谷歌发布Gemini 3:模型能力、基准与实测反馈

谷歌推出Gemini 3,展示了推理、多模态能力和智能体功能的显著进步。
Key insights
Gemini 3的定位与能力跃升
谷歌宣布发布Gemini 3,定位为公司当前最强的通用大模型。核心改进包括更强的推理能力、更领先的多模态理解与大幅提升的智能体能力。模型原生支持文本、图像、视频、音频和代码,最大上下文窗口扩展至1M token,并推出Deep Think模式以进一步强化复杂推理。发布信息指出Gemini 3在多项主流基准中达到或位居SOTA。
基准成绩与具体指标
Gemini 3 Pro在多个基准排名靠前:LMArena用户偏好1501 Elo,MMMU-Pro多模态理解81%,Video-MMMU视频理解87.6%,GPQA Diamond普通模式91.9%/Deep Think 93.8%,WebDev Arena 1487 Elo,Terminal-Bench 2.0 54.2%。ARC-AGI-2在Deep Think+代码执行模式取得45.1%,而Pro模式约为31.11%。这些数值在官方与社区测试中被列为核心性能证明。
可用性与接入路径
Gemini 3已在Gemini应用(手机/网页)向所有用户升级并免费提供,谷歌AI Pro/Ultra订阅者可在搜索的AI模式中使用更强的“Thinking”或Deep Think模式;开发者与企业可通过谷歌AI Studio、Vertex AI、Gemini API及Antigravity平台接入。部分高级功能(如智能体)先向美国Ultra用户开放。发布当天即整合入搜索,显示大规模分发能力。
智能体与工程/自动化能力实测
Gemini 3的智能体功能能自主访问编辑器、终端与浏览器,执行多步任务并在关键操作前征得用户确认。社区实测显示模型能自动管理收件箱、模拟并优化贩卖机经营、快速生成完整前端界面或webOS,并能一次性生成复杂Agent与前端/3D应用。多位用户展示了从克隆网站到生成3D教学演示、滚动叙事网页与单文件3D游戏等实际案例。
代码生成与Agent编写能力
社区多次报告Gemini 3 Pro在写代码和构建Agent方面表现突出:模型不仅能在Agent流程中工作,还能生成完整的Coding Agent、前端系统、3D编辑器与单文件可运行示例,有用户展示其一次性完成web操作系统与可玩的贪吃蛇、画板、轻量代码编辑器等成果。初步比对显示在前端开发任务上优于多数竞品,但对比最高端编码模型仍需更多评测。
多模态视频理解仍有具体失败案例
尽管Gemini 3在多模态基准中得分较高,但社区示例显示在视频情绪与meme解读上出现错误:模型在解析来自美剧《毒枭》的meme时将快乐表情误读为孤独,将不同meme搭配混淆,导致情绪判断偏差。该测试揭示基准总分与具体任务表现之间的差异。
训练与安全治理说明
发布资料与社区讨论指出Gemini 3的性能提升来自预训练与后训练的双重优化,团队在算法与训练规模上投入显著资源。谷歌表示此版本经历其有史以来最全面的安全评估,采用Frontier Safety Framework,并与外部红队与监管机构合作,提升对提示注入与误用的抵抗力。
Source posts
- Original post by @shao__meng on X
- Original post by @howie_serious on X
- Original post by @howie_serious on X
- Original post by @vista8 on X
- Original post by @op7418 on X
- Original post by @FinanceYF5 on X
- Original post by @FinanceYF5 on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @dotey on X
- Original post by @dotey on X
- Original post by @vista8 on X
- Original post by @op7418 on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @oran_ge on X
- Original post by @op7418 on X
- Original post by @vista8 on X
- Original post by @Jackywine on X
- Original post by @howie_serious on X