↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

Gemini 3 Pro贏麻了

在ARISE基金會Joel Zhang主持的一場全自動《寶可夢 水晶版》對決中，Gemini 3 Pro以絕對優(yōu)勢擊敗了Gemini 2.5 Pro

戰(zhàn)績對比非常慘烈：當2.5版本只拿到4枚徽章時，Gemini 3 Pro已經(jīng)耗費約一半的Token和回合數(shù)，拿下了全部16枚徽章，擊敗了四天王和冠軍，甚至打敗了隱藏BOSS赤紅（Red）

根據(jù)谷歌DeepMind披露的細節(jié)，Gemini 3 Pro通關全過程至少比2.5版本快2倍；如果進行推算，前代模型的速度實際上要慢上8倍左右

這場對決最精彩的一幕發(fā)生在最終戰(zhàn)。面對等級壓制的赤紅，Gemini 3.0制定了一個名為“僵尸鳳凰行動”（Operation Zombie Phoenix）的復雜策略。它結合了被動恢復、能力值削減、消耗戰(zhàn)術以及復活循環(huán)，在長達7小時的馬拉松式戰(zhàn)斗中鎖定了勝局

以下是這場“AI玩寶可夢”實驗中的核心發(fā)現(xiàn)

丟掉輔助輪：像科學家一樣思考

為了公平，兩個Agent使用了完全相同的測試環(huán)境

值得注意的是，Prompt并沒有要求它們盡快通關，而是要求它們應用科學方法，不要假設關于游戲的先驗知識是正確的。Agent可以使用非結構化的記事本功能來記錄假設、測試想法并跟蹤游戲進度。

這種靈活的設置允許Agent在環(huán)境中設計自己的代碼工具和子Agent。這不僅是玩游戲，更是測試Agent適應環(huán)境并構建工作流的能力。

自寫驅(qū)動，繞過限制

Gemini 3 Pro展現(xiàn)出了對工具極高的信任度。當行動失敗時，它會重新評估環(huán)境，而不是死磕代碼庫。這種意識引發(fā)了一個非常驚人的行為。

測試環(huán)境為了保持2.5版本的穩(wěn)定性及防止模擬器不同步，實施了嚴格的輸入限制，禁止混合按鍵輸入（例如連續(xù)按下A和Up）。

當Gemini 3 Pro需要給寶可夢起昵稱時，發(fā)現(xiàn)單次按鍵限制效率太低。它沒有全盤接受這個約束，而是利用define_tool功能，編寫了一個名為press_sequence的自定義工具

因為它發(fā)現(xiàn)，自定義工具不受混合輸入的限制。

這個腳本允許它在本地批量處理輸入序列，實際上等于它自己編寫了一個驅(qū)動程序來繞過測試環(huán)境的限制，利用這個預期的漏洞提高了效率。對于3.0 Agent來說，環(huán)境約束只是一個需要解決的工程問題，而不是不可改變的鐵律

多模態(tài)優(yōu)勢：看懂RAM里沒有的數(shù)據(jù)

在第8個道館（冰系道館）中，解謎需要從樓上推下巨石，在巖漿地面上鋪路。

僅靠RAM數(shù)據(jù)很難追蹤底層狀態(tài)變化，因為內(nèi)存數(shù)據(jù)中沒有提及掉落的巨石。Gemini 3 Pro一度陷入死循環(huán)，誤以為謎題未解（二樓殘留的誘餌巨石加劇了誤判）。

關鍵時刻，Gemini 3 Pro利用了視覺輸入。它忽略了可能令人困惑的狀態(tài)數(shù)據(jù)，直接通過屏幕截圖識別出掉落巨石的位置，并根據(jù)視覺證據(jù)修正了策略，成功脫困。這種從RAM檢查切換到原始視覺的能力，是它走出死循環(huán)的關鍵。

此外，3.0 Agent還能“讀懂”對手的血條。

RAM狀態(tài)并不提供對手的生命值信息，必須通過屏幕畫面推斷。Gemini 3 Pro在與赤紅的戰(zhàn)斗中，能夠相當準確地估算對手剩余血量的比例，這對于理解戰(zhàn)斗中的最佳行動至關重要

戰(zhàn)斗效率與零敗績

戰(zhàn)斗推理能力的差距是決定勝負的關鍵。

Gemini 2.5 Pro：因策略較差，兩次輸給第3道館館主，導致花費大量時間進行不必要的練級

Gemini 3 Pro： 零敗績通關整個游戲（包括最終隱藏BOSS赤紅）。

3.0展示了卓越的戰(zhàn)術推理能力，能進行實時傷害計算以優(yōu)化招式選擇。例如：

它發(fā)現(xiàn)對手的卡比獸提升了特防，且雨天天氣會降低火系傷害，因此正確地放棄了噴射火焰，轉(zhuǎn)而選擇高速星星

在四天王連戰(zhàn)中，它會主動管理HP，在回合之間使用道具回血，而2.5版本歷來難以將此類操作的優(yōu)先級置于即時戰(zhàn)斗之上

現(xiàn)存的局限性

盡管性能飛躍，Gemini 3 Pro并非完美：

不經(jīng)驗證的假設：最大的失敗模式是形成假設后拒絕測試。例如，它曾假設收音機界面像標準菜單一樣（左右操作），而忽略了視覺上的撥盤提示（上下操作），導致浪費數(shù)小時。另一次，它在鎖門謎題上花費大量時間測試復雜理論，卻沒去和旁邊的提示NPC對話

前瞻性規(guī)劃不足：雖然反應戰(zhàn)術很強，但主動目標管理仍不穩(wěn)定。它經(jīng)常意識到戰(zhàn)略需求（如調(diào)整寶可夢順序），但直到戰(zhàn)斗開始后才去執(zhí)行

空跑：經(jīng)常在調(diào)用工具時參數(shù)出錯，導致空跑。不過它通常能在下一回合自我修正，這一點優(yōu)于2.5

并行規(guī)劃困難：難以并行規(guī)劃多個大目標以提高效率，傾向于逐個解決任務。

在這場競賽中，Gemini 3 Pro超越了簡單的指令遵循，展示了真正的空間推理、即興工具創(chuàng)建和假設測試的科學方法

這種推理能力直接轉(zhuǎn)化為效率：

Gemini 3 Pro：耗時17天，消耗18.8億Token

Gemini 2.5 Pro：基于礦山徽章進度的推算，預計需要69天，消耗超過150億Token才能達到相同結果

參考：

https://x.com/GoogleAIStudio/status/2000649586847985985

--end--

最后記得??我，每天都在更新：歡迎點贊轉(zhuǎn)發(fā)推薦評論，別忘了關注我