奥特曼都点赞，谷歌Gemini 3 Pro到底强在哪？

文 | 字母榜

谷歌可算是发布Gemini 3 Pro了，很突然，而且很“低调”。

虽然谷歌在Gemini 3 Pro之前发布了图片编辑模型Nano Banana，进而刷了一波存在感。但是在基座模型方面，谷歌已经静默太久。

过去这大半年，大家都在热议OpenAI的新动作，或者感叹Claude在代码领域的统治力，唯独没有人提及8个月没有版本号升级的Gemini。

纵使谷歌的云业务和财报再漂亮，可在AI开发者的核心圈子里，谷歌的存在感仍然被一点点的稀释。

好在的是，小榜在第一时间体验过后发现，Gemini 3 Pro并没有让我们失望。

但现在还不能过早下结论。因为现在的AI赛道早就已经过了靠参数量吓人的阶段，大家都在卷应用、卷落地、卷成本。

谷歌能不能适应新版本和新环境，还是个未知数。

01

我让Gemini 3 Pro用一句话来形容自己，它是这么回答我的。

“不再急于向世界证明自己有多聪明，而是开始琢磨如何让自己变得更有用。”——Gemini 3 Pro

在LMArena排行榜上，Gemini 3 Pro以1501的Elo分数登顶，这是AI模型在综合能力评估中的新纪录。这是一个相当优秀的成绩，就连奥特曼也发推表示祝贺。

数学能力测试中，该模型在AIME2025（美国数学邀请赛）的代码执行模式下达到了100%的准确率。在GPQADiamond科学知识测试中，Gemini 3 Pro的准确率为91.9%。

MathArenaApex数学竞赛的测试结果显示，Gemini 3 Pro获得了23.4%的得分，而其他主流模型的得分普遍在2%以下。此外，在名为Humanity'sLastExam的测试中，该模型在不使用工具的情况下达到了37.5%的得分。

Google在此次更新中引入了名为“vibecoding”的代码生成功能。这项功能允许用户通过自然语言描述需求，系统随后生成相应的代码和应用程序。

在Canvas编程环境的测试中，用户描述“制作一个可以调节转速的电风扇”后，系统在约30秒内生成了包含旋转动画、速度控制滑块和开关按钮的完整代码。

官方展示的案例还包括核聚变过程的可视化模拟。

在交互方式上，Gemini 3 Pro增加了“生成式界面”（GenerativeUI）功能。与传统AI助手只返回文本回答不同，该系统可以根据查询内容自动生成定制化的界面布局。

例如，当用户询问量子计算相关问题时，系统可能生成包含概念解释、动态图表和相关论文链接的交互式界面。

针对不同受众的同一问题，系统会生成不同的界面设计，举个简单例子，向儿童和成人解释同一概念时，会采用不同的呈现方式。儿童的就会偏可爱，成人则会偏简洁明了。

Google Labs中提供的Visual Layout实验功能展示了这种界面的应用，用户可以获得杂志风格的视图布局，包含图片、模块和可调节的UI元素。

此次发布还包含了名为Gemini Agent的智能体系统，目前处于实验阶段。该系统可以执行多步骤任务，并连接到Gmail、Google Calendar和Reminders等谷歌服务。

在收件箱管理场景中，系统可以自动筛选邮件、标记优先级和起草回复。旅行规划是另一个应用场景，用户只需提供目的地和大致时间，系统会查询日历、搜索航班和酒店选项，并添加行程安排。而这项功能目前仅向美国地区的Google AI Ultra订阅用户开放。

在多模态处理方面，Gemini 3 Pro基于稀疏混合专家架构构建，支持文本、图像、音频和视频输入。模型的上下文窗口为100万token，意味着可以处理较长的文档或视频内容。

加拿大劳瑞尔大学历史学教授Mark Humphries的测试显示，该模型在识别18世纪手写文稿时的字符错误率为0.56%，相比前代版本降低了50%到70%。

Google表示，训练数据包括公开网络文档、代码、图像、音频和视频内容，后训练阶段使用了强化学习技术。

Google还推出了名为Gemini 3 Deep Think的优化版本，专门用于复杂推理任务。该模式目前正在进行安全评估，计划在未来几周向Google AI Ultra订阅者开放。

在Google Search的AI模式中，用户可以点击“thinking”选项卡查看该模式的推理过程。与标准模式相比，Deep Think模式会在生成回答前进行更多步骤的分析。

除了官方提供的资料外，我还将Gemini 3 Pro和ChatGPT-5.1进行了对比。

第一个对比就是生成图片。

提示词：给我生成一张iPhone17

ChatGPT-5.1

Gemini 3 Pro

主观上来讲，ChatGPT-5.1更符合我的需求，因此这回合是ChatGPT-5.1胜出。

第二个对比的就是两者的智能体水平。

提示词：去给我研究研究字母榜这个微信公众号，然后评论一下这个号的水平

GPT-5.1

Gemini 3 Pro

虽然从主观上来讲，我更喜欢Gemini 3 Pro的解读，但是太过于鼓吹，ChatGPT-5.1能发现小榜还有所不足，更客观真实。

最后是代码能力，也是目前所有大模型最关注的一块。

我选的项目是GitHub上最近星数非常高的项目，叫做LightRAG。这是通过整合图结构来增强上下文感知和高效信息检索，从而改进检索增强生成，实现了更高的准确性和更快的响应时间。项目地址https://github.com/HKUDS/LightRAG

提示词：跟我说说这个项目如何

GPT-5.1

Gemini 3 Pro

同时，Gemini 3 Pro也获得了业内人士的高度评价。

02

虽然Gemini 3 Pro发布的非常低调，但实际上谷歌已经为Gemini 3 Pro预热了很久。

在谷歌第三季度财报电话会上，谷歌CEO皮查伊说了这么一句话：“Gemini 3 Pro将在2025年内发布。”没有具体日期，没有更多细节，却拉开了科技行业一场营销大戏的序幕。

谷歌不断释放信号，让整个AI社区保持高度关注，却始终拒绝给出任何确定的发布时间表。

从10月开始，各种“意外泄露”接踵而至。10月23日开始流传一份日历，在其11月12日“Gemini 3 Pro Release”的内部日历截图疯传。

而且眼尖的开发者还在Vertex AI的API文档中发现了“gemini-3-pro-preview-11-2025”的字样。

紧接着，Reddit 和 X上开始出现各种截图。有用户声称在 Gemini Canvas 工具中看到了新模型的身影，有人在移动应用的某些版本中发现了异常的模型标识。

然后就是，下面这张测试数据开始在社交媒体流传。

这些“泄露”看似偶然，实则构成了一场精心编排的预热。

每一次泄露都恰到好处地展示了Gemini 3 Pro 的某项核心能力，每一次讨论都将期待值推向新的高度。而 谷歌官方账号的态度则耐人寻味，他们会转发社区的讨论，会用“即将到来”这样的措辞吊胃口，甚至谷歌AI实验室的高层，还在关于发布日期预测的推文下回复了两个“思考”表情符号，但就是不肯说出一个准确日期。

预热了将近1个月，谷歌终于将新鲜的Gemini 3 Pro端了上来。然而Gemini 3 Pro性能虽然强劲，但是谷歌的更新频率多少让人有点着急。

早在今年3月份的时候，谷歌就发布了Gemini 2.5 Pro的预览版本，后续又陆续推出了Gemini 2.5 Flash预览版等衍生预览版本。直至Gemini 3 Pro问世，Gemini系列在此期间无任何版本号升级。

可谷歌的对手们并不会等待Gemini。

OpenAI在8月7日推出了GPT-5，并在11月12日进一步升级到 GPT-5.1。而且这段时间里，OpenAI还推出了自己的AI浏览器Atlas，直指谷歌腹地。

Anthropic 的迭代速度更为密集:2月24日发布 Claude 3.7 Sonnet(首个混合推理模型)，5月22日推出 Claude Opus 4 和 Sonnet 4，8月5日发布 Claude Opus 4.1，9月29日推出 Claude Sonnet 4.5，10月15日又发布了 Claude Haiku 4.5。

这一系列攻势打得谷歌有些措手不及，不过目前来看，谷歌顶住了。

03

谷歌之所以耗时8个月才更新Gemini 3 Pro，最大的原因可能来自于人员上的变更。

2025年7月至8月前后，微软对谷歌发起了一波猛烈的人才攻势，成功招募了超过20名DeepMind的核心专家和高管。

这其中就包括DeepMind高级产品总监（Senior Director of Product）戴夫·希创（Dave Citron），负责其核心AI产品的落地。以及Gemini的工程副总裁 (VP of Engineering)阿玛尔·苏布拉马尼亚（Amar Subramanya），他是 Google最重要模型Gemini的核心工程负责人之一。

另外一方面，谷歌Nano Banana团队曾表示，谷歌在发布Gemini 2.5 Pro后很长一段时间里，都在纠结AI生图领域，进而放缓了基座模型的更新。

谷歌认为，只有攻克了角色一致性 (Character Consistency)、语境编辑(In-context Editing)、文字乱码(Text Rendering)这三个生成图片领域的难关后，才能让基座模型的表现更好。

Nano Banana团队表示，模型不仅能“画得好看”，更重要的是能“听懂人话”并“受人控制”，从而让 AI 生图真正进入商业落地阶段。

这时回头来看Gemini 3 Pro，它是一份合格的答卷，但在这个只争朝夕的 AI 战场，及格早已不够。

谷歌既然选择了在此时此刻交卷，就必须准备好面对最苛刻的阅卷人，那些已经被竞品“喂刁”了口味的用户和开发者。接下来的几个月，将不是模型参数的比拼，而是生态整合能力的肉搏。谷歌这头大象不仅要学会跳舞，还得跳得比所有人都快。