2 月 12 日，谷歌上線 Gemini 3 Deep Think 的重大升級(jí)。這次升級(jí)的背后，也站著一位在 2025 年 9 月因?yàn)椴粷M前東家 Anthropic 言論而辭職加入谷歌的清華物理系傳奇校友姚順宇。

圖 | 姚順宇（來源：資料圖）

作為一款推理模型，Gemini 3 Deep Think 在多項(xiàng)基準(zhǔn)測(cè)試中刷新紀(jì)錄：ARC-AGI-2 測(cè)試達(dá) 84.6%，Codeforces 編程平臺(tái)獲 3,455 分（世界排名第 8，僅 7 人能超越），并在數(shù)學(xué)、物理、化學(xué)奧賽中達(dá)金牌水平。然而，其每項(xiàng)任務(wù)成本僅為 13.62 美元，比 OpenAI o3 降低大約 280-420 倍。目前，新模型已被用于數(shù)學(xué)論文審閱、晶體生長(zhǎng)工藝優(yōu)化等科研場(chǎng)景，現(xiàn)已通過 Gemini 應(yīng)用和 API 向訂閱用戶及部分研究者開放。

（來源：Google）

如果你對(duì) 2025 年 Gemini Deep Think 在 IMO 摘金的印象還停留在這是一個(gè)很會(huì)解題的學(xué)霸，那么這次升級(jí)可能會(huì)讓你重新認(rèn)識(shí)它。學(xué)霸和科學(xué)家的區(qū)別在于：前者擅長(zhǎng)回答帶有標(biāo)準(zhǔn)答案的問題，但是后者敢于跳進(jìn)沒有邊界、數(shù)據(jù)殘缺、甚至沒有人知道終點(diǎn)在哪里的渾水。這正是此次 Deep Think 升級(jí)最本質(zhì)的跨越。

（來源：Google）

谷歌在官方博客中反復(fù)強(qiáng)調(diào)的關(guān)鍵詞是：“messy or incomplete。”現(xiàn)實(shí)世界的科研難題，從來不像奧數(shù)題那樣會(huì)給你完美的已知條件。一個(gè)凝聚態(tài)物理的實(shí)驗(yàn)數(shù)據(jù)可能包含無法復(fù)現(xiàn)的噪聲，一個(gè)化學(xué)生物學(xué)交叉課題的文獻(xiàn)綜述可能需要橫跨幾十年的幾十個(gè)互斥的假說。新版 Deep Think 的核心突破，則是學(xué)會(huì)了在這種混沌之中保持推理的優(yōu)雅。

有這樣一組數(shù)據(jù)也許足以讓同行沉默。在被稱為人類最后考試（Humanity‘s Last Exam）的極限基準(zhǔn)測(cè)試中，Deep Think 在不借助任何外部工具的情況下拿下 48.4% 的準(zhǔn)確率。這個(gè)數(shù)字的厲害之處在于，它不僅甩開了 GPT-5.2（34.5%）和 Claude Opus 4.6（40.0%），也意味著 AI 首次在橫跨數(shù)百個(gè)尖端學(xué)科的長(zhǎng)尾難題中，逼近了人類博士候選人的中位線。

而在 ARC-AGI-2 這個(gè)被公認(rèn)為是抽象推理試金石的測(cè)試中，84.6% 的得分是一個(gè)代際斷層的表現(xiàn)。ARC Prize Foundation 的獨(dú)立驗(yàn)證，更是讓這個(gè)數(shù)字褪去了營(yíng)銷成分。

可能會(huì)讓一部分人感到脊背發(fā)涼的是 Codeforces 那行小小的數(shù)字：3455Elo。關(guān)注競(jìng)技編程的讀者知道，2,700 分已經(jīng)是國(guó)際特級(jí)大師的表現(xiàn)，3,000 分是人類窮盡職業(yè)生涯也難以觸摸的神域。更可怕的是，3,455 分這個(gè)分?jǐn)?shù)是不借助任何工具取得的，既不是純文本生成，也沒有代碼執(zhí)行輔助。這意味著 Deep Think 對(duì)于算法本質(zhì)的理解，已經(jīng)內(nèi)化成為某種超越代碼本身的直覺。

（來源：Google）

然而，如果把這次升級(jí)僅僅解讀為跑分更強(qiáng)，就完全錯(cuò)過了谷歌布下的那盤大棋。這個(gè)棋局藏在兩個(gè)看似不抬起眼的場(chǎng)景描述里。

第一個(gè)場(chǎng)景是把手繪草圖直接生成 3D 打印文件。從模糊的線條到精密的物理模型，中間橫亙著幾何建模、結(jié)構(gòu)力學(xué)分析、打印路徑優(yōu)化等多道專業(yè)壁壘。Deep Think 做到了在理解繪圖這意圖的基礎(chǔ)之上，主動(dòng)補(bǔ)全了那些草圖上沒有畫出來的受力邏輯。

第二個(gè)場(chǎng)景是羅格斯大學(xué)的數(shù)學(xué)家 Lisa Carbone 用它審稿，Deep Think 發(fā)現(xiàn)了一處人類審稿人集體遺漏的微秒邏輯漏洞，這意味著 AI 能在前沿研究的模糊地帶捕捉到推理鏈的斷裂，也意味著 AI 告別了只是復(fù)述教科書式的錯(cuò)誤的階段。

這兩件事的共同點(diǎn)在于，AI 不再只是等待指令，開始主動(dòng)介入創(chuàng)造與驗(yàn)證的閉環(huán)。這也正是姚順宇在那篇廣為流傳的離職博文中反復(fù)提到的命題。這位當(dāng)年清華物理系的特獎(jiǎng)得主，大二開始選修研究生課程，先后成為美國(guó)斯坦福大學(xué)博士和美國(guó)加州大學(xué)伯克利分校博士后，卻在傳統(tǒng)理論物理最光鮮的學(xué)術(shù)坦途選擇了轉(zhuǎn)彎。他曾在博文里寫道，一個(gè)沒有實(shí)驗(yàn)指引的領(lǐng)域，很難客觀評(píng)判理論工作的價(jià)值。他看到的困局，其實(shí)也是 AI 行業(yè)自身的影像。

過去兩年，有時(shí)人們沉迷于在封閉基準(zhǔn)上比拼小數(shù)點(diǎn)后的精度，卻越來越遠(yuǎn)離使用智能解決真實(shí)問題的初心。姚順宇把當(dāng)下的 AI 研究比作 17 世紀(jì)的熱力學(xué)。那時(shí)，人們甚至不知道熱是什么，燃素說依然是主流，但是這并不妨礙波義爾通過系統(tǒng)實(shí)驗(yàn)總結(jié)出定律，并最終催生了蒸汽機(jī)。Deep Think 此次升級(jí)的野望，或許正是要成為AI世界的波義爾。

因此，與其說 Gemini 3 Deep Think 是一個(gè)模型，不如說它是一個(gè)正在快速進(jìn)化的科研操作系統(tǒng)。3455 Elo 是它的左腦，84.6% 的抽象推理是它的右腦，而從草圖到實(shí)物的 3D 打印能力是它伸向物理世界的一只手臂。幾百年前，牛頓用自己在蘋果樹下的思考解釋宇宙，AI 時(shí)代的今天，無論如何都得換種方法了。

參考資料：

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/

https://the-decoder.com/google-deepmind-upgrades-gemini-3-deep-think-for-complex-science-and-engineering-tasks/

運(yùn)營(yíng)/排版：何晨龍