谷歌发布Gemini 3 Pro：LMArena首破1500分，多模态能力断层式领先

谷歌于 2025 年 11 月 18 日正式发布 Gemini 3 系列模型，这是继 Gemini 2.5 Pro 后的又一次重大升级。Gemini 3 Pro 在多项前沿基准测试中夺冠，被谷歌称为「世界上最智能的模型」。

性能全面跃升

Gemini 3 Pro 以 1501 Elo 的突破性成绩登顶 LMArena 榜单，成为首个突破 1500 分的模型。在多项核心测试中刷新纪录：

• Humanity's Last Exam：37.5%（无工具），超越 GPT-5 Pro 的 31.64%
• GPQA Diamond：91.9%，远超前代 Gemini 2.5 Pro 的 86.4%
• ARC-AGI-2：31.1%，是 GPT-5.1（17.6%）的近 2 倍，Gemini 2.5 Pro（4.9%）的 6 倍
• MathArena Apex：23.4%，相比 Gemini 2.5 Pro 的 0.5% 实现近 47 倍提升
• AIME 2025：95%（无工具），100%（带代码执行）

Deep Think 推理模式

谷歌同步预览了增强版 Gemini 3 Deep Think，在推理和多模态理解能力上实现阶跃式提升：

• Humanity's Last Exam：41%（无工具）
• GPQA Diamond：93.8%
• ARC-AGI-2：45.1%（带代码执行、官方验证），是前代模型集群数年进步的总和

ARC Prize 创始人 François Chollet 评价：「我们刚刚验证了 Gemini 3 Pro 和 Deep Think 在 ARC v2 上超过 SOTA 2 倍以上！这真的很令人印象深刻，说实话，也有点出乎意料。」

多模态能力断层式领先

作为完全多模态的基础模型，Gemini 3 Pro 在视觉和视频理解上创下新纪录：

• MMMU-Pro：81.0%（多模态大考）
• Video-MMMU：87.6%（视频推理）
• ScreenSpot-Pro：72.7%，是 Claude Sonnet 4.5（36.2%）的 2 倍，GPT-5.1（3.5%）的 20 倍

ScreenSpot-Pro 得分意味着 Gemini 3 在理解屏幕截图和用户界面方面实现质的突破，为构建能真正理解和操作图形界面的 AI 代理奠定基础。

编码能力翻身

虽然 SWE-Bench Verified 上 Gemini 3 Pro 的 76.2% 略逊于 Claude Sonnet 4.5 的 77.2%，但在其他核心编码测试中远超对手：

• LiveCodeBench：比第二名 Grok 4.1 直接高出 200 多分
• 12-bench（Agent 工具使用）：85.4%，远超前代 54.9%
• Terminal-Bench 2.0：54.2%，比第二名高出 11 个百分点
• Design Arena：整体排名第一，在网站、游戏开发、3D 设计、UI 组件四个赛区占据榜首

架构创新

Gemini 3 Pro 采用改进型稀疏混合专家（MoE）架构，总参数规模超过万亿，每次查询仅激活 150-200 亿参数（约 2%）。支持 100 万 token 上下文窗口和最高 64,000 token 输出，完全基于 Google 自研第六代 Trillium TPU 训练。

可用性

Gemini 3 已在 Gemini 应用、Search AI Mode、AI Studio、Vertex AI 以及全新代理式开发平台 Google Antigravity 中开放预览。Gemini 3 Deep Think 正在进行额外的安全审查，预计未来几周向 Google AI Ultra 用户开放。