Gemini 3来了

Claude Opus4.6 刚发布了不到一周，谷歌终于忍不住开大了！

2 月 13 日凌晨一点，谷歌将升级后的 Gemini 3 “Deep Think”模式放了出来！

已经发布，评论区是彻底崩不住了，直呼大为震惊！

图片

因为成绩实在吓人，连Opus4.6也得靠边站。

• ARC-AGI-2（被公认最难测“真·抽象推理”的基准）→ 84.6%（人类平均大概60%左右，之前最强模型也就60-70%徘徊）
• Codeforces（全球最硬核的编程竞赛平台）→ 3455 Elo（这个分数已经深入传说级宗师区间，目前人类排行榜上只剩寥寥7个人排在它前面！）
• 2025年国际物理&化学奥林匹克书面考试 → 金牌水平
• Humanity’s Last Exam（号称“人类最后的考试”）→ 刷新纪录

图片

可以说，如果说谁能把大模型的“思考上限”往上暴力提升如此大的幅度，大概也只有谷歌了。

很明显，跟 Anthropic、OpenAI 开年的推出的两款模型而言，谷歌给出了一个新“叙事”。

聊天、写代码、工具调用，当这些大家都已经卷得“你来我往”的时候，谷歌想讲的是另一件事——向“科研级能力模型”发起冲锋！

当问题没有标准答案、数据残缺不全、逻辑链条极长时，AI 能不能真正参与科学发现？

他们的答案是：已经可以走进实验室了。

从竞赛级推理，走向研究级推理

众所周知，去年 Deep Think 的专用版本已经在数学和编程世界级竞赛中达到金牌水准。今年这次升级，谷歌直接把成绩单来了一次史无前例的大幅更新：

• 在 Humanity’s Last Exam 上取得 48.4%（无工具）
• 在 ARC-AGI-2 上达到 84.6%
• 在 Codeforces 竞赛中拿到 3455 Elo
• 在 2025 国际数学奥林匹克达到金牌级表现

注意，这可以说是一次全面的提升，而非单点突破。其在，算法严谨性和数学推理能力也都得到了系统提升。