Google Gemini 3 深夜炸場：沒有懸念的最強 AI

2025/11/19

•

新王登基了。

來了。

預熱了快一個月的 Gemini 3 Pro，就在剛剛，正式在 Google AI Studio 上線 Preview 版，API 也同步開放。接下來將陸續上線Google的各項產品中。

沒有任何多餘的廢話，打開 Model Card，滿眼寫著的只有兩個字：碾壓。

按照 Google 披露的測試資料，Gemini 3 Pro 毫無懸念地成為了目前地球上數學最強的 AI。在數學競賽的「地獄模式」MathArena 裡，當包括 GPT-5.1 在內的其他大模型還在 1% 上下掙扎時，Gemini 3 Pro 直接幹到了23.4%。

程式設計能力方面，雖然在 SWE-Bench 上未拿 SOTA——但絕對屬於第一梯隊。Live Code Bench 的 Elo 得分超過 2400 分，在工具呼叫和終端操作基準測試中更是名列第一。

真正炸裂的是它的「視覺智能」。對螢幕截圖的理解能力高達72.7%，是目前最先進水平的兩倍。這意味著 Agent 不再是瞎子，它將徹底重塑 AI 操作電腦的模式。

但這還沒完，Google 今晚還順手扔出了一個小王炸：自家的 Agentic 程式設計平台——Google Antigravity。

此前網傳 Gemini 3 能實現「端到端程式設計」，大家以為是模型成精了。但看起來，並不是模型成精，而是 Google 正在探索如何用更好的系統工程實現端到端程式設計。

如果說 Cursor 是目前最強的「外骨骼」，它通過 AI 補全讓你寫程式碼更快；那 Antigravity 就是奔著「自動駕駛」去的。它不再只是一個編輯器，而是一個智能體優先（Agent-first）發環境。整合了 Gemini 3 和能操控瀏覽器的 Gemini 2.5 Computer Use 模型，它的 Agent 能自己寫程式碼、自己開終端跑測試、甚至自己打開瀏覽器驗證 UI，發現報錯自己修。

不講故事，只拼肌肉。

Google 用這一波硬核發佈宣告：新王已至。

有趣的是，這次連 Sam Altman 都獻上了自己的點贊。：）

01 霸榜的暴力美學：不止是智商洗榜，更是 Agent 能力的變化

在 AI 圈子裡，大家習慣了模型之間你追我趕的微弱優勢，但 Gemini 3 Pro 拋出的這份成績單，可以說十分耀眼。

根據 Model Card 披露的資料，Gemini 3 Pro 在推理、多模態、Agent 工具使用等關鍵基準上，實現了全方位的霸榜。

讓我們先看一看代表人類智力「天花板」的測試——Humanity's Last Exam（人類最終大考）。這是一個衡量學術推理極限的標尺，GPT-5.1 在此前的測試中得分為 26.5%，Claude Sonnet 4.5 僅為 13.7%。而 Gemini 3 Pro 它直接轟出了37.5%的高分。在高端推理層面，這 10 個百分點的差距，意味著模型在處理複雜學術問題時，已經具備了完全不同的理解深度。

但這還不是極限。Google 甚至還藏了一手Gemini 3 Deep Think（深度推理模式），在不使用任何工具的情況下，它在 HLE 上的得分進一步飆升至41.0%。看起來人類最後的堡壘也並不能持續很久了。

數理方面的每一個領域，都能看出它的統治力。

AIME 2025（美國數學邀請賽）：配合程式碼執行（Code Execution），Gemini 3 Pro 的精準率達到了驚人的100%。沒錯，是滿分。即便是「裸考」（無工具模式），它也有 95.0% 的精準率（相比之下，GPT-5.1 為 94.0%，Claude Sonnet 4.5 為 87.0%）。

MathArena Apex（數學競賽地獄模式）：當包括 GPT-5.1 在內的其他大模型還在1%上下掙扎時，Gemini 3 Pro 直接幹到了23.4%。這意味著在很多以前 AI 根本「看不懂題」的領域，Gemini 3 已經開始解題了。

而更關鍵的是 Agent 相關能力的提升。

Gemini 一向在多模態能力上領先，這一代更是專門最佳化了螢幕理解（Screen Understanding）。這是下一代 Agent 能否真正接管人類電腦的關鍵。

看ScreenSpot-Pro這一欄資料：

GPT-5.1：3.5%（這基本意味著它是個「瞎子」）。
Gemini 3 Pro：72.7%。

這是近乎20 倍的能力碾壓！這標誌著 Gemini 3 Pro 已經不再是一個單純的對話方塊，它具備了真正意義上的「視覺智能」，能夠像人類一樣理解複雜的作業系統介面。

在一些傳統強項上，Gemini 3 Pro 仍然表現出色——比如支援1M Token的超大上下文窗口、對多模態資料的「原生支援」、長視訊和多語言處理等等。

有一個很有趣的標準也被 Google 掛了上來：在一個模擬開店賺錢的基準 Vending-Bench 2 上，Gemini 3 Pro 最終賺取了$5,478.16的淨資產，而 GPT-5.1 僅賺了 $1,473.43。

不過關於之前網傳「徹底端到端終結程式設計師」的程式設計能力，Gemini 3 Pro 的狀態是在 AI 屆頂尖，但並沒有「顛覆程式設計」。

在衡量軟體工程能力的SWE-Bench Verified測試中，Gemini 3 Pro 得分為76.2%，雖然很強，但並未超越 Claude Sonnet 4.5（77.2%）拿到 SOTA。這意味著在處理超長程、極其複雜的後端邏輯時，它依然有侷限性。

這也很合理。每一個大模型目前都在全力卷程式設計的情況下，想要在這個領域一騎絕塵確實比較難。

目前 Gemini 的能力更偏向於，還不能幫你重構整個後端架構，但如果你想寫一個極具現代設計美學的網站、一個 3D 飛船遊戲，或者生成複雜的 SVG 互動動畫，它能通過一次提示就給出極其驚豔的、可直接運行的結果。

02 Antigravity，Agentic 程式設計的探索

有了最強的模型和算力，Google開始在應用層「掀桌子」了。今晚，Google扔出了一個「小王炸」——Google Antigravity。

前一陣新聞的風向還是模型公司努力收購 AI 程式設計應用公司呢，而 Google 這次則這麼快的就發了自己的開發平台。

這不僅僅是一個新的 IDE，它是Google定義的Agent-first（智能體優先）開發平台。在這裡，開發者從「碼農」升級為「架構師」，而 Gemini 3 化身為擁有編輯器、終端和瀏覽器完整權限的「執行合夥人」。

為了達成這種體驗，Google甚至在後台配置了一個「模型軍團」協同作戰：

Gemini 3：作為大腦，負責高級推理和程式碼編寫。
Gemini 2.5 Computer Use：作為手眼，專門控制瀏覽器進行 UI 驗證和測試。
Nano Banana：作為美工，負責生成圖像和 UI 素材。這種打通了底層模型到頂層互動的閉環體驗，對於 Cursor 等現有 AI 編輯器來說，無疑是一次降維打擊。

Antigravity 最有趣的能力在於平行。官方材料明確提到，開發者可以與多個智能 Agent 協作，而這些 Agent 能夠代表你同時自主規劃並執行複雜的端到端軟體任務。

想像一下這種工作流：你下達一個指令，Antigravity 瞬間分裂出多個 Agent——Agent A 負責寫後端邏輯，Agent B 負責在終端跑測試用例，Agent C 直接打開瀏覽器去驗證前端 UI 的互動效果。它們平行不悖，像是一個配合默契的敏捷開發小組，而你只需要驗收它們提交的「工件」。

Antigravity 是是一個免費平台，網路上目前對於 Antigravity 的使用體驗不多，但基本上都是好評。

要達到替代 Cursor 本身，肯定不太行——端到端的複雜程式設計體驗，肯定還需要模型更成熟。但是簡單的項目進行程式設計，或許會更簡單了。

03 全家桶齊發力：TPU 與搜尋

在大模型發展的後半程，比拚的不再是單一演算法的靈光一閃，而是誰的算力更冗餘、誰的資料更廣闊、誰的投入更持久。Gemini 3 Pro 的勝利，有一點是很特別的：Gemini 3 Pro 是使用 Google TPU 訓練的。

當全世界的 AI 公司都在苦苦等待輝達 GPU 的發貨周期時，Google依然坐在自家龐大的 TPU 礦山上。TPU 專為 LLM 訓練設計，擁有極高的高頻寬記憶體（HBM），這讓它能夠輕鬆處理海量的模型參數和超大的 Batch Size。正是 TPU 的算力冗餘，給了 Gemini 3 Pro 肆意擴張參數規模的底氣。

有了算力，還要有「燃料」。Gemini 3 Pro 的訓練資料是全維度的覆蓋：它吞噬了公共網路文件、程式碼庫、圖像、音訊和視訊。更關鍵的是，Google明確提到使用了User Data（使用者資料）——當然是在隱私協議框架下，來自Google龐大產品生態的使用者互動資料。

最後，這種溢出的智能被注入了 Google Search。Google 這次推出了一個全新的AI Mode in Search。當你搜尋一個複雜概念（比如 RNA 聚合酶的工作原理）時，Gemini 3 不再是給你扔一堆冷冰冰的連結，而是利用其強大的推理能力，即時生成（Generated on the fly）一個沉浸式的互動圖表或模擬工具。