Google baru sahaja memulakan era Gemini 3 dengan melancarkan Gemini 3 Pro dalam pratonton, dan isyarat awalnya sangat jelas: ini ialah satu langkah besar ke hadapan dalam penaakulan multimodal, ejen pengekodan, dan pemahaman konteks panjang. Model ini diposisikan sebagai model penaakulan dan multimodal Google yang paling berkeupayaan setakat ini, dioptimumkan untuk aliran kerja agentik, pengekodan, tugasan konteks panjang dan pemahaman multimodal. Ia hadir dengan mod penaakulan baharu “Deep Think”, menampilkan peningkatan dramatik pada penanda aras agentik/kod (Terminal-Bench 2.0 disebut pada 54.2%), dan boleh terus digunakan melalui Google AI Studio, API (integrasi Vertex AI), serta alatan pembangun seperti Google Antigravity.
Apakah itu Gemini 3 Pro Preview?
Gemini 3 dipersembahkan oleh Google sebagai ahli keluarga Gemini generasi seterusnya yang paling pintar — memfokuskan pada penaakulan yang lebih mendalam, pemahaman multimodal yang lebih kaya (teks, imej, video, audio, kod), dan tingkah laku agentik yang lebih baik (model yang merancang dan bertindak menggunakan alatan).
Ciri utama
- Pemahaman multimodal natif — dibina untuk menerima dan menaakul merentas teks, imej, audio dan video secara serentak (termasuk input panjang/video). Sangat sesuai untuk menggabungkan dokumen, tangkapan skrin, transkrip dan video.
- Tetingkap konteks yang sangat besar (sehingga ~1,000,000 token) — boleh menyerap/mengekalkan dalam konteks dokumen yang sangat panjang, pangkalan kod besar, atau berjam-jam transkrip dalam satu sesi. Ini ialah nilai jualan utama untuk penyelidikan mendalam, semakan kod, dan sintesis berbilang dokumen.
- Keupayaan agentik / penggunaan alatan — direka untuk menggerakkan ejen autonomi yang boleh memanggil alatan, mengendalikan terminal, mengurus pelan tugasan, dan menyelaras aliran kerja berbilang langkah (digunakan dalam Google Antigravity dan integrasi IDE lain). Ini menjadikannya sangat kuat untuk pengekodan, orkestrasi, dan automasi berbilang langkah.
- Penaakulan & pengekodan yang lebih kukuh — Google meletakkan Gemini 3 Pro sebagai model “thinking” terbaik mereka untuk tugasan penaakulan kompleks, matematik, dan kod (penanda aras yang dipertingkatkan serta prestasi terminal/alatan).
Apakah yang baharu dalam Gemini 3 Pro berbanding Gemini 2.5 Pro dan lain-lain?
Keupayaan manakah yang paling banyak meningkat?
Gemini 3 Pro dipasarkan sebagai lonjakan besar dalam penaakulan (penaakulan matematik dan saintifik), penaakulan spatial/visual multimodal, dan penggunaan alatan. Google menyerlahkan peningkatan yang jelas berbanding Gemini 2.5 Pro dalam suite penanda aras dan dalam tugasan agentik dunia sebenar seperti pengekodan dan automasi terminal. Contoh metrik utama yang dikeluarkan oleh pasukan termasuk:
| Benchmark / task | Gemini 3 Pro (reported) | Gemini 2.5 Pro (reported) | Absolute gap (pp) |
|---|---|---|---|
| Humanity’s Last Exam (academic reasoning, no tools) | 37.5% | 21.6% | +15.9. |
| GPQA Diamond (scientific / factual QA) | 91.9% | 86.4% | +5.5. |
| AIME 2025 (mathematics, no tools) | 95.0% | 88.0% | +7.0. |
| AIME with code execution | 100.0% | (2.5 Pro: — ) | — (3 Pro hits perfect score with execution). |
| ARC-AGI-2 (visual reasoning puzzles) | 31.1% | 4.9% | +26.2 — very large multimodal gain. |
| SimpleQA Verified (parametric knowledge) | 72.1% | 54.5% | +17.6. |
Angka-angka ini menunjukkan bahawa Gemini 3 Pro dioptimumkan untuk penaakulan berbilang langkah, penggunaan alatan yang kompleks, dan tugasan multimodal yang disepadukan rapat (contohnya, menggabungkan bingkai video, penaakulan carta, dan penjanaan kod).
Alatan pembangun yang mengutamakan agentik: Antigravity
Untuk menunjukkan aliran kerja agentik, Google melancarkan Antigravity — sebuah IDE “agent-first” yang menggunakan Gemini 3 Pro sebagai asas untuk aliran kerja pengekodan berbilang ejen. Antigravity membolehkan ejen berinteraksi secara langsung dengan editor, terminal dan pelayar, serta menghasilkan “Artifacts” (senarai tugasan, tangkapan skrin, rekod pelayar) yang mendokumenkan tindakan ejen — menangani kebolehjejakan dan kebolehulangan semula dalam pembangunan agentik. Ini menjadikan Gemini 3 Pro jauh lebih praktikal untuk aliran kerja pembangun sebenar berbanding model yang hanya memfokuskan pada penjanaan teks semata-mata.
Penggunaan alatan dan pengekodan yang lebih baik
Google melaporkan peningkatan dramatik pada penanda aras berpusatkan terminal (Terminal-Bench 2.0) yang mengukur keupayaan model untuk mengendalikan komputer melalui terminal: Gemini 3 Pro memperoleh 54.2% dalam ujian itu — lonjakan besar berbanding versi Gemini terdahulu — menunjukkan kemajuan sebenar dalam penggunaan alatan autonomi dan penjanaan kod.
ly apabila diminta menjalankan skrip, mengorkestrasi alatan, atau mengurus tugasan pembangun berbilang langkah. Dalam amalan, itu bermaksud lebih sedikit halusinasi apabila model melaksanakan arahan, pengendalian ralat yang lebih baik, dan keupayaan yang lebih mantap untuk pulih daripada langkah yang gagal.
Bagaimanakah prestasi Gemini 3 Pro pada penanda aras
Google menerbitkan pelbagai perbandingan penanda aras dalam catatan blog Gemini 3 yang merangkumi penaakulan NLP klasik, pemahaman multimodal, penjanaan kod, dan penggunaan alatan agentik. Nombor utama yang dilaporkan terus oleh Google termasuk:
- LMArena: Gemini 3 Pro mendapat 1501 Elo, kedudukan teratas pada papan pendahulu kompetitif (mengukur penaakulan umum/kualiti jawapan dalam perlawanan berpasangan).
- MMMU-Pro (multimodal benchmark): 81% — peningkatan ketara berbanding model terdahulu.
- Video-MMMU: 87.6% pada tugasan multimodal yang peka video.
- SimpleQA Verified: 72.1% yang menunjukkan peningkatan dalam soal jawab fakta untuk input kompleks.
- WebDev Arena: 1487 Elo (pembangunan web / penaakulan kod).
- Terminal-Bench 2.0 & SWE-bench Verified: lonjakan besar dalam penggunaan alatan agentik dan prestasi ejen pengekodan.
- Deep Think: peningkatan lanjut pada ujian paling sukar (contohnya, Humanity’s Last Exam meningkat daripada 37.5% kepada 41.0% dalam Deep Think pada beberapa metrik seperti yang dilaporkan).
Semua ini menunjukkan model yang ditala untuk kedalaman dan bukannya sekadar penjanaan teks permukaan.
Jadi: ya, Gemini 3 Pro secara konsisten berada dalam kelompok teratas merentas banyak ujian hari ini — tetapi sama ada ia “mengatasi sepenuhnya” bergantung pada tugasan. Untuk penjanaan kod tulen, sesetengah pesaing masih sangat setanding; untuk konteks panjang, matematik, dan sintesis multimodal, Gemini 3 Pro kerap dilaporkan sebagai terbaik dalam kelasnya dalam larian awal November/November 2025.
Bagaimanakah anda boleh mengakses Gemini 3 Pro Preview?
Titik akses rasmi
Google menjadikan Gemini 3 Pro tersedia dalam pratonton merentas beberapa platform:
- Apl Gemini (pengguna / pengguna Pro): Model ini sedang dilancarkan dalam apl Gemini sebagai sebahagian daripada pelancaran era “Gemini 3”.
- Google AI Studio / Gemini Developer API: Pembangun boleh bereksperimen melalui AI Studio dan Gemini Developer API. API ini mempunyai antara muka REST dan SDK serta menyokong ciri lanjutan seperti function calling dan penstriman.
- Vertex AI (Google Cloud): Perusahaan dan pasukan boleh mengakses Gemini 3 Pro melalui Vertex AI untuk aliran kerja pengeluaran dan MLOps. Vertex menyokong contoh Python, Node, Java, Go, dan curl.
- Third-party integrations (CometAPI): CometAPI menyediakan akses kepada API Gemini 3 Pro, dengan nama panggilan ialah gemini-3-pro-preview. CometAPI menawarkan harga yang jauh lebih rendah daripada harga rasmi untuk membantu anda melakukan integrasi.
Quickstart: Contoh Python (corak SDK rasmi)
Di bawah ialah contoh Python minimum dan praktikal yang diadaptasi daripada quickstart Gemini Google yang menunjukkan cara memanggil Gemini API melalui klien GenAI Google. Gantikan GEMINI_API_KEY dengan kunci API anda yang diperoleh daripada Google AI Studio atau projek GCP anda.
# Example: call Gemini 3 Pro Preview using Google GenAI Python SDK
# Requires: pip install google-generativeai
import os
from google import genai
# Set API key in environment:
# export GEMINI_API_KEY="YOUR_API_KEY"
client = genai.Client() # client picks up GEMINI_API_KEY from env
# Use the preview model identifier. The exact model ID may vary; use the ID listed in the API docs.
model_id = "gemini-3-pro-preview" # or "gemini-3-pro" depending on availability
prompt = """
You are an assistant that writes a short Python function to fetch JSON from a URL,
handle HTTP errors, and return parsed JSON or None on failure.
"""
resp = client.models.generate_content(model=model_id, contents=prompt)
print("MODEL RESPONSE:\n", resp.text)
Jika anda memilih CometAPI, gantikan url dengan https://api.cometapi.com/v1/chat/completions dan key dengan kunci yang anda peroleh daripada CometAPI.
Cara mendapatkan hasil terbaik — corak prompt dan petua
Gunakan mod “thinking” untuk masalah sukar
Jika anda sedang menyelesaikan penaakulan progresif atau tugasan matematik/kod yang kompleks, aktifkan varian “thinking” pratonton (jika tersedia) — ia memperuntukkan lebih banyak langkah penaakulan dalaman dan selalunya menghasilkan penyelesaian yang lebih boleh dipercayai untuk tugasan berbilang peringkat. Semak nama model untuk akhiran -thinking dalam konsol.
Function calling & orkestrasi alatan
Gunakan fungsi yang diisytiharkan (function calling Vertex AI/GenAI) untuk output berstruktur yang boleh dipercayai dan untuk mengurangkan halusinasi. Biarkan model mencadangkan panggilan fungsi dan laksanakannya secara deterministik dalam persekitaran anda. Dokumentasi function calling menyertakan contoh untuk mengembalikan argumen JSON bertip yang boleh anda jalankan dengan selamat.
Grounding apabila anda memerlukan fakta terkini
Jika aplikasi anda bergantung pada fakta web semasa, gunakan web grounding tetapi perhatikan kos prompt berasaskan grounding dan had kadar. Grounding sangat berkuasa — ia membolehkan Gemini membuat pertanyaan ke Search atau Maps — tetapi setiap prompt berasaskan grounding mungkin mengubah ciri pengebilan dan kependaman anda.
Bagaimana Gemini 3 Pro menonjol dalam tugasan dunia sebenar (kes penggunaan)
Penjanaan kod & produktiviti pembangun
Gemini 3 Pro menambah baik penaakulan berbilang fail, konteks repositori panjang, dan sintesis ujian/dokumentasi bersama kod. Dipadankan dengan function calling dan ejen terminal, ia boleh merangka dan mengesahkan projek bersaiz sederhana dengan lebih pantas berbanding model lama. Ujian komuniti menunjukkan skor pengekodan LiveCodeBench/Elo yang lebih tinggi.
Penyelidikan & aliran kerja STEM
Keupayaan Deep Think model ini dan bajet penaakulan yang lebih besar menjadikannya sangat sesuai untuk tugasan penyelidikan yang memerlukan terbitan matematik berbilang langkah, sintesis set data, atau peringkasan kertas kerja berbilang fail. Keputusan penanda aras awal meletakkannya di atau hampir di tangga teratas untuk banyak set data STEM.
Reka bentuk kandungan, aliran kerja kreatif multimodal
Output multimodal Gemini 3 Pro dan integrasinya dengan Veo/Whisk/Flow menjadikannya pilihan kukuh untuk aliran kerja yang menggabungkan teks, imej, dan video — daripada papan cerita pemasaran hingga draf video automatik. Google membundel alatan pencipta tertentu dalam AI Ultra untuk pencipta yang mahukan had tertinggi.
Kesimpulan: adakah Gemini 3 Pro mengatasi model lain?
Gemini 3 Pro Preview ialah satu langkah besar ke hadapan. Dalam pelbagai penanda aras dan dalam ujian dunia sebenar awal, ia kerap mendahului atau setanding dengan model terbaik yang tersedia pada penghujung 2025, terutamanya dalam:
- Penaakulan kompleks (matematik / STEM)
- Pemahaman dan sintesis multimodal
- Aliran kerja agentik dan function calling
Walau bagaimanapun, jurangnya berbeza mengikut tugasan. Untuk sesetengah tugasan yang dirangka secara sempit (gaya penulisan kreatif tertentu, atau pengetahuan domain yang sangat khusus), model pesaing lain masih boleh menjadi setanding atau lebih sesuai bergantung pada kos/kependaman dan keserasian ekosistem. Penanda aras dan skor bocor menunjukkan Gemini 3 Pro sering berada pada peringkat tertinggi, tetapi “mengatasi sepenuhnya” bergantung pada tugasan — bagi banyak kes penggunaan perusahaan dan pembangun, Gemini 3 Pro kini merupakan model pertama yang wajar dinilai.
Cara bermula dengan CometAPI
CometAPI ialah platform API bersatu yang menghimpunkan lebih 500 model AI daripada penyedia terkemuka—seperti siri GPT OpenAI, Gemini Google, Claude Anthropic, Midjourney, Suno, dan banyak lagi—ke dalam satu antara muka yang mesra pembangun. Dengan menawarkan pengesahan, pemformatan permintaan, dan pengendalian respons yang konsisten, CometAPI memudahkan integrasi keupayaan AI ke dalam aplikasi anda dengan ketara. Sama ada anda sedang membina chatbot, penjana imej, penggubah muzik, atau saluran paip analitik berasaskan data, CometAPI membolehkan anda beriterasi dengan lebih pantas, mengawal kos, dan kekal vendor-agnostik—sambil memanfaatkan penemuan terkini merentas ekosistem AI.
Pembangun boleh mengakses Gemini 3 Pro Preview API melalui CometAPI. Untuk bermula, terokai keupayaan model CometAPI dalam Playground dan rujuk panduan API untuk arahan terperinci. Sebelum mengakses, sila pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga yang jauh lebih rendah daripada harga rasmi untuk membantu anda melakukan integrasi.
Sedia untuk bermula?→ Daftar untuk CometAPI hari ini !
Jika anda ingin mengetahui lebih banyak petua, panduan dan berita tentang AI, ikuti kami di VK, X dan Discord!