編輯 | 云昭

大模型的發(fā)展速度的確超乎想象，可以說現(xiàn)在一周，堪比過去3個月。好在，主體脈絡(luò)還是沿著圈內(nèi)預(yù)期的邏輯發(fā)展的：

觀察→理解→推理→物理世界。

隨著NanoBanana、Sora2的相繼火爆、多模態(tài)模型領(lǐng)域烽煙再起，OpenAI與谷歌這一對宿敵紛紛擺好了姿態(tài)要在2025年年底各放大招。

假期期間，OpenAI在DevDay上發(fā)布的內(nèi)置應(yīng)用、AgentKit等收獲了一大波好評，緊接著谷歌就發(fā)起了Gemini3.0的病毒式預(yù)熱Marketing。

NanoBanana的刺激在前，小編本來這次還是打算再等等。

然而，這兩天大洋彼岸的內(nèi)測“Gemini3 Pro”的視頻、圖片效果實在太炸裂了。Ps：網(wǎng)上流傳的有兩種模型版本：3.0 Pro（代號 2HT）、3.0 Flash（代號 5QA）

尤其今天看到，一個Prompt就能讓Gemini生成一個可以模擬Mac、Windows、Linux操作系統(tǒng)風(fēng)格的HTML文件，小編親自體驗了下這個網(wǎng)頁系統(tǒng)，操作非常絲滑。更恐怖的是，不用抽卡！

圖片

圖片

你突然就會有了多年之前的那種“天亮了”的感覺：1997年，計算機(jī)在國際象棋上擊敗人類，2016年九段大師李世石被DeepMind的AlphaGo戰(zhàn)勝，再到2021年11月，ChatGPT的人一樣的聊天。

小編實在等不及谷歌正式發(fā)布了，覺得必須得寫點什么。

聲明：以下內(nèi)容僅僅是看了網(wǎng)上流出的 Gemini3 Pro 的內(nèi)測素材、跑分傳言、網(wǎng)友熱議等有感而發(fā)，最后還是看谷歌的正式發(fā)布版本為準(zhǔn)。

Gemini 3 Pro 直接越過了那條線

這兩天扒了不少圈內(nèi)的傳聞，這里總結(jié)一下這次Gemini 3 Pro的厲害之處：

1.全模態(tài)魔法

很早之前，其實用戶并不習(xí)慣大模型只能 “文字進(jìn)、文字出”。后來雖然模型支持了一些文件，但也僅限于圖片、音視頻、word文檔等。

但這次，Gemini 3 Pro是真的猛，它能同時理解視頻、3D 對象、音頻、地理空間數(shù)據(jù)——甚至多種一起處理。如果真的這樣的話，可以說許多現(xiàn)有的產(chǎn)品都要重新設(shè)計了，直播、家裝、短視頻各行業(yè)可以說門檻都要抹沒了。

想象空間實在太大了，比如：

• 實時總結(jié)一段直播；
• 把藍(lán)圖轉(zhuǎn)成 VR 場景；
• 或僅憑一段街景視頻自動生成播放列表。

2.超級上下文窗口

據(jù)傳，Gemini 3 Pro 的上下文可達(dá)數(shù)百萬級。整本書、一座法律文件山、甚至上百萬行代碼——都能在一次提示中處理，仍然邏輯清晰。

量變引起的質(zhì)變，是我們最猝不及防的，就如同Scaling Law讓傳統(tǒng)的OCR褪色一樣，數(shù)百萬級的Token，或會讓之前繁瑣的切片操作被淘汰掉。

3.數(shù)萬億參數(shù)、激活最相關(guān)的動態(tài)專家系統(tǒng)

兩個點，一個是數(shù)萬億參數(shù)，第二個點，卻只激活最相關(guān)的部分。這一點也很極客，Gemini3.0 Pro既保留了算力爆發(fā)，又達(dá)到了前所未有的響應(yīng)速度。簡單理解，它會自動決定該用多“聰明”的腦子來回答問題。

4.內(nèi)置“深度思考”機(jī)制

無需切換模式。系統(tǒng)能主動規(guī)劃、校驗、并解釋自己的多步推理。這更像是雇了一個世界級分析師——只是花幾塊 API 積分。

5.端側(cè)算力進(jìn)化

“Gemini Nano 3” 版本將讓 Pixel 和 Android 用戶在離線狀態(tài)下體驗真正的 AI 能力。實時總結(jié)、離線推理、即時問題解決——不再依賴云端。

圖片

實測有多強(qiáng)？ 

先看下跑分，有疑似有內(nèi)幕消息的網(wǎng)友這樣說：

• 未經(jīng)證實的基準(zhǔn)測試顯示，Gemini 3 Pro 的表現(xiàn)優(yōu)于 GPT-5（“人類的最后考試”中分別為 32.4% 和 26.5%）。
• 推理方面，一位網(wǎng)友評論稱，它的推理“感覺像人類”，并且它的自我糾正能力是我們所見過的任何東西的飛躍。
• 最驚艷的還是視覺領(lǐng)域，據(jù)稱，Gemini 3 Pro 實時工作速度高達(dá) 60fps，這意味著它“獲取”的是實時視頻，而不僅僅是凍結(jié)的幀。

再來分享一些自認(rèn)為非常震撼的實測用例。

先來看一個3D代碼生成的用例。

prompt：“用體素風(fēng)格（voxel art）生成一只騎自行車的鵜鶘?！保╟reate a pelican on a bike with voxil art）

該模型準(zhǔn)確理解了多模態(tài)概念，生成了精確的 3D 體素代碼，空間推理出色，畫面布局也很平衡。

這說明它在「創(chuàng)造性理解 + 編程生成」上的能力已經(jīng)達(dá)到頂級模型水準(zhǔn)。

另一個震撼的用例則是，一位開發(fā)者讓 Gemini 3.0 生成關(guān)于「卡爾達(dá)肖夫三級文明」的可視化，也就是能利用整個銀河能量的假想文明。模型成功地融合了 天體物理學(xué)、未來設(shè)計和視覺想象力。

在零樣本提示下，輸出的圖像展示了戴森球、星際工程等概念，還保持了物理一致性。此外還有系外行星核心可視化。

整段可視化是 Gemini 3.0 Pro 一次性生成的。

它能把抽象的行星數(shù)據(jù)轉(zhuǎn)化為逼真的三維視覺，兼具科學(xué)準(zhǔn)確性和空間推理能力——這是以前任何模型都沒做到的。

在附上最新流出的幾個體驗用例：

比如3D埃菲爾鐵塔、3D沉思者。

寫在最后

回過頭來，總結(jié)一下。這次 Gemini 3 Pro 恐怖的預(yù)熱秀，究竟在向外界透露出怎樣的信號？首先，看得出來谷歌這次的邀測對象主要有兩類：一類是前端開發(fā)者，另一類則是數(shù)字創(chuàng)作者。這兩類都是非常適合打造震撼宣傳效果的群體，言外之意，自然也適合Marketing。其次，谷歌依舊在多模態(tài)方面持續(xù)發(fā)力，尤其在世界模型方面依舊在保持領(lǐng)先。當(dāng)然，重點還是在于未來正式發(fā)布后，大家實際的使用效果。至少現(xiàn)在看來，超長上下文窗口、全模態(tài)輸入、實時輸出總結(jié)、無需切換模式深度內(nèi)置思考，是模型層面主打的四大方向。

那么，對于外界應(yīng)用而言，意味著什么呢?我想我們可以重新思考這樣幾件事情。

第一，對于技術(shù)人而言，分析、重構(gòu)百萬行代碼極有可能不再那么困難了。效率將會大大提升。

其次，對于企業(yè)而言：Gemini 的內(nèi)置 API 推理系統(tǒng)有望形成一種“數(shù)字免疫機(jī)制”，防止幻覺，保持企業(yè)語調(diào)一致，并自動化復(fù)雜工作流。

第三，對于更多的創(chuàng)作者來說，可以說門檻進(jìn)一步降低。相信未來會更多人使用這種形式來創(chuàng)作：手繪草圖 + 語音備注 = 即時動畫短片。

第四，最終的福利還是屬于普通大眾的，未來的AI應(yīng)用將會因為模型能力的提升擺脫“雞肋”的尷尬。看得到的一個例子，離線實時翻譯、總結(jié)、個人助理——真正隨身的 AI，不難想象，就在眼前了。