新王登基了。

作者｜Li Yuan

來了。

預(yù)熱了快一個(gè)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(xù)上線Google的各項(xiàng)產(chǎn)品中。

沒有任何多余的廢話，打開 Model Card，滿眼寫著的只有兩個(gè)字：碾壓。

按照 Google 披露的測(cè)試數(shù)據(jù)，Gemini 3 Pro 毫無懸念地成為了目前地球上數(shù)學(xué)最強(qiáng)的 AI。在數(shù)學(xué)競(jìng)賽的「地獄模式」MathArena 里，當(dāng)包括 GPT-5.1 在內(nèi)的其他大模型還在 1% 上下掙扎時(shí)，Gemini 3 Pro 直接干到了23.4%。

編程能力方面，雖然在 SWE-Bench 上未拿 SOTA——但絕對(duì)屬于第一梯隊(duì)。Live Code Bench 的 Elo 得分超過 2400 分 ，在工具調(diào)用和終端操作基準(zhǔn)測(cè)試中更是名列第一。

真正炸裂的是它的「視覺智能」。對(duì)屏幕截圖的理解能力高達(dá)72.7%，是目前最先進(jìn)水平的兩倍。這意味著 Agent 不再是瞎子，它將徹底重塑 AI 操作計(jì)算機(jī)的模式。

但這還沒完，Google 今晚還順手扔出了一個(gè)小王炸：自家的 Agentic 編程平臺(tái)——Google Antigravity。

此前網(wǎng)傳 Gemini 3 能實(shí)現(xiàn)「端到端編程」，大家以為是模型成精了。但看起來，并不是模型成精，而是 Google 正在探索如何用更好的系統(tǒng)工程實(shí)現(xiàn)端到端編程。

如果說 Cursor 是目前最強(qiáng)的「外骨骼」，它通過 AI 補(bǔ)全讓你寫代碼更快；那 Antigravity 就是奔著「自動(dòng)駕駛」去的。它不再只是一個(gè)編輯器，而是一個(gè)智能體優(yōu)先（Agent-first）發(fā)環(huán)境。集成了 Gemini 3 和能操控瀏覽器的 Gemini 2.5 Computer Use 模型，它的 Agent 能自己寫代碼、自己開終端跑測(cè)試、甚至自己打開瀏覽器驗(yàn)證 UI，發(fā)現(xiàn)報(bào)錯(cuò)自己修。

不講故事，只拼肌肉。

Google 用這一波硬核發(fā)布宣告：新王已至。

有趣的是，這次連 Sam Altman 都獻(xiàn)上了自己的點(diǎn)贊。：）

01

霸榜的暴力美學(xué)：不止是智商洗榜，更是 Agent 能力的變化

在 AI 圈子里，大家習(xí)慣了模型之間你追我趕的微弱優(yōu)勢(shì)，但 Gemini 3 Pro 拋出的這份成績(jī)單，可以說十分耀眼。

根據(jù) Model Card 披露的數(shù)據(jù)，Gemini 3 Pro 在推理、多模態(tài)、Agent 工具使用等關(guān)鍵基準(zhǔn)上，實(shí)現(xiàn)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(cè)試——Humanity's Last Exam（人類最終大考）。這是一個(gè)衡量學(xué)術(shù)推理極限的標(biāo)尺，GPT-5.1 在此前的測(cè)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(gè)百分點(diǎn)的差距，意味著模型在處理復(fù)雜學(xué)術(shù)問題時(shí)，已經(jīng)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(jìn)一步飆升至41.0%?？雌饋砣祟愖詈蟮谋疽膊⒉荒艹掷m(xù)很久了。

數(shù)理方面的每一個(gè)領(lǐng)域，都能看出它的統(tǒng)治力。

AIME 2025（美國(guó)數(shù)學(xué)邀請(qǐng)賽）：配合代碼執(zhí)行（Code Execution），Gemini 3 Pro 的準(zhǔn)確率達(dá)到了驚人的100%。沒錯(cuò)，是滿分。即便是「裸考」（無工具模式），它也有 95.0% 的準(zhǔn)確率（相比之下，GPT-5.1 為 94.0%，Claude Sonnet 4.5 為 87.0%）。

MathArena Apex（數(shù)學(xué)競(jìng)賽地獄模式）：當(dāng)包括 GPT-5.1 在內(nèi)的其他大模型還在1%上下掙扎時(shí)，Gemini 3 Pro 直接干到了23.4%。這意味著在很多以前 AI 根本「看不懂題」的領(lǐng)域，Gemini 3 已經(jīng)開始解題了。

而更關(guān)鍵的是 Agent 相關(guān)能力的提升。

Gemini 一向在多模態(tài)能力上領(lǐng)先，這一代更是專門優(yōu)化了屏幕理解（Screen Understanding）。這是下一代 Agent 能否真正接管人類電腦的關(guān)鍵。

看ScreenSpot-Pro這一欄數(shù)據(jù)：

• GPT-5.1：3.5%（這基本意味著它是個(gè)「瞎子」）。

• Gemini 3 Pro：72.7%。

這是近乎20 倍的能力碾壓！這標(biāo)志著 Gemini 3 Pro 已經(jīng)不再是一個(gè)單純的對(duì)話框，它具備了真正意義上的「視覺智能」，能夠像人類一樣理解復(fù)雜的操作系統(tǒng)界面。

在一些傳統(tǒng)強(qiáng)項(xiàng)上，Gemini 3 Pro 仍然表現(xiàn)出色——比如支持1M Token的超大上下文窗口、對(duì)多模態(tài)數(shù)據(jù)的「原生支持」、長(zhǎng)視頻和多語言處理等等。

有一個(gè)很有趣的標(biāo)準(zhǔn)也被 Google 掛了上來：在 一個(gè)模擬開店賺錢的基準(zhǔn) Vending-Bench 2 上，Gemini 3 Pro 最終賺取了$5,478.16的凈資產(chǎn)，而 GPT-5.1 僅賺了 $1,473.43。

不過關(guān)于之前網(wǎng)傳「徹底端到端終結(jié)程序員」的編程能力，Gemini 3 Pro 的狀態(tài)是在 AI 屆頂尖，但并沒有「顛覆編程」。

在衡量軟件工程能力的SWE-Bench Verified測(cè)試中，Gemini 3 Pro 得分為76.2%，雖然很強(qiáng)，但并未超越 Claude Sonnet 4.5（77.2%）拿到 SOTA。這意味著在處理超長(zhǎng)程、極其復(fù)雜的后端邏輯時(shí)，它依然有局限性。

這也很合理。每一個(gè)大模型目前都在全力卷編程的情況下，想要在這個(gè)領(lǐng)域一騎絕塵確實(shí)比較難。

目前 Gemini 的能力更偏向于，還不能幫你重構(gòu)整個(gè)后端架構(gòu)，但如果你想寫一個(gè)極具現(xiàn)代設(shè)計(jì)美學(xué)的網(wǎng)站、一個(gè) 3D 飛船游戲，或者生成復(fù)雜的 SVG 交互動(dòng)畫，它能通過一次提示就給出極其驚艷的、可直接運(yùn)行的結(jié)果。

02

Antigravity，Agentic 編程的探索

有了最強(qiáng)的模型和算力，谷歌開始在應(yīng)用層「掀桌子」了。今晚，谷歌扔出了一個(gè)「小王炸」——Google Antigravity。

前一陣新聞的風(fēng)向還是模型公司努力收購(gòu) AI 編程應(yīng)用公司呢，而 Google 這次則這么快的就發(fā)了自己的開發(fā)平臺(tái)。

這不僅僅是一個(gè)新的 IDE，它是谷歌定義的Agent-first（智能體優(yōu)先）開發(fā)平臺(tái)。在這里，開發(fā)者從「碼農(nóng)」升級(jí)為「架構(gòu)師」，而 Gemini 3 化身為擁有編輯器、終端和瀏覽器完整權(quán)限的「執(zhí)行合伙人」。

為了達(dá)成這種體驗(yàn)，谷歌甚至在后臺(tái)配置了一個(gè)「模型軍團(tuán)」協(xié)同作戰(zhàn)：

• Gemini 3：作為大腦，負(fù)責(zé)高級(jí)推理和代碼編寫。

• Gemini 2.5 Computer Use：作為手眼，專門控制瀏覽器進(jìn)行 UI 驗(yàn)證和測(cè)試。

• Nano Banana：作為美工，負(fù)責(zé)生成圖像和 UI 素材。這種打通了底層模型到頂層交互的閉環(huán)體驗(yàn)，對(duì)于 Cursor 等現(xiàn)有 AI 編輯器來說，無疑是一次降維打擊。

Antigravity 最有趣的能力在于并行。官方材料明確提到，開發(fā)者可以與多個(gè)智能 Agent 協(xié)作，而這些 Agent 能夠代表你同時(shí) 自主規(guī)劃并執(zhí)行復(fù)雜的端到端軟件任務(wù)。

想象一下這種工作流：你下達(dá)一個(gè)指令，Antigravity 瞬間分裂出多個(gè) Agent——Agent A 負(fù)責(zé)寫后端邏輯，Agent B 負(fù)責(zé)在終端跑測(cè)試用例，Agent C 直接打開瀏覽器去驗(yàn)證前端 UI 的交互效果。它們并行不悖，像是一個(gè)配合默契的敏捷開發(fā)小組，而你只需要驗(yàn)收它們提交的「工件」。

Antigravity 是是一個(gè)免費(fèi)平臺(tái)，網(wǎng)絡(luò)上目前對(duì)于 Antigravity 的使用體驗(yàn)不多，但基本上都是好評(píng)。

要達(dá)到替代 Cursor 本身，肯定不太行——端到端的復(fù)雜編程體驗(yàn)，肯定還需要模型更成熟。但是簡(jiǎn)單的項(xiàng)目進(jìn)行編程，或許會(huì)更簡(jiǎn)單了。

03

全家桶齊發(fā)力：TPU 與搜索

在大模型發(fā)展的后半程，比拼的不再是單一算法的靈光一閃，而是誰的算力更冗余、誰的數(shù)據(jù)更廣闊、誰的投入更持久。Gemini 3 Pro 的勝利，有一點(diǎn)是很特別的：Gemini 3 Pro 是使用 Google TPU 訓(xùn)練的。

當(dāng)全世界的 AI 公司都在苦苦等待英偉達(dá) GPU 的發(fā)貨周期時(shí)，谷歌依然坐在自家龐大的 TPU 礦山上。TPU 專為 LLM 訓(xùn)練設(shè)計(jì)，擁有極高的高帶寬內(nèi)存（HBM），這讓它能夠輕松處理海量的模型參數(shù)和超大的 Batch Size。正是 TPU 的算力冗余，給了 Gemini 3 Pro 肆意擴(kuò)張參數(shù)規(guī)模的底氣。

有了算力，還要有「燃料」。Gemini 3 Pro 的訓(xùn)練數(shù)據(jù)是全維度的覆蓋：它吞噬了公共網(wǎng)絡(luò)文檔、代碼庫(kù)、圖像、音頻和視頻。更關(guān)鍵的是，谷歌明確提到使用了User Data（用戶數(shù)據(jù)）——當(dāng)然是在隱私協(xié)議框架下，來自谷歌龐大產(chǎn)品生態(tài)的用戶交互數(shù)據(jù)。

最后，這種溢出的智能被注入了 Google Search。Google 這次推出了一個(gè)全新的AI Mode in Search。當(dāng)你搜索一個(gè)復(fù)雜概念（比如 RNA 聚合酶的工作原理）時(shí)，Gemini 3 不再是給你扔一堆冷冰冰的鏈接，而是利用其強(qiáng)大的推理能力，即時(shí)生成（Generated on the fly）一個(gè)沉浸式的互動(dòng)圖表或模擬工具。

從底層的 TPU 硅基霸權(quán)，到中間層的模型智能，再到頂層的 Antigravity 開發(fā)生態(tài)與生成式搜索——谷歌這一夜展示的，不僅僅是一個(gè)滿分模型，而是一個(gè)只有巨頭才能構(gòu)建的、嚴(yán)絲合縫的未來。

04

實(shí)測(cè)體驗(yàn)

最后讓我們看看網(wǎng)上的一些實(shí)測(cè)體驗(yàn)吧。

出名的六邊形測(cè)試的升級(jí)款。

不少帖子提及了設(shè)計(jì)上的美感。

一些物理世界的建模。

前面提到的，Gemini 對(duì)于用戶界面數(shù)據(jù)這塊做了特別的優(yōu)化。

開發(fā)應(yīng)用。

在今天，大模型的性能已然超越了跑分的邊界。即便是最頂尖、最復(fù)雜的前沿基準(zhǔn)測(cè)試，其測(cè)量精度也開始失效。如何科學(xué)地量化模型之間的微妙差距，已經(jīng)成為了一門專門的「量化科學(xué)」，僅憑用戶簡(jiǎn)單的實(shí)測(cè)手感，很難窺見其中的全部玄機(jī)。

實(shí)測(cè)案例更多的也就是用來看看模型本身的審美和 one-shot 直出的狀態(tài)。

Gemini 3 顯然在這次的更新中，在直出的情況下，贏面很大。

當(dāng)模型直出能力越來越好，對(duì)于開發(fā)者來說，未來更多的是要看你的品味能不能跑過模型，你的點(diǎn)子是不是足夠與眾不同了。

*頭圖來源：視覺中國(guó)

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請(qǐng)聯(lián)系極客君微信 geekparkGO

極客一問

你覺得人類的審美跑的過

AI 的直出審美嗎？

扎克伯格：傲慢就會(huì)失敗，創(chuàng)造應(yīng)該服務(wù)群眾

點(diǎn)贊關(guān)注 極客公園視頻號(hào) ，