面對Claude Opus 4.6和GPT Codex 5.3的猛烈攻勢，谷歌反手就是一個Gemini 3 Deep Think的重大升級。

在Codeforces（一個包含各種競技編程挑戰(zhàn)的基準(zhǔn)測試平臺）上，它取得了驚人的3455Elo分?jǐn)?shù)，相當(dāng)于世界第8名

這下子，全球只有7人的編程水平能排在它前面了。而此前最高分是一年前o3拿下的2727 Elo。

Gemini 3 Deep Think的實力不止于此，它還直接把ARC-AGI-2——這個公認(rèn)測試AI推理能力的前沿基準(zhǔn)，給刷到了史無前例的84.6%

要知道，之前最強模型的得分在60%-70%之間徘徊，Claude Opus 4.6的成績也只有68.8%。

人類最后考試（HLE）上，Gemini 3 Deep Think也刷新SOTA，拿下了48.4%的成績。

官方表示，新版Deep Think是谷歌專門開發(fā)的推理模式，旨在推動智能前沿發(fā)展，并解決科學(xué)、研究和工程領(lǐng)域的現(xiàn)代挑戰(zhàn)。

另一位“堯舜禹”——清華物理系傳奇特獎得主姚順宇（Shunyu Yao），去年9月加入谷歌DeepMind，也是這次Deep Think新模型的參與者。

新版DeepThink已經(jīng)走進(jìn)了實驗室

升級后的Gemini 3 Deep Think實力究竟有多強？

它的野心不止于贏得基準(zhǔn)測試，而是要走進(jìn)科研和工程領(lǐng)域，幫助工程師處理復(fù)雜任務(wù)。

新版Deep Think可以分析草圖，對復(fù)雜形狀進(jìn)行建模，并直接生成用于3D打印的實體文件。這是它打印的一個筆記本電腦支架：

谷歌VP Josh Woodward 在X上曬出了打印的成果，看起來對草圖相當(dāng)還原：

羅格斯大學(xué)的數(shù)學(xué)家Lisa Carbone，利用Gemini 3 Deep Think審閱了一篇高度專業(yè)的數(shù)學(xué)論文。

結(jié)果Gemini 3 Deep Think成功地識別出了一個細(xì)微的邏輯缺陷，而這個缺陷在此前的人工同行評審中均未被發(fā)現(xiàn)。

杜克大學(xué)的王安實驗室，利用Gemini 3 Deep Think技術(shù)優(yōu)化了復(fù)雜晶體生長的制備方法，以期發(fā)現(xiàn)新的半導(dǎo)體材料。

結(jié)果Gemini 3 Deep Think成功設(shè)計了一種能夠生長厚度大于 100 微米薄膜的工藝，達(dá)到了以往方法難以企及的精確目標(biāo)。

在X上，DeepSeek多模態(tài)團(tuán)隊研究員XiaoKang Chen也表示：Gemini 3 Deep Think非常擅長處理科學(xué)領(lǐng)域中的長尾任務(wù)。

他給Deep Think輸入了一張復(fù)雜分子結(jié)構(gòu)的圖片，隨后模型便準(zhǔn)確地計算出了分子式。

勇奪三項新SOTA，推理成本降低82%

去年Deep Think專門版已經(jīng)IMO等國際競賽中奪下金牌?，F(xiàn)在，全新升級后的Deep Think又在多項高難度的基準(zhǔn)測試中全面刷新SOTA：

• 不使用任何工具，在HLE中取得新SOTA——48.4%
• 在ARC-AGI-2測試中取得前所未有的84.6%的成績，并經(jīng) ARC Prize 基金會驗證；
• 在Codeforces上取得了驚人的3455Elo分?jǐn)?shù)；
• 在2025年國際數(shù)學(xué)奧林匹克競賽中達(dá)到金牌水平。

其中，ARC-AGI-2被譽為AI界的“圖靈測試”，旨在衡量模型處理從未見過的新穎推理任務(wù)的能力

要知道，去年12月剛發(fā)布的初代Deep Think得分還是45.1%，不到三個月時間已經(jīng)飆升到84.6%，比Opus 4.6還要強出一截。

而在ARC-AGI-1上，Gemini 3 Deep Think取得了96%的成績，直接頂?shù)教旎ò辶恕?/p>

性能提升的同時，推理成本也在大幅下降。初代Deep Think執(zhí)行每項任務(wù)的成本為77.16美元。此次升級讓成本降低了82%，每項任務(wù)僅需13.62美元

由于1和2都被Gemini刷爆了，現(xiàn)在ARC Prize已經(jīng)在構(gòu)建ARC-AGI-3了……

除了數(shù)學(xué)和編程，升級后的Deep Think在化學(xué)和物理等廣泛的科學(xué)領(lǐng)域同樣表現(xiàn)出色。

在2025年國際物理奧林匹克競賽和化學(xué)奧林匹克競賽中，Gemini 3 Deep Think在筆試部分取得了金牌級別的成績。

此外，它還展現(xiàn)了在高等理論物理方面的能力，在CMT-Benchmark測試中取得了50.5%的分?jǐn)?shù)。

華人帶隊，打造最強推理模型

Gemini 3 Deep Think的研發(fā)團(tuán)隊中，有不少華人身影。

核心成員包括95后華人科學(xué)家Yi Tay，他在Gemini團(tuán)隊中從事強化學(xué)習(xí)和推理方向的研究工作。

此前，他曾在Google Brain共同領(lǐng)導(dǎo)早期大語言模型項目，包括PaLM-2、UL2和Flan-2。

在Google Brain工作3年多之后，2023–2024 年間，Yi Tay曾短暫離開谷歌，作為聯(lián)合創(chuàng)始人創(chuàng)辦了一家獨角獸AI初創(chuàng)公司——Reka。

Reka AI由DeepMind、谷歌和Meta的研究人員創(chuàng)立，其創(chuàng)辦初衷是打造功能強大且高效的基礎(chǔ)模型，現(xiàn)在也開發(fā)界面設(shè)計、應(yīng)用邏輯以及其他應(yīng)用方面的工具。

在創(chuàng)業(yè)一年半后，Yi Tay便重返谷歌DeepMind，擔(dān)任高級資深研究科學(xué)家，繼續(xù)從事人工智能和大語言模型的研究。

去年剛從Anthropic跳槽到谷歌DeepMind的清華校友姚順宇，也參與了Deep think新模型的開發(fā)。

姚順宇本科就讀于清華大學(xué)物理系，曾拿下過清華本科生特等獎學(xué)金（清華授予在校優(yōu)秀本科生的最高獎學(xué)金榮譽）

本科期間，他就已在《Physical Review Letters》（國際物理學(xué)領(lǐng)域最頂級的學(xué)術(shù)期刊之一）發(fā)表高水平論文，首次在國際上給出了關(guān)于非厄米系統(tǒng)的拓?fù)淠軒Ю碚摚粌H準(zhǔn)確預(yù)測了相關(guān)現(xiàn)象，還定義了兩個新的物理概念。

本科畢業(yè)后，他赴斯坦福大學(xué)繼續(xù)攻讀博士，專注于量子多體混沌、開放量子系統(tǒng)動力學(xué)等前沿問題，師從Douglas Stanford（美國理論物理學(xué)家，被同行視為頂尖且有潛力改變物理學(xué)發(fā)展方向的年輕科學(xué)家之一）、Zhenbin Yang（楊振斌，華裔美國科學(xué)家，公認(rèn)的20世紀(jì)最重要的物理學(xué)家之一）等知名學(xué)者。

博士畢業(yè)后，他先是去UC伯克利做博士后研究，隨后加入了Anthropic。在Anthropic工作的一年時間里，他參與組建了強化學(xué)習(xí)基礎(chǔ)團(tuán)隊，負(fù)責(zé)了Claude 3.7 Sonnet框架，以及Claude 4系列背后的基本強化學(xué)習(xí)理論。

離開Anthropic之后，姚順宇轉(zhuǎn)戰(zhàn)谷歌DeepMind，繼續(xù)從事AI方面的研究。這次Deep Think新模型發(fā)布，也是他在谷歌的首秀之作

[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/
[2]https://x.com/ShunyuYao14/status/2022013770843967900
[3]https://x.com/YiTayML/status/2021988841142534287
[4]https://x.com/NoamShazeer/status/2021988459519652089
[5]https://x.com/PKUCXK/status/2022144532272623990