Gemini 3 Pro (Preview) รจ il piรน recente modello di punta multimodale per il ragionamento della famiglia Gemini 3 di Google/DeepMind. ร presentato come il loro โmodello piรน intelligente di sempreโ, progettato per il ragionamento profondo, workflow basati su agenti, coding avanzato e comprensione multimodale a lungo contesto (testo, immagini, audio, video, codice e integrazioni con strumenti).
Caratteristiche principali
- Modalitร : Testo, immagine, video, audio, PDF (e output strutturati di strumenti).
- Agenti/strumenti: Chiamata di funzioni integrata, search-as-tool, esecuzione di codice, contesto da URL e supporto allโorchestrazione di agenti multi-step. Il meccanismo di thought-signature preserva il ragionamento multi-step tra le chiamate.
- Coding e โvibe codingโ: Ottimizzato per la generazione front-end, la generazione di UI interattive e il coding agentico (guida le classifiche pertinenti riportate da Google). ร promosso come il loro modello di โvibe-codingโ piรน potente finora.
- Nuovi controlli per sviluppatori:
thinking_level(low|high) per bilanciare costi/latenza rispetto alla profonditร del ragionamento, emedia_resolutionper controllare la fedeltร multimodale per immagine o fotogramma video. Questi aiutano a bilanciare prestazioni, latenza e costi.
Prestazioni nei benchmark
- Il Gemini3Pro ha ottenuto il primo posto in LMARE con un punteggio di 1501, superando i 1484 punti di Grok-4.1-thinking e precedendo anche Claude Sonnet 4.5 e Opus 4.1.
- Ha inoltre raggiunto il primo posto nellโarena di programmazione WebDevArena con un punteggio di 1487.
- Nel ragionamento accademico di Humanityโs Last Exam ha ottenuto il 37.5% (senza strumenti); in GPQA Diamond (scienze), 91.9%; e nella competizione matematica MathArena Apex, 23.4%, stabilendo un nuovo record.
- Nelle capacitร multimodali, ha raggiunto lโ81% in MMMU-Pro; e nellโambito della comprensione video in Video-MMMU, lโ87.6%.

Dettagli tecnici e architettura
- Parametro โthinking levelโ: Gemini 3 espone un controllo
thinking_levelche consente agli sviluppatori di bilanciare la profonditร del ragionamento interno rispetto a latenza/costo. Il modello trattathinking_levelcome una concessione relativa al ragionamento multi-step interno, piuttosto che una garanzia rigorosa di token. Il valore predefinito per Pro รจ tipicamentehigh. Si tratta di un nuovo controllo esplicito per regolare la pianificazione multi-step e la profonditร della catena di pensiero. - Output strutturati e strumenti: Il modello supporta output JSON strutturati e puรฒ essere combinato con strumenti integrati (grounding con Google Search, contesto da URL, esecuzione di codice, ecc.). Alcune funzionalitร di output strutturato + strumenti sono disponibili solo in anteprima per
gemini-3-pro-preview. - Integrazioni multimodali e agentiche: Gemini 3 Pro รจ esplicitamente costruito per workflow basati su agenti (strumentazione + agenti multipli su codice/terminali/browser).
- Accetta input di testo, immagini, video, audio e PDF; output testuale.
Limitazioni e avvertenze note
- Factualitร non perfetta โ le allucinazioni restano possibili. Nonostante i miglioramenti significativi nella factualitร dichiarati da Google, sono ancora necessari verifica con fonti e revisione umana in contesti ad alto rischio (legale, medico, finanziario).
- Prestazioni su lungo contesto variabili a seconda del compito. Il supporto per una finestra di input da 1M รจ una capacitร reale, ma lโefficacia empirica puรฒ diminuire su alcuni benchmark a lunghezze estreme (calo puntuale osservato a 1M in alcuni test di lungo contesto).
- Compromessi tra costi e latenza. Contesti ampi e impostazioni
thinking_levelpiรน elevate aumentano compute, latenza e costo; si applicano fasce di prezzo in base ai volumi di token. Usathinking_levele strategie di suddivisione in blocchi per gestire i costi. - Sicurezza e filtri dei contenuti. Google continua ad applicare policy di sicurezza e livelli di moderazione; alcuni contenuti e azioni restano limitati o possono attivare modalitร di rifiuto.
Come Gemini 3 Pro Preview si confronta con gli altri modelli di punta
Confronto ad alto livello (anteprima โ qualitativo):
Rispetto a Gemini 2.5 Pro: Miglioramenti sostanziali nel ragionamento, nellโuso di strumenti agentici e nellโintegrazione multimodale; gestione di contesti molto piรน ampi e migliore comprensione dei testi lunghi. DeepMind mostra progressi costanti su ragionamento accademico, coding e compiti multimodali.
Rispetto a GPT-5.1 e Claude Sonnet 4.5 (come riportato): Sul set di benchmark di Google/DeepMind, Gemini 3 Pro รจ presentato come leader in diverse metriche di agenticitร , multimodalitร e lungo contesto (vedi Terminal-Bench, MMMU-Pro, AIME). I risultati comparativi variano in base al compito.
Casi dโuso tipici e ad alto valore
- Sintesi e Q&A di documenti/libri di grandi dimensioni: il supporto per lunghi contesti lo rende interessante per team legali, di ricerca e compliance.
- Comprensione e generazione di codice a scala di repository: lโintegrazione con toolchain di sviluppo e il ragionamento migliorato agevolano refactoring di grandi codebase e workflow di code review automatizzata.
- Assistenti di prodotto multimodali: workflow che combinano immagine + testo + audio (assistenza clienti che ingloba screenshot, frammenti di chiamate e documenti).
- Generazione ed editing di media (foto โ video): le funzionalitร precedenti della famiglia Gemini includono ora capacitร fotoโvideo in stile Veo/Flow; lโanteprima suggerisce una generazione multimediale piรน approfondita per prototipi e workflow media.
Come chiamare lโAPIย gemini-3-pro-preview da CometAPI
Prezzi di Gemini 3 Pro Preview su CometAPI๏ผsconto del 20% rispetto al prezzo ufficiale๏ผ
| Token di input | $1.60 |
| Token di output | $9.60 |
Passaggi necessari
- Accedi aย cometapi.com. Se non sei ancora un nostro utente, registrati prima.
- Entra nella tuaย console CometAPI.
- Ottieni la chiave API di accesso allโinterfaccia. Clicca โAdd Tokenโ nella sezione dei token API nel centro personale, ottieni la chiave token: sk-xxxxx e inviala.

Metodo dโuso
- Seleziona lโendpoint โ
gemini-3-pro-previewโ per inviare la richiesta API e imposta il body della richiesta. Il metodo e il body della richiesta sono reperibili nella documentazione API del nostro sito web. Il nostro sito fornisce anche test Apifox per tua comoditร . - Sostituisci <YOUR_API_KEY> con la tua effettiva chiave CometAPI del tuo account.
- Inserisci la tua domanda o richiesta nel campo content โ รจ a questo che il modello risponderร .
- . Elabora la risposta dellโAPI per ottenere la risposta generata.
CometAPI fornisce unโAPI REST completamente compatibile โ per una migrazione senza attriti. Dettagli chiave per Chat :
- Base URL:ย v1/chat/completions
- Model Names:ย
gemini-3-pro-preview - Authentication:ย
Bearer YOUR_CometAPI_API_KEYย header - Content-Type:ย
application/jsonย .
Vedi anche GPT-5.1 API
