)系統(tǒng)！從終端、代碼編輯器到畫圖工具，大部分功能竟然都是可用的。

復(fù)古 3D 游戲：編寫一款具有豐富視覺效果的太空飛船游戲，一句話搞定（from 機(jī)器之心」

Google Antigravity：Agent 優(yōu)先的開發(fā)平臺(tái)

有了最強(qiáng)的模型，Google 直接在應(yīng)用層「掀桌子」，扔出了小王炸——Google Antigravity。

這不僅僅是一個(gè) IDE，它是 Google 定義的Agent-first（智能體優(yōu)先）開發(fā)平臺(tái)。在這里，Gemini 3 化身為擁有編輯器、終端和瀏覽器完整權(quán)限的「執(zhí)行合伙人」。

Antigravity 配置了一個(gè)「模型軍團(tuán)」協(xié)同作戰(zhàn)：

• Gemini 3：大腦，負(fù)責(zé)推理和寫代碼。

• Gemini 2.5 Computer Use：手眼，控制瀏覽器進(jìn)行 UI 驗(yàn)證。

• Nano Banana：美工，生成圖像和 UI 素材。

這種打通底層模型到頂層交互的閉環(huán)體驗(yàn)，對(duì)于 Cursor 等現(xiàn)有編輯器來說，無疑是一次降維打擊。Agent 可以代表你自主規(guī)劃并執(zhí)行復(fù)雜的端到端軟件任務(wù)，甚至自己打開瀏覽器驗(yàn)證 UI，發(fā)現(xiàn)報(bào)錯(cuò)自己修。

致命短板：寫作能力慘遭 Claude 4.5 吊打

雖然代碼和推理能力強(qiáng)到讓人頭皮發(fā)麻，但在寫作能力上，Gemini 3 Pro 卻讓人大跌眼鏡。

實(shí)測(cè)顯示，在科普文章寫作方面，Gemini 3.0 的表現(xiàn)幾乎是在「御三家」里墊底。

以「基于上下文工程技術(shù)文章寫科普文」為例：

• Claude 4.5 Sonnet：寫了 3000 字，場(chǎng)景描述抓人，用咨詢顧問做類比把抽象概念講透，結(jié)尾還能升華認(rèn)知。

• Gemini 3.0：輸出只有 1000 多字。雖然開頭用了「你有沒有過這樣的經(jīng)歷」的套路，但每個(gè)觀點(diǎn)點(diǎn)到為止，缺乏展開和讓人眼前一亮的類比。

更讓人抓狂的是，Gemini 3.0 依然保留了老毛病：喜歡在中文后面加括號(hào)注釋英文單詞（如「提示詞工程(Prompt Engineering)」），讀起來非常割裂，像是一份沒翻譯完的文檔。

相比之下，Claude 4.5 Sonnet 理解什么時(shí)候該鋪墊、什么時(shí)候該直給，這一點(diǎn)目前 Gemini 3 確實(shí)還做不到。

谷歌王者歸來

Gemini 3 的發(fā)布，釋放了一個(gè)強(qiáng)烈的信號(hào)：算力霸權(quán)依然存在。

Gemini 3 Pro 是使用 Google TPU 從頭開始訓(xùn)練的。當(dāng)全世界都在等英偉達(dá) GPU 時(shí)，Google 坐在自家的 TPU 礦山上，擁有極高的帶寬內(nèi)存和算力冗余，這給了它肆意擴(kuò)張參數(shù)規(guī)模的底氣。

從底層的 TPU 硅基霸權(quán)，到中間層的 Antigravity 開發(fā)生態(tài)，再到頂層的生成式 UI，Google 展示了一個(gè)只有巨頭才能構(gòu)建的嚴(yán)絲合縫的未來。

雖然寫作能力略顯拉胯，但在代碼、推理和多模態(tài)交互上，Gemini 3 確實(shí)已經(jīng)殺瘋了。

對(duì)于開發(fā)者而言，會(huì)不會(huì)寫前端、會(huì)不會(huì)調(diào)框架可能真的不重要了。重要的是你能不能把腦子里的東西，翻譯成精準(zhǔn)的 Prompt。

Gemini 3 現(xiàn)已全面開放，即日起可通過 Google AI Studio 體驗(yàn)。

至于它到底能不能終結(jié)「最好的 LLM」之爭(zhēng)？讓子彈（和服務(wù)器）再飛一會(huì)兒。

本文來自公眾號(hào)：餅干哥哥AGI 作者：餅干哥哥AGI

2025AI產(chǎn)品大會(huì)，將于12月20-21日在深圳開幕！

聚焦“AI+行業(yè)”的落地實(shí)踐，分享AI在物流、音視頻、內(nèi)容、數(shù)字化、工業(yè)制造、大數(shù)據(jù)、協(xié)同辦公、出海、具身智能、智能硬件等等領(lǐng)域的具體案例。