太平洋時間11月18日，谷歌正式推出Gemini 3，宣告在通用人工智能（AGI）探索之路上再進(jìn)一步。

新一代模型憑借推理、多模態(tài)理解與編碼三大核心能力的突破性提升，重新定義了AI與人類協(xié)作的邊界，其訓(xùn)練過程中的兩大“啊哈時刻”更直觀展現(xiàn)了智能進(jìn)化的飛躍——既能通過簡單自然語言指令生成可交互3D游戲，又能深度解讀古吉拉特語詩歌并完成創(chuàng)意二次創(chuàng)作，彰顯出接近人類直覺的理解與創(chuàng)造能力。

在核心性能上，Gemini 3 Pro以1501分登頂LMSys Elo Arena排行榜，GPQA Diamonds測試準(zhǔn)確率達(dá)91.9%，深度推理模式更將表現(xiàn)進(jìn)一步提升；多模態(tài)領(lǐng)域憑借81%的MMMU-Pro分?jǐn)?shù)與87.6%的Video-MMMU分?jǐn)?shù)，成為全球頂尖多模態(tài)理解模型，可無縫處理長視頻、混合語言食譜等復(fù)雜場景。編碼層面創(chuàng)新推出“可視化編碼”與“代理式編碼”，前者實(shí)現(xiàn)想法到交互界面的直接轉(zhuǎn)化，后者賦予AI自主拆解任務(wù)、調(diào)用工具的執(zhí)行能力，讓開發(fā)與日常事務(wù)處理效率倍增。

此次發(fā)布更標(biāo)志著AI體驗的全面重構(gòu)：谷歌搜索首次同步接入Gemini 3，生成式UI實(shí)現(xiàn)從“答案引擎”到“發(fā)現(xiàn)創(chuàng)造引擎”的升級，讓抽象知識可交互體驗；Gemini應(yīng)用新增動態(tài)視圖、視覺布局等功能，Ultra訂閱用戶更可體驗多任務(wù)自主處理的Gemini Agent。以下，Enjoy：

作者 | 周雅

來源 |科技行者

“Gemini 3的發(fā)布 ，代表團(tuán)隊在通往AGI（通用人工智能）路上邁出的又一步?！碧窖髸r間11月18日8:00，谷歌正式發(fā)布Gemini 3，Google DeepMind 首席執(zhí)行官 Demis Hassabis 在谷歌博客中寫道。

而就在一天前，谷歌舉行了全球媒體溝通會，當(dāng)被問及模型訓(xùn)練過程中的“啊哈時刻”時，Google DeepMind Gemini產(chǎn)品管理高級總監(jiān)Tulsee Doshi，負(fù)責(zé)Gemini研發(fā)工作的她分享了兩個瞬間。

第一個瞬間，是她第一次嘗試可視化編碼時，僅用非常簡單的自然語言提示詞，Gemini 3就能創(chuàng)造出一款游戲，甚至是可交互的3D可視化效果，還能在那個環(huán)境里“真的玩起來”。

第二個瞬間則更具人文色彩。Tulsee嘗試讓模型處理一首用“古吉拉特語”寫成的詩，那是她父母的母語，不僅要求模型做翻譯，還讓它二次創(chuàng)作?！澳隳芸吹侥Ｐ偷募?xì)膩感、創(chuàng)造力、以及寫作風(fēng)格，我當(dāng)時就覺得：哇，這個模型真的很聰明，能把很多元素融會貫通?！?/p>

這兩個時刻，一個關(guān)乎創(chuàng)造，一個關(guān)乎理解，似乎都在指向這是一種更接近人類直覺的智能。Tulsee告訴我們，“當(dāng)你把多模態(tài)輸入、復(fù)雜推理問題，以及你想要的輸出形式結(jié)合起來時，Gemini 3 的魔力就顯現(xiàn)出來了?！?/p>

01

解構(gòu)Gemini 3

梳理Gemini 3 的核心進(jìn)步，可以概括為三個層面：推理能力、多模態(tài)理解能力、編碼能力。

Google DeepMind首席技術(shù)官Koray Kavukcuoglu在媒體溝通會上這樣描述Gemini 3的交流風(fēng)格——“Gemini 3給出的回答聰明、簡潔、直截了當(dāng)?！?/p>

這種質(zhì)變建立在「推理能力」之上。

在LMSys Elo Arena排行榜上，Gemini 3 Pro 以1501分的突破性分?jǐn)?shù)登頂，比其前代 Gemini 2.5 Pro 高出50個等級分；此外，在更考驗深層理解的基準(zhǔn)測試中，它的表現(xiàn)同樣突出：在GPQA Diamonds（一個衡量研究生水平推理與知識的基準(zhǔn)測試）達(dá)到91.9%的準(zhǔn)確率；在Humanity’s Last Exam（一個要求多步邏輯和專家級推理的基準(zhǔn)測試），不使用任何外部工具，Gemini 3 Pro 取得了37.5%的成績。

這些數(shù)字背后，是模型正在往解決復(fù)雜問題的能力躍遷，它意味著 Gemini 3/Pro 在處理科學(xué)、數(shù)學(xué)等專業(yè)領(lǐng)域的復(fù)雜問題時，具備了更高可靠性。

為了進(jìn)一步突破，谷歌還推出了一個名為Gemini 3 Deep Think（深度思考） 的增強(qiáng)推理模式。在內(nèi)部測試中，Gemini 3 Deep Think 在Humanity's Last Exam（未使用工具時為 41.0%）和 GPQA Diamond（93.8%）中的表現(xiàn)，甚至還要優(yōu)于 Gemini 3 Pro。

我們再來看Gemini 3的多模態(tài)理解能力。

Google與 Alphabet 首席執(zhí)行官 Sundar Pichai 在谷歌博客中寫道：“近兩年前，我們開啟了Gemini時代，這是我們公司有史以來最大的科學(xué)和產(chǎn)品項目之一。僅僅兩年時間，人工智能就從單純閱讀文本和圖像發(fā)展到能夠讀懂房間?！?/p>

“讀懂房間”（reading the room）這個比喻，精準(zhǔn)描述了 Gemini 3 在多模態(tài)理解上的進(jìn)步。它不再是單一地處理文本、圖像或音頻，而是能夠原生且無縫地理解這些信息模態(tài)之間的內(nèi)在聯(lián)系和細(xì)微差別。

根據(jù)官方數(shù)據(jù)，Gemini 3 Pro在衡量多模態(tài)能力的基準(zhǔn)MMMU-Pro和Video-MMMU上，分別取得了81%和87.6%的分?jǐn)?shù)，成為“世界上最先進(jìn)的多模態(tài)理解模型”。

這意味著什么？在實(shí)際應(yīng)用中，用戶可以向 Gemini 3 提供一段長達(dá)數(shù)小時的視頻講座，讓它生成交互式的抽認(rèn)卡幫助學(xué)習(xí)；可以上傳一張手寫的，甚至混雜著不同語言的家庭食譜照片，讓它整理并翻譯成可分享的電子版；甚至可以上傳一段自己打球的視頻，讓模型分析動作并生成改進(jìn)的訓(xùn)練計劃。

這種能力，是谷歌從 Gemini 1.0 時代就確立的原則——原生多模態(tài)與長上下文，它讓AI的輸入和輸出變得靈活，從而適應(yīng)用戶的個性化需求。

我們最后來看Gemini的編碼能力。

如果說推理和多模態(tài)是 Gemini 3 的“大腦”，那么其強(qiáng)大的編碼和規(guī)劃能力就是它的“雙手”，谷歌將此定義為“代理式編碼（Agentic Coding）”和“可視化編碼（Vibe Coding）”，借此重新定義用戶與信息的交互方式、開發(fā)者與機(jī)器的協(xié)作模式。

“Vibe Coding”，也就是大家常說的氛圍編程，這里的關(guān)鍵在于“Vibe”——一個模糊、感性的詞，它指向的是一種全新的創(chuàng)造流程：用戶提供一個抽象的想法、一種“感覺”或“氛圍”，而AI則將其直接翻譯成一個功能完備、視覺豐富、可交互的數(shù)字實(shí)體，可以理解為讓開發(fā)“所見即所得”。

正如Tulsee的“啊哈時刻”所展示的，這指的是模型僅通過自然語言描述，就能生成豐富、美觀、可交互的前端界面或應(yīng)用。Gemini 3 Pro 在這方面實(shí)現(xiàn)了飛躍，能夠處理更復(fù)雜的指令，渲染出更具交互性的網(wǎng)頁。

如果說“可視化編碼”（Agentic Coding）是Gemini 3引人注目的前臺魔術(shù)，那么“代理式編碼”（Agentic Coding）則是驅(qū)動其自主行動的后臺引擎。

代理式編碼（Agentic Coding），核心是賦予AI模型規(guī)劃、拆解復(fù)雜任務(wù)、并自主調(diào)用工具（APIs、瀏覽器、本地文件系統(tǒng)）來完成任務(wù)的能力，它不再是一個被動回答問題的聊天機(jī)器人，而是一個可以被授權(quán)代表用戶執(zhí)行多步驟工作流的“數(shù)字代理”。

Google Gemini應(yīng)用產(chǎn)品管理副總裁Chris Shuhar在溝通會上舉例說：“像買演唱會門票這類事，以前要到處找各種信息，現(xiàn)在我可以讓「代理」去找，幫我配好合適的組合，把流程推進(jìn)到可以買票的那一步，然后我只需要一鍵確認(rèn)就行?！?/p>

對于企業(yè)而言，“代理式編碼”的意義更為深遠(yuǎn)。谷歌云AI副總裁兼總經(jīng)理Saurabh Tiwary在谷歌博客中指出：“企業(yè)現(xiàn)在可以利用Gemini 3執(zhí)行財務(wù)規(guī)劃、供應(yīng)鏈調(diào)整和合同評估等任務(wù)?！?/p>

谷歌的合作伙伴也印證了這一點(diǎn)。Shopify首席技術(shù)官M(fèi)ikhail Parakhin表示：“這一進(jìn)步加速了Shopify構(gòu)建代理式AI工具的能力，解決我們商戶復(fù)雜的商業(yè)挑戰(zhàn)?！?/strong>湯森路透首席技術(shù)官Joel Harlon則提到，他們在法律推理和復(fù)雜合同理解方面取得了“可衡量的、顯著的進(jìn)展”。

綜合來看，Gemini 3 不只是一個被動響應(yīng)指令的工具，它被設(shè)計成一個主動的、有規(guī)劃能力的“伙伴”或“代理”，能夠理解復(fù)雜目標(biāo)，拆解多步任務(wù)，并自主執(zhí)行。這一特性，正是谷歌重塑其核心產(chǎn)品與開發(fā)者生態(tài)的基石。

02