刚刚，年度最强 AI 登场！马斯克奥特曼点赞 Gemini 3，体验后我发现 ChatGPT 要慌了

就在刚刚，Gemini 3 Pro 预览版正式发布。

年底的 AI 圈向来不缺新闻，但今年格外喧嚣。如果不出意外，这将是 2025 年压轴登场、最令人期待的海外大模型，甚至可以说，Gemini 3 Pro 成了这个时间窗口唯一的主角。

过去两个月，Google 几乎复刻了 Sam Altman 的营销手法，从 Gemini 著名宣传委员 Logan Kilpatrick 到 CEO 皮查伊，内部人员不断在社交平台打哑谜，推波助澜，将外界对 Gemini 3 的期待值不断拔高。

有趣的是，OpenAI CEO Sam Altman 刚刚在 X 平台发文称：「恭喜谷歌成功推出 Gemini 3!！看起来是个很棒的模型。」

有着奥特曼的前车之鉴，谜语人玩法风险极大，一旦产品力不足，口碑会瞬间崩塌。但显然，谷歌对自己的产品充满自信。那么，Gemini 3 Pro 这次到底交出了什么答卷？

省流版如下：

• Gemini 3 Pro 预览版原生多模态支持（文字、图像、视频、音频）
• 在 LMArena 排行榜登顶，在推理、多模态、编程等主流测试中全面领先
• 推理能力创纪录（GPQA Diamond 91.9%、MathArena Apex 23.4%）
• 提供 Deep Think 增强推理模式（未来几周开放）
• 100 万 token 上下文窗口 + 64K 输出
• 推出全新 AI IDE：Google Antigravity，新模型已集成 Cursor、GitHub、JetBrains 等工具

无愧 Pro 之名，谷歌最强 AI 模型深夜发布

按照 Google 的说法，Gemini 3 Pro 是目前「最智能、最具适应性的模型」，专为解决现实世界中的复杂问题而设计——尤其是那些需要更高层次推理、创造力、战略规划以及逐步改进的任务。

它的典型应用场景包括：具备自主行为能力的应用、高级编程、超长上下文理解、跨模态处理（如文字、图像、音频的结合），以及算法开发等。

Gemini 3 Pro 预览版在 LMArena 排行榜上以 1501 分的成绩位列榜首， 在几乎所有主要 AI 基准测试中都远超上一代。更关键的是，它不仅能识别图像内容，还能理解其中的隐含信息和上下文关系。

具体来看， 推理能力方面， 它在「人类最后的考试（Humanity’s Last Exam）」中拿到了 37.5% 的博士级推理成绩，GPQA Diamond 测试达到 91.9%，MathArena Apex 创下 23.4% 的业界新纪录。

多模态推理方面，MMMU-Pro 得分 81%，Video-MMMU 得分 87.6%， SimpleQA Verified 事实准确率达到 72.1%。

这也意味着 Gemini 3 Pro 能在科学、数学等各种复杂问题上可靠地提供优质解答， 而且它的回复直接提供真实见解， 告诉你需要知道的， 而不只是你想听到的。

除了常规模式，Gemini 3 还提供了一个名为 Deep Think 的增强推理选项。

这个增强型推理模式在「人类最后的考试」中得分 41.0%，GPQA Diamond 提升至 93.8%， 在 ARC-AGI-2 测试中更是创造了 45.1% 前所未有的得分分数。

不过这个模式目前还在安全评估， 预计未来几周内向 Google AI Ultra 订阅用户开放。

测试数据之外，Gemini 3 在实际应用场景中的表现更值得关注。

比如你翻出家里那本手写的家族菜谱， 上面是奶奶用多种语言写的做法，Gemini 3 可以识别这些手写文字， 整理成可分享的菜谱书。

或者你想学习一个新领域， 它可以处理学术论文和长视频讲座， 生成交互式学习卡片。甚至， 它还能分析你打匹克球的比赛视频， 生成针对性训练计划。

这背后是因为 Gemini 从一开始就为多模态理解而设计，能够整合文字、图像、视频、音频和代码等多种信息类型， 加上高达 100 万 token 的上下文窗口和最大支持 64K 输出。

值得一提的是，Gemini 3 正式发布并首日集成进 Google 搜索。

它不仅显著提升搜索对复杂问题的理解与信息挖掘能力，还能根据查询即时生成动态视觉界面、互动工具与模拟系统，如三体物理模拟器或贷款计算器。

另外，根据谷歌发布的模型卡，Gemini 3 Pro 采用了基于 Transformer 的稀疏专家混合模型（MoE），原生支持文本、视觉和音频等多模态输入，这种架构的核心优势在于：模型会根据每个输入 token 的内容，动态选择激活部分参数，从而在计算资源消耗、服务成本与总容量之间实现平衡。

至于硬件层面，Gemini 3 Pro 使用 Google 自研的张量处理单元（TPU）进行训练。相比 CPU，TPU 在处理大语言模型所需的大规模计算时速度更快，且配备的大容量高带宽内存，让它能够处理超大模型和批量数据。

如果你是开发者，Gemini 3 带来的改变会更直接。

谷歌官方博客号称，Gemini 3 是目前最强的「vide coding」模型——你只需用自然语言描述想要什么， 它就能生成功能完整的互动应用。

数据很能说明问题：WebDev Arena 排行榜 1487 Elo，Terminal-Bench 2.0 得分 54.2%，SWE-bench Verified 得分 76.2%。

Google 这次还推出了全新 AI IDE：Google Antigravity。

内置的智能 Agent 可以自主规划和执行复杂的端到端软件任务， 并自动验证代码正确性。你想做一个航班追踪应用， 代理能够独立规划、编写代码， 并通过浏览器验证运行效果， 甚至可以同时在编辑器、终端和浏览器之间协同工作， 一气呵成。

在长期规划能力上，Gemini 3 在 Vending-Bench 2 榜单上位居第一。

实际应用中， 最新发布的 Gemini Agent 实验性功能可以从头到尾执行多步骤复杂流程。你说「整理一下我的收件箱」， 它就会帮你优先安排待办事项， 并起草邮件回复供你确认。

或者「查资料帮我预订一辆中型 SUV， 预算每天不超过 80 美元， 用我邮件里的信息安排下周出行」，Gemini 会定位航班信息， 对比租车选项， 为你准备预订流程。

整个过程中你始终掌握主动权，Gemini 会在重要操作前请求确认。

此外，在 Google AI Studio 和 Vertex AI 中， 通过 Gemini API 使用 Gemini 3 Pro 预览版的价格为：输入每百万 token 需要 2 美元， 输出每百万 token 需要 12 美元。在 Google AI Studio 中也可以免费使用， 但有调用限制。

Gemini 3 已集成至 Cursor、GitHub、JetBrains、Replit 等开发工具生态系统中。

伴随产品发布，Google 同步开放了多个使用入口。

从今天起，Gemini 3 预览版正在陆续上线：所有用户可在 Gemini 应用中使用；Google AI Pro 和 Ultra 订阅用户可在搜索的 AI 模式中体验；开发者可通过 Gemini API、Google Antigravity 和 Gemini CLI 访问；企业用户通过 Vertex AI 和 Gemini Enterprise 获取服务。

ChatGPT 的对手来了，Gemini 3 实测表现「能打」到什么程度？

当然，科技公司总是宣传大于实际，那么我们也上手测试了几个问题。

第一个挑战是让它在单个 HTML 文件中还原一台完整的 Game Boy 掌机， 内置《俄罗斯方块》《宝可梦红/蓝》等经典游戏， 所有操控必须同时支持键盘和触屏交互。

坦白说， 我对这个需求的期望值并不高。

这种需要同时处理 UI 设计、游戏逻辑、音效系统的任务， 即便是专业前端工程师也得花上几天时间。但 Gemini 交出的答卷出乎意料：交互界面达到了六七分的效果， 按键按下时还有标志性音效， 作为一次性生成的代码， 已经相当能打。

既然复古游戏机能跑起来， 我们继续加码。

我要求它用单个 HTML 文件复刻一个完整的 macOS 系统， 包括文本编辑器、终端、代码编辑器、文件管理器、画板、视频编辑器等预装软件。生成的结果虽然审美一般， 但核心交互逻辑都实现了。

除了编程能力， 我们也测试了它的视觉生成和推理能力。

参考 X 用户 @lepadphone 的做法， 我让 Gemini 用前端代码实现一个电扇的可视化效果，建议使用 SVG 技术来绘制，包含以下元素：扇叶、保护网罩、底座、控制按钮等结构细节，并实现扇叶旋转、调速等动态效果。生成的 SVG 不仅结构完整， 扇叶的旋转动画也很自然。

紧接着我又让它画一只鹈鹕骑自行车——这种不常见的组合对 AI 的空间想象力是个考验， 结果它生成的图形比例协调， 鹈鹕的姿态和自行车的透视关系都处理得不错。

在推理能力上，我用到了那道经典的猴子分桃问题，Gemini 答案不光对，也进行了二次验算。

「有 5 只猴子在海边发现 一堆桃子， 决定第二天来平分. 第二天清晨， 第一只猴子最早来到， 它左分右分分不开， 就朝海里扔了一只， 恰好可以分成 5 份， 它拿上自己的一份走了. 第 2，3，4，5 只猴子也遇到同样的问题， 采用了同样的方法， 都是扔掉一只后， 恰好可以分成 5 份. 问这堆桃子至少有多少只？」

更有意思的是， 我们还测试了它对「废话文学」的理解能力。

面对「懂者得懂其懂， 懵者终懵其懵， 天机不言即为懂， 道破天机岂是懂」这种故弄玄虚的文字游戏，Gemini 的处理方式很聪明：先定性为「废话文学」给你吃颗定心丸， 再挖掘背后的道家「有无」、佛家「色空」等文化梗， 最后给出人话翻译。这种回答比简单说「这是废话」要高明得多。

写作测试自然也没落下。

我们让 Gemini 用第一人称写「一滴雨水的一天」， 它交出了一篇散文诗：云端的拥挤与等待、下坠时的狂欢、融入河流的安宁。文中堆了不少感官细节——瑟瑟发抖的触感、霓虹灯折射的视觉、呼啸风声的听觉。情感真挚， 意象丰富， 虽然还有些「优秀范文」的套路痕迹， 但已经超出了及格线。

有一说一，抛却纸面参数，Gemini 3 的实际水平是有目共睹的，而谷歌能在短时间内追平甚至超越 OpenAI 数年的积累，更是离不开作为为数不多的全栈 AI 厂商的硬实力。

谷歌的优势显而易见：自研 TPU 系列处理器带来的算力自主权，加上全球最大的数据宝库——搜索索引、学术文献、YouTube 视频库，这些都为 Gemini 的训练提供了强大助力。这或许也解释了为什么它在处理实时信息、多语言任务、视频理解等场景时表现更稳。

而就在刚刚，DeepMind 开发者体验主管 Omar Sanseviero 在 X 上发文称，今晚只是「热身」，接下来还将有更多功能陆续上线。结合此前的种种传闻，外界期待已久的 Nano Banana 2 可能真的离我们不远了。