Gemini 3 來了，AI 應用創業公司誰興奮，誰冷靜，誰覺得它不太行？

作者 ｜Yoky 、黃小藝、董道力

Gemini 3 的發布，不僅僅是一次參數的迭代，更是一次對模型邊界的暴力拓展。

它像一個巨大的多面體，同時覆蓋了 VibeCoding、通用 Agent、前端設計乃至游戲引擎等當下最滾燙的賽道。這種全方位的“能力溢出”，給身處其中的創業者帶來了一個殘酷而迷人的命題：這究竟是為他們打開了新的可能性，還是預示著垂直應用將逐漸消融在模型“無邊界”的擴張之中？

帶著這個疑問，硅星人找了 7家不同賽道的 AI 公司，聊了聊他們的感受與變化。

我們發現，創業者們的悲歡并不相通，有人興奮得徹夜未眠，在凌晨的測試中看到了“吉卜力時刻”和 Agent 的新未來；也有人十分冷靜，對通用模型的狂歡不以為然，堅信數據壁壘與實時性才是護城河。

1

Flowith：Gemini3的更新點，都是Agent的剛需

畫布交互式內容創作Agent平臺，10月底推出了一款獨立的為 Agent 原生設計的操作系統Flowith OS。

1、硅星人：Gemini3對你們有什么影響，未來通用型Agent還有價值嗎？我感覺這么強的模型，加workflow或者產品設計等等，有點像給皇帝穿乞丐衣服。

Flowith創始人Derek：Gemini 3 Pro 我們在試用的時候發現它補足了很多上代模型的不足，比如有更強大的視覺理解能力（這對 compute use 場景有很大提高）、代碼生成能力、長任務生成能力等等。這些對很多 AI 應用層公司、以及 Agent 公司，都是剛需的功能點。

在 3 出來前，2.5 Pro 已經是這些方面的 SOTA 了，而隨著 3 Pro 的推出，與很多之前應用層的局限都可以得到突破，更何況 Gemini 的性價比和速度也一直都很有優勢，我們正在把新模型在 flowith Neo Agent 和 flowithOS 上進行集成和調試，對此也非常期待，因為過去有很多應用層產品的真正走向大眾，也是配合著模型升級一起發生的，比如 Cursor、Perplexity 等。

1

逗逗AI：幫模型找場景，就是創業公司的機會

逗逗AI 是你的AI游戲伙伴，在實時語音開黑中提供AI攻略指引和陪伴。

1、硅星人：我們看到您在硅星人「GenAI」那篇Gemini3的文章下面評論，感受到很興奮于Gemini3在游戲中的應用，值得興奮的點是什么呢？

逗逗AI聯合創始人王碧豪：首先是看到Benchmark上有很好的體現：MMMU Pro和Screen Sport Pro提升非常明顯。Screen Sport Pro從17.4提升到了72，提升比例極其恐怖！這代表它現在是真正能夠實時看懂屏幕的。這個和我們之前做的模型其實類似，只不過我們專注于游戲屏幕的識別。

我們嘗試了把之前一些比賽的視頻發給它，讓它去做比賽的解說，除了它的語氣沒有那么激動外，專業方面可以媲美人類解說了。

所以我們今天一直在嘗試能用 Gemini3 做點什么，目前它的實時響應性還比較弱，因為它是大參數的推理模型。你在對話時，需要等它十秒二十秒去做推理，可用戶等不了那么久，但我們還是找到了一些視頻的場景：賽后復盤。

有點像咱們開會，飛書會議會把會議總結出來，形成 to do 或者建議。游戲的過程和這個很類似：你打完一局游戲后，它會告訴你這局表現怎么樣，數據是什么樣的，高光點在哪，操作不好的點在哪。它能夠提供一個很好的數據報告。而這個是用戶已經打完游戲了，他沒有實時性要求，可以容忍20秒30秒的等待時間。

我們現在準備在海外重點推這個能力：包括英雄聯盟等等國外比較火的游戲，重點做這些case。

2、硅星人：我有一個疑惑，Gemini3的多模態理解能力增強，你們也自研了VLM模型，自研模型和Gemini 3在產品中的關系，在模型上的差異是什么？

王碧豪： 這是個好問題。我最近也在寫這個文章。我們提供給了用戶可以選擇用我們還是Gemini3，但我猜測大概率用戶嘗試完還是會切回我們。

第一，游戲場景的專業性。Google訓練的是通用模型，數據來自互聯網全部的，可以識別大部分應用軟件。但我們的訓練專注于游戲場景。所以我現在還不確定，我們還沒做具體的評估，但我覺得我們還是在游戲的識別上、對游戲的理解上有獨特之處。

第二，響應速度的權衡。游戲陪伴場景需要兼顧響應速度、對游戲的理解以及準確性，這是兼顧不了的。就算Gemini 3的Flash模型（2.5有Flash，3.0還沒出Flash），響應時間也要8秒到15秒之間，不可能實現端到端的快速對話。

第三，情緒價值。我們的模型除了對游戲理解和建議能力之外，還做情緒方面的價值。識別到你的高光時刻后，我們怎么通過一個人物設定來給你反饋情緒價值。

3、硅星人：之所以我們在談通用和垂直，是因為模型的能力邊界還沒有覆蓋到你們，一年前也不會有人認為Coding是一個通用場景，如果Gemini4就可以做“通用的游戲助手”了，到那時候你們的壁壘是什么？

王碧豪：我把這個模型的能力分成上限和下限。

上限能力：我們針對這個場景特地去做了很多工程化優化，包括模型上的優化、數據上的優化。下限能力：這個模型提供的能力就是這樣，我們也不去做優化。我們在找這個模型到底在什么場景用得好，然后包裝出來讓用戶去用。

上限能力是針對性的工程優化問題，Google本質上是一個研究型公司，它們只專注于模型本身能力的提升，而不是模型之外的，比如我們現在做的金鏟鏟、王者榮耀模型的特定模型。下限能力是和用戶貼近之后產生的usecase，幫模型去找好的場景和包裝，這一塊模型公司也不會去做。

不停的拓展上限和下限，就是創業公司的機會。

1

Seede AI：該恐慌的不是我們，是大廠

Seede AI 不是“文生圖”路線，而是“代碼生圖”——直接讓大模型寫代碼來搞定排版和設計。

1、硅星人：昨天晚上是不是很興奮？我看你12:30還在群里發消息，你幾點睡的？

Seede AI創始人楊沐錦： 三四點吧。所有群里都沒人說話了，我估計大家全睡了我才睡的。我們好多個人，包括我們的用戶一起測到凌晨。

2、硅星人：為什么會這么興奮？你認為Gemini3是一個什么時刻？是R1還是GPT3.5?

楊沐錦：我感覺像是“吉卜力”時刻，我們自己測下來，Gemini3的一個很大的提升是審美能力。以下是我們用同一個Prompt做的一個對比圖：

對比下來你會發現有幾個比較大的改變：

• 從“排版”進化到“設計”：Gemini 2.5 只能做到基礎的排版（哪里大、哪里小），也就是“300塊設計師”的水平；而 Gemini 3.0 擁有了高級審美，能處理紋理、光影、煙霧效果和復雜的圖層疊加，達到了“3000塊設計師”的水平。
• 審美與一致性：相比 GPT 生成的擁擠布局和國內模型混亂的配色，Gemini 3 能輸出統一的“設計系統”（Design System）。它能自動匹配字體樣式（陰影、加粗）和色調，不僅是把字放上去，而是構建整體的視覺質感。
• 代碼控制力：Gemini 3 的 Coding 能力極強，它不是生成一張死圖，而是生成可編輯的代碼布局。這使得用戶可以進行二次編輯（挪動位置、修改文字），保留了人的“掌控感”。

其實Claude的編程能力是高于Gemini2.5 pro，但是依然有大量用戶選擇后者，是因為它的審美在線，審美是無法Benchmark的，而這一點在Gemini3上提升到了更強。

3、硅星人： 我昨天也挺興奮的，我覺得可能以后就不用人去生產圖像和文字了，所有東西全部是AI生成的...你會不會覺得未來Agent或者垂類AI應用會被模型吞噬？會恐慌么？

楊沐錦：對于創業公司而言，Cursor是個成功的案例，先去圈用戶，然后最近才發了自己的小模型，以更快的速度，更便宜的成本。我們會是一樣的路子。

相反，我認為更應該恐慌的是大廠，Google現在呈現出非常全面的狀態，而國內的一些大廠，比如說字節，原本我們的代碼生圖模型他們也想接，但后面我們拒絕了，因為他們的要求是生圖的模型要換成即夢不能用外面廠商的。他們一定是想建立壁壘，那就必須要把自己模型做好才有話語權。

而創業公司不同，Gemini3輸入2美元/100萬token，輸出12美元，加起來14美元；Claude Sonnet 4.5輸入3美元，輸出16.5美元，加起來快20美元，現在性能提升了，價格也便宜了四分之一，所有的模型資源我們都能用，我們現在提供Gemini3給用戶免費使用一周，去找更好的場景。

1

GameSkill：無論模型能力怎么增強，數據都是核心

GameSkill是媲美專業選手的端側AI教練，全程陪玩，賽后指導復盤。

1、硅星人：有了Gemini3，逗逗AI開始嘗試用它給選手進行賽后復盤，這好像功能跟你們有重合了？之前你們在做一個少數人能做的事，如果未來模型的能力進步到多數人都能做，怎么辦？

GameSkill創始人陳迪：首先我會覺得Gemini3本身不如我們特訓出來的教練模型，我們通過大量的高質量的標注游戲，用特定的單一數據集來訓練模型，對游戲的畫面進行深度標注和深度理解，在這個過程中，還是數據是核心。當然如果以后游戲內置AI教練成為常態，GameSkill的辦法是提供官方功能無法覆蓋的深度、個性化和有溫度的增值服務。

• 極致的個性化與深度適應：游戲官方AI教練可能更側重于通用技巧。而GameSkill作為玩家的“私人訂制教練”，通過長期在端側學習玩家的操作習慣、反應速度和決策模式，提供獨一無二的訓練方案。例如，針對玩家特定的“預瞄弱點”或“道具投擲習慣”進行強化訓練，這種深度適配是通用模型難以做到的。
• 跨游戲的身份與數據連續性：對于深度游戲愛好者來說，GameSkill可以成為其跨游戲的通用AI伙伴。我們在不同游戲中學習玩家的風格，幫助玩家將在一款游戲中磨練出的意識應用到另一款游戲中。這種跨游戲的、持續成長的“數字教練”身份，是單一游戲內嵌AI無法提供的。

2、硅星人：你們用端側模型的解決方案，明顯要損失一些云端模型的先進性，如何彌補與云端模型的“代差”？

陳迪：我們承認云端大模型在通用多模態推理上的強大，但在“特定游戲內的實時陪練”這個場景下，端側模型通過精巧的技術設計，不僅能彌補差距，甚至能實現超越。

• 模型裁剪與場景特化：我們的8B特訓模型采用結構化剪枝、量化剔除了與游戲無關的冗余參數，讓模型的所有“精力”都集中在理解游戲畫面。
• 硬件協同與實時性：我們的模型直接運行在PC的NPU和GPU上，這意味著數據無需上傳云端、處理后再返回。保證零延遲，在需要閃電般反應的電競游戲中，指導提示能否即時出現至關重要；以及100%的隱私保護，玩家的游戲數據永遠不會離開玩家的設備。這是云端模型無法逾越的物理鴻溝。
• 與硬件適配：我們通過與職業戰隊的合作獲取高質量的數據，持續對模型進行增量學習和微調，讓它能緊跟游戲版本和戰術演變的步伐。同時，我們會為不同性能的PC提供不同精度的模型版本，通過動態調度技術確保在各種硬件上都能流暢運行，實現資源的最優利用。

1

Hyper3D.AI：模型雖牛，但調一個API的任務，還需很長時間

3D生成大模型公司，用戶可用一句話/一張圖生成 3D 模型。

1、硅星人：Gemini 3的3D能力對你們有直接的影響么？會對3D生成帶來什么根本性的改變嗎？

Hyper3D.AI CTO 張啟煊：Gemini3所展現出來的，其實用“3D生成能力”去描述是有一些問題的。目前大家看到的Gemini3的“3D生成案例”，其實無非是從網上下載一個3D模型、用代碼生成參數化的簡單3D模型、用代碼描述體素這三類。

但是這樣的能力其實意義也很大，它意味著Gemini3對3D有很好的能理解能力，即通過自己撰寫的代碼，能夠很好的聯想到它所能呈現的3D狀態----以往這一塊主要局限于2D，這也是LLM對網頁生成很在行的原因。具備這一能力后，Gemini3能夠很好的結合真正的3D生成模型，完成一些場景的搭建等更復雜的事兒----我們也正在結合Gemini3嘗試這些方向

2、硅星人：我們本來以為有人興奮有人恐慌，但其實是有人興奮有人冷靜，你們是哪一種？為什么？

張啟煊：我們第一時間就用上了，其實感覺沒有媒體渲染的那么厲害。對于非功能性的頁面，能做得很好，有設計感，說明它對代碼和最終渲染圖形頁面的聯想是很準確的。但是對于功能性的方面，比如學著調用一個API，能力沒有很大的提升，還是需要多輪調試。

比如我自己讓它調用我們API，就花了快半小時才給他教明白（當然也有可能是我們文檔寫太爛了）。

1

Soon：Gemini3對游戲行業并無實質提升

游戲專精模型，以“無需傳統抽卡、直接商業化落地” 的優勢破局——依托行業專屬訓練基礎，實現從創意概念到落地的全流程賦能。

1、硅星人：Gemini 3 對“游戲Agent開發”最直接的影響是什么？你們最看重的是哪項能力（如推理、多模態、長上下文、工具調用穩定性），各自能落到哪些具體場景？

Soon創始人譚凱：影響有限，偏效率增量而非商業化躍遷。我們最看重“推理與規劃”“工具調用穩定性”，與 SoonFX 數值引擎協同強化數值生成/修改，進一步加強我們在 AI 數值方面的能力。目前美術素材依賴自研垂類模型，Gemini 用于腳本、配置與 CI/CD。

主要落地的場景代碼生成與自調試；穩定驅動工具與資產管線；長上下文（百萬 token）持續記憶；Deep Think 做關卡/劇情/經濟與動態難度；更強安全與合規；結構化、可編輯輸出（JSON/YAML/DSL）適配管線規范。

2、硅星人：soon團隊是否已評估/試接入 Gemini 3？與現有模型相比，你們希望Gemini3能解決哪方面的問題。

譚凱：目前正在評估與能力測試中，重點驗證數值推理、多模態、長上下文與工具調用穩定性，暫不生產接入。期望提升數值生成/平衡與約束滿足；長鏈任務穩定收斂；降低工具調用失敗并斷鏈自愈；結構化輸出更穩定、解析更少失敗。

3、硅星人：你們覺得Gemini3的能力，如果真的像發布會說的那樣“強”，會對游戲開發帶來什么根本性的改變嗎？

譚凱：不會帶來根本性改變，對行業并無實質提升。當前模型更多復刻既有產物，難形成生產閉環。

AI 仍處于“能生成貪吃蛇、但不可能生成王者榮耀”的階段，半成品普遍不可二次編輯/不可回歸入庫，工程與統籌的“最后 10%”最難。

我們路徑是Soon 工具鏈打通“最后一公里”，我們生成的骨骼動畫與素材可以進行二次編輯與調整并回寫入庫，直接落地商用；以可編輯資產管線+質量標準+流程，支撐從生成到入庫的閉環。

模型評價標準：可編輯、可回歸、可觀測與度量、穩定的工具編排與 CI；堆 demo 無意義。

1

Gambo：用實測結果說話，不行就是不行

世界上第一個游戲編程Agent，用戶只需通過簡單的文字描述，能快速生成完整的游戲，包括場景、角色、音效和交互邏輯。

1、硅星人：Gemini 3 的發布，對“游戲Agent開發”最直接的影響是什么？您最看重的是哪三項能力（如推理、多模態、長上下文、工具調用穩定性），各自能落到哪些具體場景？

Gambo周卓泉：Gemini 3 的核心提升，第一是視覺理解能力的提升，可以更好的理解參考圖片，能大幅提升 Gambo 通過游戲截圖復刻一個游戲的還原度；第二大提升是圖形繪制能力的提升，雖然還遠遠無法滿足游戲的需求，但在教育等場景已經足夠，能幫助這些場景快速落地。

我們第一時間做了測試，分別用 Gemini 3 和 Claude 4.5 生成一個街霸游戲，可以看到，兩個模型生成的角色都由簡單的形狀拼湊，Claude 的角色是一個圓形加一個矩形，Gemini 的角色復雜一些，但也是由多個圓形、矩形構成。無法達到游戲對游戲資產的要求。

Claude

Gemini3

而真正的游戲依賴復雜的游戲資產，比如角色、動作、特效、地圖、音樂等等，可以參考我們的用戶在 Gambo 里復刻《絲之歌》游戲的真實錄屏，AI 會根據用戶的對話內容，生成全類型的游戲資產。

點個“愛心”，再走 吧