谷歌官宣Gemini 3，團(tuán)隊(duì)揭秘模型訓(xùn)練的兩個(gè)“啊哈時(shí)刻” 哈薩比斯：“又向AGI邁進(jìn)一步” |【經(jīng)緯低調(diào)分享】

太平洋時(shí)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(jìn)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(guò)程中的兩大“啊哈時(shí)刻”更直觀展現(xiàn)了智能進(jìn)化的飛躍——既能通過(guò)簡(jiǎn)單自然語(yǔ)言指令生成可交互3D游戲，又能深度解讀古吉拉特語(yǔ)詩(shī)歌并完成創(chuàng)意二次創(chuàng)作，彰顯出接近人類直覺(jué)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(cè)試準(zhǔn)確率達(dá)91.9%，深度推理模式更將表現(xiàn)進(jìn)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(wú)縫處理長(zhǎng)視頻、混合語(yǔ)言食譜等復(fù)雜場(chǎng)景。編碼層面創(chuàng)新推出“可視化編碼”與“代理式編碼”，前者實(shí)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(kāi)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(yàn)的全面重構(gòu)：谷歌搜索首次同步接入Gemini 3，生成式UI實(shí)現(xiàn)從“答案引擎”到“發(fā)現(xiàn)創(chuàng)造引擎”的升級(jí)，讓抽象知識(shí)可交互體驗(yàn)；Gemini應(yīng)用新增動(dòng)態(tài)視圖、視覺(jué)布局等功能，Ultra訂閱用戶更可體驗(yàn)多任務(wù)自主處理的Gemini Agent。以下，Enjoy：

作者 | 周雅

來(lái)源 |科技行者

“Gemini 3的發(fā)布 ，代表團(tuán)隊(duì)在通往AGI（通用人工智能）路上邁出的又一步。”太平洋時(shí)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(xiě)道。

而就在一天前，谷歌舉行了全球媒體溝通會(huì)，當(dāng)被問(wèn)及模型訓(xùn)練過(guò)程中的“啊哈時(shí)刻”時(shí)，Google DeepMind Gemini產(chǎn)品管理高級(jí)總監(jiān)Tulsee Doshi，負(fù)責(zé)Gemini研發(fā)工作的她分享了兩個(gè)瞬間。

第一個(gè)瞬間，是她第一次嘗試可視化編碼時(shí)，僅用非常簡(jiǎn)單的自然語(yǔ)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(gè)環(huán)境里“真的玩起來(lái)”。

第二個(gè)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(yǔ)”寫(xiě)成的詩(shī)，那是她父母的母語(yǔ)，不僅要求模型做翻譯，還讓它二次創(chuàng)作。“你能看到模型的細(xì)膩感、創(chuàng)造力、以及寫(xiě)作風(fēng)格，我當(dāng)時(shí)就覺(jué)得：哇，這個(gè)模型真的很聰明，能把很多元素融會(huì)貫通。”

這兩個(gè)時(shí)刻，一個(gè)關(guān)乎創(chuàng)造，一個(gè)關(guān)乎理解，似乎都在指向這是一種更接近人類直覺(jué)的智能。Tulsee告訴我們，“當(dāng)你把多模態(tài)輸入、復(fù)雜推理問(wèn)題，以及你想要的輸出形式結(jié)合起來(lái)時(shí)，Gemini 3 的魔力就顯現(xiàn)出來(lái)了。”

01

解構(gòu)Gemini 3

梳理Gemini 3 的核心進(jìn)步，可以概括為三個(gè)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(huì)上這樣描述Gemini 3的交流風(fēng)格——“Gemini 3給出的回答聰明、簡(jiǎn)潔、直截了當(dāng)。”

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(gè)等級(jí)分；此外，在更考驗(yàn)深層理解的基準(zhǔn)測(cè)試中，它的表現(xiàn)同樣突出：在GPQA Diamonds（一個(gè)衡量研究生水平推理與知識(shí)的基準(zhǔn)測(cè)試）達(dá)到91.9%的準(zhǔn)確率；在Humanity’s Last Exam（一個(gè)要求多步邏輯和專家級(jí)推理的基準(zhǔn)測(cè)試），不使用任何外部工具，Gemini 3 Pro 取得了37.5%的成績(jī)。

這些數(shù)字背后，是模型正在往解決復(fù)雜問(wèn)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(wèn)題時(shí)，具備了更高可靠性。

為了進(jìn)一步突破，谷歌還推出了一個(gè)名為Gemini 3 Deep Think（深度思考） 的增強(qiáng)推理模式。在內(nèi)部測(cè)試中，Gemini 3 Deep Think 在Humanity's Last Exam（未使用工具時(shí)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?cè)賮?lái)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(xiě)道：“近兩年前，我們開(kāi)啟了Gemini時(shí)代，這是我們公司有史以來(lái)最大的科學(xué)和產(chǎn)品項(xiàng)目之一。僅僅兩年時(shí)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。”

“讀懂房間”（reading the room）這個(gè)比喻，精準(zhǔn)描述了 Gemini 3 在多模態(tài)理解上的進(jìn)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(wú)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(jìn)的多模態(tài)理解模型”。

這意味著什么？在實(shí)際應(yīng)用中，用戶可以向 Gemini 3 提供一段長(zhǎng)達(dá)數(shù)小時(shí)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(xiě)的，甚至混雜著不同語(yǔ)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(dòng)作并生成改進(jìn)的訓(xùn)練計(jì)劃。

這種能力，是谷歌從 Gemini 1.0 時(shí)代就確立的原則——原生多模態(tài)與長(zhǎng)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(gè)性化需求。

我們最后來(lái)看Gemini的編碼能力。

如果說(shuō)推理和多模態(tài)是 Gemini 3 的“大腦”，那么其強(qiáng)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(kāi)發(fā)者與機(jī)器的協(xié)作模式。

“Vibe Coding”，也就是大家常說(shuō)的氛圍編程，這里的關(guān)鍵在于“Vibe”——一個(gè)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(gè)抽象的想法、一種“感覺(jué)”或“氛圍”，而AI則將其直接翻譯成一個(gè)功能完備、視覺(jué)豐富、可交互的數(shù)字實(shí)體，可以理解為讓開(kāi)發(fā)“所見(jiàn)即所得”。

正如Tulsee的“啊哈時(shí)刻”所展示的，這指的是模型僅通過(guò)自然語(yǔ)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(shí)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(yè)。

如果說(shuō)“可視化編碼”（Agentic Coding）是Gemini 3引人注目的前臺(tái)魔術(shù)，那么“代理式編碼”（Agentic Coding）則是驅(qū)動(dòng)其自主行動(dòng)的后臺(tái)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(lái)完成任務(wù)的能力，它不再是一個(gè)被動(dòng)回答問(wèn)題的聊天機(jī)器人，而是一個(gè)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(huì)上舉例說(shuō)：“像買(mǎi)演唱會(huì)門(mén)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(jìn)到可以買(mǎi)票的那一步，然后我只需要一鍵確認(rèn)就行。”

對(duì)于企業(yè)而言，“代理式編碼”的意義更為深遠(yuǎn)。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(cái)務(wù)規(guī)劃、供應(yīng)鏈調(diào)整和合同評(píng)估等任務(wù)。”

谷歌的合作伙伴也印證了這一點(diǎn)。Shopify首席技術(shù)官M(fèi)ikhail Parakhin表示：“這一進(jìn)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)。”湯森路透首席技術(shù)官Joel Harlon則提到，他們?cè)诜赏评砗蛷?fù)雜合同理解方面取得了“可衡量的、顯著的進(jìn)展”。

綜合來(lái)看，Gemini 3 不只是一個(gè)被動(dòng)響應(yīng)指令的工具，它被設(shè)計(jì)成一個(gè)主動(dòng)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(kāi)發(fā)者生態(tài)的基石。

02

體驗(yàn)的重構(gòu)：AI如何進(jìn)入你的日常？

擁有了如此強(qiáng)大的智能，接下來(lái)的關(guān)鍵問(wèn)題是：谷歌打算如何將其交付給數(shù)十億用戶？答案并非簡(jiǎn)單地更新一個(gè)應(yīng)用，而是從根本上重構(gòu)用戶與信息交互的“體驗(yàn)”。谷歌搜索和 Gemini 應(yīng)用，成為了這場(chǎng)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(mén)產(chǎn)品副總裁Robby Stein在會(huì)上強(qiáng)調(diào)。這一舉動(dòng)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(wèn)題”。

舉個(gè)例子：一個(gè)關(guān)于沖浪的問(wèn)題，涉及天氣、海況、租賃、去哪兒、時(shí)間安排等多個(gè)方面，Gemini 3會(huì)進(jìn)行推理、做檢索、構(gòu)建整頁(yè)信息，從谷歌地圖數(shù)據(jù)庫(kù)中直接拉取地點(diǎn)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(gè)技術(shù)叫“查詢扇出（query fan）”：當(dāng)用戶提出一個(gè)復(fù)雜問(wèn)題，Gemini 3 不再只是尋找單一答案，它會(huì)將這個(gè)問(wèn)題“扇出”數(shù)十個(gè)更細(xì)分的查詢，在底層進(jìn)行大量檢索，綜合來(lái)自全網(wǎng)、知識(shí)圖譜（包含萬(wàn)億級(jí)事實(shí)）、谷歌地圖（數(shù)億地點(diǎn)）和谷歌產(chǎn)品數(shù)據(jù)庫(kù)（數(shù)十億產(chǎn)品）的信息，最終構(gòu)建出一個(gè)包含地點(diǎn)建議、時(shí)間安排、地圖信息的完整規(guī)劃頁(yè)面。這讓搜索從“回答”走向了“規(guī)劃”。

其次，Gemini 3讓搜索實(shí)現(xiàn)了“生成式用戶界面”（Generative UI）。

這是我認(rèn)為 Gemini 3 帶來(lái)的最具變革性的體驗(yàn)，AI 不再只是生成內(nèi)容，它開(kāi)始實(shí)時(shí)動(dòng)態(tài)生成一個(gè)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(shí)，傳統(tǒng)的搜索引擎會(huì)給你鏈接、文本和視頻。而由Gemini 3驅(qū)動(dòng)的搜索引擎則更進(jìn)一步，它不僅生成文字解釋，更實(shí)時(shí)編寫(xiě)并渲染了一個(gè)交互式模擬器：比如“三個(gè)行星在海洋中”的系統(tǒng)，展示它們的物理運(yùn)行機(jī)制，甚至包括當(dāng)你向環(huán)境引入“混沌”時(shí)會(huì)發(fā)生什么。“借助 Gemini 3，你將‘看見(jiàn)并交互’以往無(wú)法做到的抽象概念，從而學(xué)習(xí)任何東西。”Robby指出。

谷歌搜索副總裁 Elizabeth Reid 指出，這些由Gemini 3實(shí)時(shí)生成的動(dòng)態(tài)布局、互動(dòng)工具和模擬，正在將搜索變成一個(gè)強(qiáng)大的“發(fā)現(xiàn)引擎”和“學(xué)習(xí)引擎”，讓用戶能夠“看見(jiàn)并交互”以往無(wú)法做到的抽象概念。

對(duì)于普通用戶，這意味著信息獲取從“閱讀”升級(jí)為“體驗(yàn)”。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(dòng)態(tài)生成的旅行手冊(cè)。這極大地提升了用戶粘性和產(chǎn)品體驗(yàn)的豐富度。

對(duì)于開(kāi)發(fā)者和創(chuàng)作者，這意味著原型設(shè)計(jì)的門(mén)檻被無(wú)限拉低。一個(gè)獨(dú)立開(kāi)發(fā)者或產(chǎn)品經(jīng)理，可以在幾秒鐘內(nèi)將一個(gè)模糊的想法變成一個(gè)可點(diǎn)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(zhǎng)至6.5億。Gemini 3 的到來(lái)，則為其注入了更強(qiáng)大的動(dòng)力，并帶來(lái)了兩個(gè)實(shí)驗(yàn)性的新方向。

第一個(gè)是動(dòng)態(tài)視圖（Dynamic Views）。在Gemini應(yīng)用中，當(dāng)用戶提出一個(gè)需求，比如“為每件作品解釋梵高畫(huà)廊的生活背景”，Gemini 3會(huì)利用其“代理式編碼”能力，實(shí)時(shí)設(shè)計(jì)并編寫(xiě)一個(gè)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(gè)可以點(diǎn)擊、滾動(dòng)來(lái)探索的交互式畫(huà)廊。

第二個(gè)是視覺(jué)布局（Visual Layouts）。同樣在Gemini應(yīng)用中，當(dāng)用戶提出“計(jì)劃明年夏天去羅馬三天的旅行”時(shí)，模型會(huì)生成一個(gè)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(gè)是Gemini Agent。這項(xiàng)面向 Google AI Ultra 訂閱用戶的實(shí)驗(yàn)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(guò)你批準(zhǔn)后可以優(yōu)先處理待辦事項(xiàng)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(jià)格在每天 80 美元以下。”Gemini 會(huì)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(guó)的 Google AI Pro 和 Ultra 用戶 可以通過(guò)在 AI Mode模式的下拉菜單中選擇“思考（Thinking）”，即可體驗(yàn) Gemini 3 系列首款型號(hào) Gemini 3 Pro，包括生成式UI等體驗(yàn)。很快，將在美國(guó)所有用戶中推出 Gemini 3 的 AI Mode模式。

03

開(kāi)發(fā)者和企業(yè)的“谷歌反重力”

如果說(shuō)在消費(fèi)端，Gemini 3 致力于重構(gòu)“用戶體驗(yàn)”；那么在開(kāi)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(gè)全新的、命名極具野心的平臺(tái)——Google AntiGravity（谷歌反重力）。

“我們想推動(dòng)‘模型與IDE（集成開(kāi)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。”Koray Kavukcuoglu 強(qiáng)調(diào)。

“谷歌反重力”不是對(duì)現(xiàn)有IDE的簡(jiǎn)單改良，而是一個(gè)全新的“智能體開(kāi)發(fā)平臺(tái)”。平臺(tái)中，“代理或智能體”被提升到一個(gè)專門(mén)的界面，擁有與開(kāi)發(fā)者平等的地位，它不再是編輯器里的一個(gè)插件，而是一個(gè)可以自主訪問(wèn)編輯器、終端、甚至內(nèi)置瀏覽器的“伙伴”。

有了該平臺(tái)，開(kāi)發(fā)者不再需要逐行編寫(xiě)或調(diào)試代碼，而是可以在更高的抽象層級(jí)下達(dá)“任務(wù)”。例如，開(kāi)發(fā)者只需給出一個(gè)高層級(jí)的提示：“創(chuàng)建一個(gè)航班跟蹤的Web應(yīng)用”。接到任務(wù)后，“谷歌反重力”平臺(tái)中的 Gemini 3 會(huì)自主將其分解為子任務(wù)，規(guī)劃執(zhí)行路徑，并開(kāi)始編碼，它會(huì)在 Chrome 瀏覽器中啟動(dòng)應(yīng)用來(lái)自我校驗(yàn)，并在關(guān)鍵節(jié)點(diǎn)生成進(jìn)度報(bào)告，向開(kāi)發(fā)者尋求確認(rèn)。隨著使用，系統(tǒng)會(huì)學(xué)習(xí)開(kāi)發(fā)者的架構(gòu)偏好和編碼風(fēng)格，在后續(xù)項(xiàng)目中變得越來(lái)越默契。

Koray進(jìn)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(kāi)發(fā)者直接互動(dòng)、理解其工作流與挑戰(zhàn)的“觸點(diǎn)”，通過(guò)這個(gè)平臺(tái)收集到的反饋，將反過(guò)來(lái)打磨谷歌的模型，使其更適合“以智能體為中心”的開(kāi)發(fā)模式。這形成了一個(gè)研發(fā)閉環(huán)。

除了“谷歌反重力”這一旗艦項(xiàng)目，Gemini 3 的編碼能力也通過(guò) API 全面開(kāi)放，并已集成到 Cursor、GitHub、JetBrains、Replit 等第三方平臺(tái)。Shopify 首席技術(shù)官 Mikhail Parakhin 對(duì)此表示：“這一進(jìn)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)。”

這也標(biāo)志著軟件開(kāi)發(fā)的邏輯正在發(fā)生深刻變化，開(kāi)發(fā)者正在從“代碼的編寫(xiě)者”轉(zhuǎn)變?yōu)?/strong>“代理的指揮者”，工作的重心從繁瑣的實(shí)現(xiàn)細(xì)節(jié)，轉(zhuǎn)移到更高層級(jí)的架構(gòu)設(shè)計(jì)和創(chuàng)意構(gòu)想。

04