北京
太平洋時間11月18日，谷歌正式推出Gemini 3，宣告在通用人工智能（AGI）探索之路上再進一步。
新一代模型憑借推理、多模態(tài)理解與編碼三大核心能力的突破性提升，重新定義了AI與人類協(xié)作的邊界，其訓(xùn)練過程中的兩大“啊哈時刻”更直觀展現(xiàn)了智能進化的飛躍——既能通過簡單自然語言指令生成可交互3D游戲，又能深度解讀古吉拉特語詩歌并完成創(chuàng)意二次創(chuàng)作，彰顯出接近人類直覺的理解與創(chuàng)造能力。
在核心性能上，Gemini 3 Pro以1501分登頂LMSys Elo Arena排行榜，GPQA Diamonds測試準(zhǔn)確率達91.9%，深度推理模式更將表現(xiàn)進一步提升；多模態(tài)領(lǐng)域憑借81%的MMMU-Pro分?jǐn)?shù)與87.6%的Video-MMMU分?jǐn)?shù)，成為全球頂尖多模態(tài)理解模型，可無縫處理長視頻、混合語言食譜等復(fù)雜場景。編碼層面創(chuàng)新推出“可視化編碼”與“代理式編碼”，前者實現(xiàn)想法到交互界面的直接轉(zhuǎn)化，后者賦予AI自主拆解任務(wù)、調(diào)用工具的執(zhí)行能力，讓開發(fā)與日常事務(wù)處理效率倍增。
此次發(fā)布更標(biāo)志著AI體驗的全面重構(gòu)：谷歌搜索首次同步接入Gemini 3，生成式UI實現(xiàn)從“答案引擎”到“發(fā)現(xiàn)創(chuàng)造引擎”的升級，讓抽象知識可交互體驗；Gemini應(yīng)用新增動態(tài)視圖、視覺布局等功能，Ultra訂閱用戶更可體驗多任務(wù)自主處理的Gemini Agent。以下，Enjoy：
作者 | 周雅
來源 |科技行者
“Gemini 3的發(fā)布 ，代表團隊在通往AGI（通用人工智能）路上邁出的又一步。”太平洋時間11月18日8:00，谷歌正式發(fā)布Gemini 3，Google DeepMind 首席執(zhí)行官 Demis Hassabis 在谷歌博客中寫道。
而就在一天前，谷歌舉行了全球媒體溝通會，當(dāng)被問及模型訓(xùn)練過程中的“啊哈時刻”時，Google DeepMind Gemini產(chǎn)品管理高級總監(jiān)Tulsee Doshi，負(fù)責(zé)Gemini研發(fā)工作的她分享了兩個瞬間。
第一個瞬間，是她第一次嘗試可視化編碼時，僅用非常簡單的自然語言提示詞，Gemini 3就能創(chuàng)造出一款游戲，甚至是可交互的3D可視化效果，還能在那個環(huán)境里“真的玩起來”。
第二個瞬間則更具人文色彩。Tulsee嘗試讓模型處理一首用“古吉拉特語”寫成的詩，那是她父母的母語，不僅要求模型做翻譯，還讓它二次創(chuàng)作?！澳隳芸吹侥Ｐ偷募?xì)膩感、創(chuàng)造力、以及寫作風(fēng)格，我當(dāng)時就覺得：哇，這個模型真的很聰明，能把很多元素融會貫通?！?/p>
這兩個時刻，一個關(guān)乎創(chuàng)造，一個關(guān)乎理解，似乎都在指向這是一種更接近人類直覺的智能。Tulsee告訴我們，“當(dāng)你把多模態(tài)輸入、復(fù)雜推理問題，以及你想要的輸出形式結(jié)合起來時，Gemini 3 的魔力就顯現(xiàn)出來了?！?/p>
01
解構(gòu)Gemini 3
梳理Gemini 3 的核心進步，可以概括為三個層面：推理能力、多模態(tài)理解能力、編碼能力。
Google DeepMind首席技術(shù)官Koray Kavukcuoglu在媒體溝通會上這樣描述Gemini 3的交流風(fēng)格——“Gemini 3給出的回答聰明、簡潔、直截了當(dāng)?！?/p>
這種質(zhì)變建立在「推理能力」之上。
在LMSys Elo Arena排行榜上，Gemini 3 Pro 以1501分的突破性分?jǐn)?shù)登頂，比其前代 Gemini 2.5 Pro 高出50個等級分；此外，在更考驗深層理解的基準(zhǔn)測試中，它的表現(xiàn)同樣突出：在GPQA Diamonds（一個衡量研究生水平推理與知識的基準(zhǔn)測試）達到91.9%的準(zhǔn)確率；在Humanity’s Last Exam（一個要求多步邏輯和專家級推理的基準(zhǔn)測試），不使用任何外部工具，Gemini 3 Pro 取得了37.5%的成績。
這些數(shù)字背后，是模型正在往解決復(fù)雜問題的能力躍遷，它意味著 Gemini 3/Pro 在處理科學(xué)、數(shù)學(xué)等專業(yè)領(lǐng)域的復(fù)雜問題時，具備了更高可靠性。
為了進一步突破，谷歌還推出了一個名為Gemini 3 Deep Think（深度思考） 的增強推理模式。在內(nèi)部測試中，Gemini 3 Deep Think 在Humanity's Last Exam（未使用工具時為 41.0%）和 GPQA Diamond（93.8%）中的表現(xiàn)，甚至還要優(yōu)于 Gemini 3 Pro。
我們再來看Gemini 3的多模態(tài)理解能力。
Google與 Alphabet 首席執(zhí)行官 Sundar Pichai 在谷歌博客中寫道：“近兩年前，我們開啟了Gemini時代，這是我們公司有史以來最大的科學(xué)和產(chǎn)品項目之一。僅僅兩年時間，人工智能就從單純閱讀文本和圖像發(fā)展到能夠讀懂房間?！?/p>
“讀懂房間”（reading the room）這個比喻，精準(zhǔn)描述了 Gemini 3 在多模態(tài)理解上的進步。它不再是單一地處理文本、圖像或音頻，而是能夠原生且無縫地理解這些信息模態(tài)之間的內(nèi)在聯(lián)系和細(xì)微差別。
根據(jù)官方數(shù)據(jù)，Gemini 3 Pro在衡量多模態(tài)能力的基準(zhǔn)MMMU-Pro和Video-MMMU上，分別取得了81%和87.6%的分?jǐn)?shù)，成為“世界上最先進的多模態(tài)理解模型”。
這意味著什么？在實際應(yīng)用中，用戶可以向 Gemini 3 提供一段長達數(shù)小時的視頻講座，讓它生成交互式的抽認(rèn)卡幫助學(xué)習(xí)；可以上傳一張手寫的，甚至混雜著不同語言的家庭食譜照片，讓它整理并翻譯成可分享的電子版；甚至可以上傳一段自己打球的視頻，讓模型分析動作并生成改進的訓(xùn)練計劃。
這種能力，是谷歌從 Gemini 1.0 時代就確立的原則——原生多模態(tài)與長上下文，它讓AI的輸入和輸出變得靈活，從而適應(yīng)用戶的個性化需求。
我們最后來看Gemini的編碼能力。
如果說推理和多模態(tài)是 Gemini 3 的“大腦”，那么其強大的編碼和規(guī)劃能力就是它的“雙手”，谷歌將此定義為“代理式編碼（Agentic Coding）”和“可視化編碼（Vibe Coding）”，借此重新定義用戶與信息的交互方式、開發(fā)者與機器的協(xié)作模式。
“Vibe Coding”，也就是大家常說的氛圍編程，這里的關(guān)鍵在于“Vibe”——一個模糊、感性的詞，它指向的是一種全新的創(chuàng)造流程：用戶提供一個抽象的想法、一種“感覺”或“氛圍”，而AI則將其直接翻譯成一個功能完備、視覺豐富、可交互的數(shù)字實體，可以理解為讓開發(fā)“所見即所得”。
正如Tulsee的“啊哈時刻”所展示的，這指的是模型僅通過自然語言描述，就能生成豐富、美觀、可交互的前端界面或應(yīng)用。Gemini 3 Pro 在這方面實現(xiàn)了飛躍，能夠處理更復(fù)雜的指令，渲染出更具交互性的網(wǎng)頁。
如果說“可視化編碼”（Agentic Coding）是Gemini 3引人注目的前臺魔術(shù)，那么“代理式編碼”（Agentic Coding）則是驅(qū)動其自主行動的后臺引擎。
代理式編碼（Agentic Coding），核心是賦予AI模型規(guī)劃、拆解復(fù)雜任務(wù)、并自主調(diào)用工具（APIs、瀏覽器、本地文件系統(tǒng)）來完成任務(wù)的能力，它不再是一個被動回答問題的聊天機器人，而是一個可以被授權(quán)代表用戶執(zhí)行多步驟工作流的“數(shù)字代理”。
Google Gemini應(yīng)用產(chǎn)品管理副總裁Chris Shuhar在溝通會上舉例說：“像買演唱會門票這類事，以前要到處找各種信息，現(xiàn)在我可以讓「代理」去找，幫我配好合適的組合，把流程推進到可以買票的那一步，然后我只需要一鍵確認(rèn)就行?！?/p>
對于企業(yè)而言，“代理式編碼”的意義更為深遠。谷歌云AI副總裁兼總經(jīng)理Saurabh Tiwary在谷歌博客中指出：“企業(yè)現(xiàn)在可以利用Gemini 3執(zhí)行財務(wù)規(guī)劃、供應(yīng)鏈調(diào)整和合同評估等任務(wù)?！?/p>
谷歌的合作伙伴也印證了這一點。Shopify首席技術(shù)官Mikhail Parakhin表示：“這一進步加速了Shopify構(gòu)建代理式AI工具的能力，解決我們商戶復(fù)雜的商業(yè)挑戰(zhàn)?！?/strong>湯森路透首席技術(shù)官Joel Harlon則提到，他們在法律推理和復(fù)雜合同理解方面取得了“可衡量的、顯著的進展”。
綜合來看，Gemini 3 不只是一個被動響應(yīng)指令的工具，它被設(shè)計成一個主動的、有規(guī)劃能力的“伙伴”或“代理”，能夠理解復(fù)雜目標(biāo)，拆解多步任務(wù)，并自主執(zhí)行。這一特性，正是谷歌重塑其核心產(chǎn)品與開發(fā)者生態(tài)的基石。
02
體驗的重構(gòu)：AI如何進入你的日常？
擁有了如此強大的智能，接下來的關(guān)鍵問題是：谷歌打算如何將其交付給數(shù)十億用戶？答案并非簡單地更新一個應(yīng)用，而是從根本上重構(gòu)用戶與信息交互的“體驗”。谷歌搜索和 Gemini 應(yīng)用，成為了這場變革的前沿陣地。
1、當(dāng)Gemini 3引入谷歌搜索：從“答案引擎”到“發(fā)現(xiàn)與創(chuàng)造引擎”。
“這是我們首次從第一天起就在谷歌搜索中上線Gemini 3?！?谷歌搜索部門產(chǎn)品副總裁Robby Stein在會上強調(diào)。這一舉動意義重大，它標(biāo)志著谷歌最核心的產(chǎn)品，正在被最前沿的AI模型深度重塑。
首先，Gemini 3讓搜索不再只是“回答問題”。
舉個例子：一個關(guān)于沖浪的問題，涉及天氣、海況、租賃、去哪兒、時間安排等多個方面，Gemini 3會進行推理、做檢索、構(gòu)建整頁信息，從谷歌地圖數(shù)據(jù)庫中直接拉取地點信息，給到出行安排建議。
那么，Gemini是如何找到這些可靠信息的呢？谷歌有個技術(shù)叫“查詢扇出（query fan）”：當(dāng)用戶提出一個復(fù)雜問題，Gemini 3 不再只是尋找單一答案，它會將這個問題“扇出”數(shù)十個更細(xì)分的查詢，在底層進行大量檢索，綜合來自全網(wǎng)、知識圖譜（包含萬億級事實）、谷歌地圖（數(shù)億地點）和谷歌產(chǎn)品數(shù)據(jù)庫（數(shù)十億產(chǎn)品）的信息，最終構(gòu)建出一個包含地點建議、時間安排、地圖信息的完整規(guī)劃頁面。這讓搜索從“回答”走向了“規(guī)劃”。
其次，Gemini 3讓搜索實現(xiàn)了“生成式用戶界面”（Generative UI）。
這是我認(rèn)為 Gemini 3 帶來的最具變革性的體驗，AI 不再只是生成內(nèi)容，它開始實時動態(tài)生成一個為你的搜索量身定制的可視化界面。
假如你正在搜索“受力分析背后的物理原理”時，傳統(tǒng)的搜索引擎會給你鏈接、文本和視頻。而由Gemini 3驅(qū)動的搜索引擎則更進一步，它不僅生成文字解釋，更實時編寫并渲染了一個交互式模擬器：比如“三個行星在海洋中”的系統(tǒng)，展示它們的物理運行機制，甚至包括當(dāng)你向環(huán)境引入“混沌”時會發(fā)生什么?！敖柚?Gemini 3，你將‘看見并交互’以往無法做到的抽象概念，從而學(xué)習(xí)任何東西?！盧obby指出。
谷歌搜索副總裁 Elizabeth Reid 指出，這些由Gemini 3實時生成的動態(tài)布局、互動工具和模擬，正在將搜索變成一個強大的“發(fā)現(xiàn)引擎”和“學(xué)習(xí)引擎”，讓用戶能夠“看見并交互”以往無法做到的抽象概念。
對于普通用戶，這意味著信息獲取從“閱讀”升級為“體驗”。學(xué)習(xí)物理定律不再是背誦公式，而是親手操作模擬器；規(guī)劃旅行不再是整理列表，而是瀏覽一本動態(tài)生成的旅行手冊。這極大地提升了用戶粘性和產(chǎn)品體驗的豐富度。
對于開發(fā)者和創(chuàng)作者，這意味著原型設(shè)計的門檻被無限拉低。一個獨立開發(fā)者或產(chǎn)品經(jīng)理，可以在幾秒鐘內(nèi)將一個模糊的想法變成一個可點擊、可演示的應(yīng)用，極大地加速了創(chuàng)新迭代的速度。
2、當(dāng)Gemini 3引入Gemini應(yīng)用：邁向真正的通用代理。
作為谷歌AI能力的集中體現(xiàn)，Gemini應(yīng)用的月活躍用戶已從上一季度的4.5億增長至6.5億。Gemini 3 的到來，則為其注入了更強大的動力，并帶來了兩個實驗性的新方向。
第一個是動態(tài)視圖（Dynamic Views）。在Gemini應(yīng)用中，當(dāng)用戶提出一個需求，比如“為每件作品解釋梵高畫廊的生活背景”，Gemini 3會利用其“代理式編碼”能力，實時設(shè)計并編寫一個定制化的用戶界面。用戶得到的不再是靜態(tài)文本，而是一個可以點擊、滾動來探索的交互式畫廊。
第二個是視覺布局（Visual Layouts）。同樣在Gemini應(yīng)用中，當(dāng)用戶提出“計劃明年夏天去羅馬三天的旅行”時，模型會生成一個沉浸式的、雜志風(fēng)格的可視化行程，其中包含圖片、地圖模塊和可交互的日程。
第三個是Gemini Agent。這項面向 Google AI Ultra 訂閱用戶的實驗性功能，允許 Gemini 直接處理多步驟任務(wù)，它連接用戶的 Google 應(yīng)用，完成管理日歷、添加提醒、整理收件箱等瑣事，且經(jīng)過你批準(zhǔn)后可以優(yōu)先處理待辦事項和草擬回復(fù)。你也可以給出具體指示，比如：“用郵件里的信息幫我預(yù)訂一輛中型 SUV，價格在每天 80 美元以下?！盙emini 會查找你的航班信息，在預(yù)算內(nèi)安排預(yù)訂。
谷歌方面指出，即日起， 美國的 Google AI Pro 和 Ultra 用戶 可以通過在 AI Mode模式的下拉菜單中選擇“思考（Thinking）”，即可體驗 Gemini 3 系列首款型號 Gemini 3 Pro，包括生成式UI等體驗。很快，將在美國所有用戶中推出 Gemini 3 的 AI Mode模式。
03
開發(fā)者和企業(yè)的“谷歌反重力”
如果說在消費端，Gemini 3 致力于重構(gòu)“用戶體驗”；那么在開發(fā)者和企業(yè)端，它的目標(biāo)則是重塑“生產(chǎn)力范式”。為此，谷歌推出了一個全新的、命名極具野心的平臺——Google AntiGravity（谷歌反重力）。
“我們想推動‘模型與IDE（集成開發(fā)環(huán)境）如何協(xié)同工作’的前沿，讓軟件工程師的生產(chǎn)力顯著提升?！盞oray Kavukcuoglu 強調(diào)。
“谷歌反重力”不是對現(xiàn)有IDE的簡單改良，而是一個全新的“智能體開發(fā)平臺”。平臺中，“代理或智能體”被提升到一個專門的界面，擁有與開發(fā)者平等的地位，它不再是編輯器里的一個插件，而是一個可以自主訪問編輯器、終端、甚至內(nèi)置瀏覽器的“伙伴”。
有了該平臺，開發(fā)者不再需要逐行編寫或調(diào)試代碼，而是可以在更高的抽象層級下達“任務(wù)”。例如，開發(fā)者只需給出一個高層級的提示：“創(chuàng)建一個航班跟蹤的Web應(yīng)用”。接到任務(wù)后，“谷歌反重力”平臺中的 Gemini 3 會自主將其分解為子任務(wù)，規(guī)劃執(zhí)行路徑，并開始編碼，它會在 Chrome 瀏覽器中啟動應(yīng)用來自我校驗，并在關(guān)鍵節(jié)點生成進度報告，向開發(fā)者尋求確認(rèn)。隨著使用，系統(tǒng)會學(xué)習(xí)開發(fā)者的架構(gòu)偏好和編碼風(fēng)格，在后續(xù)項目中變得越來越默契。
Koray進一步向我們闡明了“谷歌反重力”的戰(zhàn)略定位。它是谷歌與開發(fā)者直接互動、理解其工作流與挑戰(zhàn)的“觸點”，通過這個平臺收集到的反饋，將反過來打磨谷歌的模型，使其更適合“以智能體為中心”的開發(fā)模式。這形成了一個研發(fā)閉環(huán)。
除了“谷歌反重力”這一旗艦項目，Gemini 3 的編碼能力也通過 API 全面開放，并已集成到 Cursor、GitHub、JetBrains、Replit 等第三方平臺。Shopify 首席技術(shù)官 Mikhail Parakhin 對此表示：“這一進步加速了 Shopify 構(gòu)建代理型 AI 工具的能力，以解決我們商戶復(fù)雜的商業(yè)挑戰(zhàn)?！?/p>
這也標(biāo)志著軟件開發(fā)的邏輯正在發(fā)生深刻變化，開發(fā)者正在從“代碼的編寫者”轉(zhuǎn)變?yōu)?/strong>“代理的指揮者”，工作的重心從繁瑣的實現(xiàn)細(xì)節(jié)，轉(zhuǎn)移到更高層級的架構(gòu)設(shè)計和創(chuàng)意構(gòu)想。
04
谷歌的全棧賭注與速度之爭
在發(fā)布會的每一個環(huán)節(jié)，從模型研發(fā)到產(chǎn)品落地，谷歌的發(fā)言人反復(fù)強調(diào)一個詞：“全棧”（full-stack）。這是一個技術(shù)術(shù)語，也是理解谷歌AI戰(zhàn)略、乃至其在激烈競爭中保持領(lǐng)先的關(guān)鍵鑰匙。
所謂“全?！?，通俗解釋是指一個從硬件到軟件、從研究到產(chǎn)品的垂直整合體系。對應(yīng)到谷歌是四個層面的能力：在硬件層，谷歌自研的 TPU 芯片和專為大規(guī)模訓(xùn)練設(shè)計的數(shù)據(jù)中心與計算集群（Pod）。在研究層，以 Google DeepMind 為核心的世界級前沿研究，產(chǎn)出如 AlphaFold 等諾貝爾獎級別的成果。在模型與工具層，谷歌基于強大的硬件和研究能力，開發(fā)出像 Gemini 這樣的基礎(chǔ)模型。在產(chǎn)品與平臺層，谷歌將模型能力迅速、深度地整合到谷歌搜索、云、Gemini應(yīng)用等觸達數(shù)十億用戶的產(chǎn)品中。
這種“全棧”路徑的最大優(yōu)勢在于“速度”和“協(xié)同”。正如Robby所說，它能“大幅縮短‘模型開發(fā)完成’與‘在產(chǎn)品中展示給大量用戶’之間的時間”。Gemini 3 在發(fā)布首日即進入谷歌搜索，就是這一優(yōu)勢的直接證明。
Koray認(rèn)為，衡量大模型進步的最好方式是看AI對各行業(yè)的實際影響?！霸谠絹碓蕉嘈袠I(yè)，越來越多職業(yè)中，員工用模型來輔助工作，學(xué)生用模型來輔助學(xué)習(xí)……模型在我們的日常生活中影響越來越大?！?/p>
他的言下之意是，單純的模型參數(shù)或基準(zhǔn)分?jǐn)?shù)的增長曲線或許會變化，但由模型能力提升所驅(qū)動的“應(yīng)用創(chuàng)新”和“價值創(chuàng)造”的速度并未放緩。谷歌的全棧路徑，確保了模型能力的每一次提升，都能迅速轉(zhuǎn)化為產(chǎn)品體驗的改進和用戶價值的增長，這本身就是一種速度。
這種速度與協(xié)同最終服務(wù)于商業(yè)。在企業(yè)端，Gemini 3 通過 Vertex AI 和 Gemini Enterprise 平臺提供給企業(yè)客戶。來自 Box、湯森路透、樂天集團等首發(fā)合作伙伴，驗證了其在法律推理、合同分析、多模態(tài)數(shù)據(jù)處理等復(fù)雜商業(yè)場景中的價值。
通過將最強大的模型能力打包成企業(yè)級解決方案，谷歌正在構(gòu)建一個從消費者洞察到企業(yè)服務(wù)的完整商業(yè)閉環(huán)。消費級產(chǎn)品（如搜索和Gemini應(yīng)用）提供了海量用戶數(shù)據(jù)和真實應(yīng)用場景，用于迭代模型；而企業(yè)級服務(wù)，則將這些經(jīng)過驗證的強大能力商業(yè)化，創(chuàng)造直接收入。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
