谷歌數到3，這次輪到Gemini遙遙領先｜Landing AI

現在輪到谷歌數到3了。

今天凌晨，谷歌正式公布了Gemini 3系列模型，并率先上線Gemini 3 Pro預覽版。按照介紹，開發者現可以在Google AI Studio直接調用API，Gemini應用已同步切換到新模型，企業與開發平臺側的更新則也已經納入近期計劃。

對外而言，這次發布看似沿襲了大模型迭代的慣常節奏，但從谷歌的表述方式到模型本身呈現出來的能力，都暗示著一個趨勢：Gemini 3不再只是參數與跑分的躍遷，而是在嘗試重新定義“模型在系統中的位置”。

Gemini 3 Pro被谷歌歸納為三個核心變化：推理強度提升、事實一致性增強、多模態能力從設計之初就內置而非附加。這意味著模型在對話中處理文本、圖像、音頻、視頻不再需要分階段切換，而是以統一的方式理解信息結構。

官方給出的示例依舊貼近日常場景：把家里幾種語言混寫的手寫菜譜拍照丟給它，它能整理成一本統一格式的家庭菜譜；把一串長視頻講座交給它，它會把關鍵知識點拆成交互式卡片，甚至生成簡單的可視化工具來輔助記憶。在Gemini應用中，Canvas工作區能夠支持更完整的“小項目”；在Gemini Labs里，它也能根據你的問題生成類似雜志排版的界面。

這些特性看上去像是一次體驗層面的升級，但真正讓Gemini 3 Pro與以往不同的，是它在各類評估中的表現出現了領先式的變化，而不僅是“略微更準一點”。

過去一年，模型在各類基準測試中的差距往往停留在小范圍波動。現在，一些關鍵指標第一次被明顯拉開。

最突出的表現落在高難度數學與復雜推理方向。Gemini 3 Pro在MathArena Apex中拿到23.4%的正確率，而上一代模型為0.5%、Claude為1.6%、GPT-5.1為1.0%——這是長期停滯區間第一次被大幅突破。

在跨領域推理考試中，這種差距繼續擴大。例如在Humanity’s Last Exam中，Gemini 3 Pro的無工具得分達到37.5%，工具模式則提升至45.8%，高于上一代的21.6%和GPT-5.1的26.5%。在GPQA Diamond中，它也以91.9%領先于同類模型的83%—88%區間。

多模態方面的變化則更集中體現在“界面理解”能力上。谷歌首次在技術資料中單列屏幕截圖理解，模型不僅能識別內容，還能把握界面結構、按鈕層級與可操作區域。

在ScreenSpot-Pro中，Gemini 3 Pro達到72.7%，而GPT-5.1僅為3.5%，Claude為36.2%，上一代Gemini為11.4%。這里的差距不只是識別率問題，而是決定了Agent是在“憑感覺點擊”，還是確實理解界面語境。

這種能力直接關系到Agent在操作電腦時是否能保持“情境意識”——能否基于界面判斷接下來會發生什么。對于任何期待AI“完成任務”的系統而言，這類能力遠比單純的圖像識別更關鍵。

更廣泛的表現也與谷歌想強調的方向一致：Gemini 3 Pro在多學科理解、視頻推理和事實一致性上都拉開差距，并在工程類任務中顯現出更高的穩定度。

例如在SimpleQA Verified中，Gemini 3 Pro達到72.1%，而同類模型普遍落在30%—35%區間；多語言綜合能力的MMLU中，它拿下91.8%，略高于GPT-5.1的91.0%，并領先Claude的89.1%。

在工程類任務上，它不僅能處理更復雜的代碼生成，還能在涉及實際環境的測試中穩定執行。例如在Terminal-Bench 2.0中，Gemini 3 Pro達到54.2%，而Claude為42.8%，GPT-5.1為47.6%；在長鏈路任務Vending-Bench 2中，它的收益為5478美元，而其他模型普遍在1500—3800美元之間。

不過，Gemini 3真正有意義的部分，不在于單項能力的提升，而是谷歌圍繞它構建的系統形態。伴隨此次更新推出的Antigravity，是一個以Agent為核心的開發環境。它并不是“補齊代碼空缺”的工具，而是讓模型能夠直接參與開發流程：理解需求、拆分任務、生成代碼、運行測試、檢查界面效果，再回到代碼層面調整。

于此，谷歌通過把不同模型組合使用，讓Agent在編輯器、終端與瀏覽器之間自由切換，從而承接一段完整的執行鏈。對于結構不算復雜的項目，它已經能承擔起實際工作。

面向普通用戶的變化，則更集中體現在Gemini應用和Google搜索上。Gemini 3 Pro從第一天起就是默認模型，而應用內的“Gemini Agent”可以處理多步決策任務，例如歸檔郵件、安排行程或處理需要反復查找信息的事務。搜索端的AI Mode也開始呈現更動態的信息布局，包括結構化數據、圖片、時間軸甚至交互組件。這些變化來自于Gemini 3對查詢的拆分與重組，再由生成式界面組合展示，背后依賴的是更強的意圖理解能力。

此外，谷歌在這一代模型中主動強調了一個方向：Gemini 3 Pro在回答時更少迎合用戶，而更傾向于提供有信息密度的反饋。“降低迎合性”既對應今年的對話安全討論，也說明谷歌正在嘗試把“內容質量”變成產品特性，而不是語言風格。

基于上述這些，不難發現，Gemini 3的意義并不僅僅在于“跑分領先多少”，而更多的是，它把能力重新組織成一個能堅持執行任務、能跨模態整合、能在真實環境中保持結構穩定的系統。對谷歌來說，這提出了一個與GPT系列不同的回答：AI不僅要強，更要穩；不僅要會生成，更要懂場景；不僅能理解界面，更要能在界面中持續行動。

當然，接下來，Gemini 3能夠走多遠，所依仗的遠非這些看起來很漂亮的跑分和能力，而是在日常使用中，能有多少真正留得住的地方。

Landing AI

Landing AI是由動點科技策劃的一檔聚焦人工智能領域的專題報道欄目。通過對AI落地前景以及幕后故事的發掘，我們將在這一專題中深入淺出地探討關于AI新浪潮下的一切可能。

本文為動點科技記者原創文章，未經授權不得轉載，如需轉載或開白請在后臺回復“轉載”。

- - - - - - - - END - - - - - - - -

*想要獲取行業資訊、和志同道合的科技愛好者們分享心得，那就趕快掃碼添加“動點君”加入群聊吧！群里更有不定期福利發放！

精彩好文值得推薦

一鍵轉發，戳個在看