Home/Models/Google/Gemini 3 Pro
G

Gemini 3 Pro

Masukan:$1.6/M
Keluaran:$9.6/M
Konteks:200.0k
Keluaran Maksimum:200.0k
Gemini 3 Pro ialah model serba guna dalam keluarga Gemini, tersedia dalam pratonton untuk penilaian dan pemprototipan. Ia menyokong pematuhan arahan, penaakulan berbilang giliran, serta tugasan kod dan data, dengan output berstruktur dan panggilan alat/fungsi untuk pengautomatan aliran kerja. Penggunaan lazim termasuk pembantu sembang, pemeringkasan dan penulisan semula, QA diperkukuh dengan pengambilan semula, pengekstrakan data, serta bantuan pengkodan ringan merentas aplikasi dan perkhidmatan. Sorotan teknikal merangkumi penyebaran berasaskan API, respons penstriman, kawalan keselamatan, dan kesediaan integrasi, dengan keupayaan multimodal bergantung pada konfigurasi pratonton.
Baru
Penggunaan komersial
Playground
Gambaran Keseluruhan
Ciri-ciri
Harga
API
Versi

Gemini 3 Pro (Preview) ialah model penaakulan multimodal terbaharu peringkat perdana dalam keluarga Gemini 3 oleh Google/DeepMind. Ia diposisikan sebagai “model paling pintar mereka setakat ini,” direka untuk penaakulan mendalam, aliran kerja agentik, pengekodan lanjutan, dan pemahaman multimodal berkonteks panjang (teks, imej, audio, video, kod dan integrasi alat).

Ciri utama

  • Modality: Teks, imej, video, audio, PDF (dan output alat berstruktur).
  • Agentic/tooling: Panggilan fungsi terbina, carian-sebagai-alat, pelaksanaan kod, konteks URL, dan sokongan untuk mengorkestrasi ejen berbilang langkah. Mekanisme tandatangan pemikiran mengekalkan penaakulan berbilang langkah merentas panggilan.
  • Pengekodan & “vibe coding”: Dioptimumkan untuk penjanaan front-end, penjanaan UI interaktif, dan pengekodan agentik (mendahului papan kedudukan berkaitan yang dilaporkan oleh Google). Dipasarkan sebagai model “vibe-coding” terkuat mereka setakat ini.
  • Kawalan pembangun baharu: thinking_level (low|high) untuk menukar kos/kependaman berbanding kedalaman penaakulan, dan media_resolution mengawal fideliti multimodal bagi setiap imej atau bingkai video. Ini membantu mengimbangi prestasi, kependaman dan kos.

Prestasi penanda aras

  • Gemini3Pro meraih tempat pertama dalam LMARE dengan skor 1501, mengatasi 1484 mata Grok-4.1-thinking dan turut mendahului Claude Sonnet 4.5 serta Opus 4.1.
  • Ia juga meraih tempat pertama dalam arena pengaturcaraan WebDevArena dengan skor 1487.
  • Dalam Humanity’s Last Exam (academic reasoning), ia mencapai 37.5% (tanpa alat); dalam GPQA Diamond (sains), 91.9%; dan dalam MathArena Apex (matematik), 23.4%, menetapkan rekod baharu.
  • Dalam keupayaan multimodal, MMMU-Pro mencapai 81%; dan dalam pemahaman video Video-MMMU, 87.6%.

Perincian teknikal & seni bina

  • Parameter “thinking level”: Gemini 3 mendedahkan kawalan thinking_level yang membolehkan pembangun menukar kedalaman penaakulan dalaman berbanding kependaman/kos. Model memperlakukan thinking_level sebagai peruntukan relatif untuk penaakulan dalaman berbilang langkah dan bukannya jaminan token yang ketat. Lalai biasanya high untuk Pro. Ini ialah kawalan baharu yang eksplisit bagi pembangun untuk melaras perancangan berbilang langkah dan kedalaman chain-of-thought.
  • Output berstruktur & alat: Model menyokong output JSON berstruktur dan boleh digabungkan dengan alat terbina (Google Search grounding, konteks URL, pelaksanaan kod, dsb.). Beberapa ciri output berstruktur+alat adalah khusus pratonton untuk gemini-3-pro-preview.
  • Integrasi multimodal dan agentik: Gemini 3 Pro dibina secara eksplisit untuk aliran kerja agentik (alat + berbilang ejen merentas kod/terminal/pelayar).

Had & kaveat yang diketahui

  1. Faktualiti tidak sempurna — halusinasi masih mungkin. Walaupun Google mendakwa peningkatan faktualiti yang kukuh, pengesahan berpaksikan sumber dan semakan manusia masih perlu dalam situasi berisiko tinggi (perundangan, perubatan, kewangan).
  2. Prestasi konteks panjang berbeza mengikut tugas. Sokongan untuk tetingkap input 1M ialah keupayaan teras, tetapi keberkesanan empirikal boleh menurun pada sesetengah penanda aras pada panjang ekstrem (penurunan titik demi titik diperhatikan pada 1M bagi sesetengah ujian konteks panjang).
  3. Pertukaran kos & kependaman. Konteks besar dan tetapan thinking_level lebih tinggi meningkatkan pengiraan, kependaman dan kos; harga berperingkat dikenakan berdasarkan volum token. Gunakan thinking_level dan strategi penggugusan untuk mengurus kos.
  4. Keselamatan & penapis kandungan. Google terus menerapkan dasar keselamatan dan lapisan penyederhanaan; kandungan dan tindakan tertentu kekal terhad atau akan mencetuskan mod penolakan.

Perbandingan aras tinggi (pratonton → kualitatif):

Menentang Gemini 2.5 Pro: Peningkatan besar dalam penaakulan, penggunaan alat agentik, dan integrasi multimodal; pemegangan konteks jauh lebih besar dan pemahaman bentuk panjang yang lebih baik. DeepMind menunjukkan peningkatan konsisten merentas penaakulan akademik, pengekodan, dan tugas multimodal.

Menentang GPT-5.1 dan Claude Sonnet 4.5 (seperti dilaporkan): Pada set penanda aras Google/DeepMind, Gemini 3 Pro dibentangkan sebagai mendahului pada beberapa metrik agentik, multimodal, dan konteks panjang (lihat Terminal-Bench, MMMU-Pro, AIME). Keputusan perbandingan berbeza mengikut tugas.

Kes penggunaan tipikal dan bernilai tinggi

  • Peringkasan dokumen / buku berskala besar & Q&A: sokongan konteks panjang menjadikannya menarik untuk pasukan perundangan, penyelidikan, dan pematuhan.
  • Pemahaman & penjanaan kod pada skala repositori: integrasi dengan rantaian alat pengekodan dan penaakulan yang dipertingkat membantu pemfaktoran asas kod besar dan aliran kerja semakan kod automatik.
  • Pembantu produk multimodal: aliran kerja imej + teks + audio (khidmat pelanggan yang menerima tangkapan skrin, petikan panggilan, dan dokumen).
  • Penjanaan & penyuntingan media (foto → video): ciri keluarga Gemini terdahulu kini merangkumi keupayaan foto→video gaya Veo / Flow; pratonton mencadangkan penjanaan multimedia lebih mendalam untuk prototaip dan aliran kerja media.

Cara mengakses API Gemini 3 Pro

Langkah 1: Daftar untuk Kunci API

Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke CometAPI console. Dapatkan kelayakan akses kunci API antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kunci token: sk-xxxxx dan hantar.

kunci CometAPI

Langkah 2: Hantar Permintaan ke API Gemini 3 Pro

Pilih endpoint “gemini-3-pro” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dokumen API laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda. base url ialah Gemini Generating Content dan Chat

Masukkan soalan atau permintaan anda ke dalam medan content—ini yang akan dijawab oleh model. Proses respons API untuk mendapatkan jawapan yang dijana.

Langkah 3: Dapatkan dan Sahkan Keputusan

Proses respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API membalas dengan status tugas dan data output.

Soalan Lazim

What is the context window and output limit for Gemini 3 Pro?

Apakah tetingkap konteks dan had output untuk Gemini 3 Pro?

How does the thinking_level parameter work in Gemini 3 Pro?

Bagaimanakah parameter thinking_level berfungsi dalam Gemini 3 Pro?

Does Gemini 3 Pro support Google Search grounding?

Adakah Gemini 3 Pro menyokong Google Search grounding?

What makes Gemini 3 Pro different from Gemini 2.5 Pro?

Apakah yang membezakan Gemini 3 Pro daripada Gemini 2.5 Pro?

Can Gemini 3 Pro combine structured outputs with built-in tools?

Bolehkah Gemini 3 Pro menggabungkan output berstruktur dengan alat terbina dalam?

Why should I keep temperature at 1.0 for Gemini 3 Pro?

Mengapakah saya perlu mengekalkan temperature pada 1.0 untuk Gemini 3 Pro?

What are thought signatures and why are they important?

Apakah thought signatures dan mengapakah ia penting?

Ciri-ciri untuk Gemini 3 Pro

ID model (pratonton): `gemini-3-pro-preview`. Jenis input: Teks, Imej, Video, Audio, PDF. Output: Teks Had konteks / token: Input ≈ 1,048,576 token; Output ≤ 65,536 token. Had pengetahuan:Januari 2025 (menggunakan Search Grounding untuk maklumat yang lebih baharu). Keupayaan (terpilih): panggilan fungsi, pelaksanaan kod, carian fail, output berstruktur, search grounding. Tidak disokong: penjanaan audio, penjanaan imej, API langsung, segmentasi imej, Google Maps grounding (sesetengah ciri berbeza daripada Gemini 2.5).

Harga untuk Gemini 3 Pro

Terokai harga yang kompetitif untuk Gemini 3 Pro , direka bentuk untuk memenuhi pelbagai bajet dan keperluan penggunaan. Pelan fleksibel kami memastikan anda hanya membayar untuk apa yang anda gunakan, menjadikannya mudah untuk meningkatkan skala apabila keperluan anda berkembang. Temui bagaimana Gemini 3 Pro boleh meningkatkan projek anda sambil mengekalkan kos yang terurus.

gemini-3-pro (same price across variants shown)

Model familyVariant (model name)Input price (USD / 1M tokens)Output price (USD / 1M tokens)
gemini-3-progemini-3-pro-preview$1.60$9.60
gemini-3-progemini-3-pro-preview-thinking$1.60$9.60
gemini-3-progemini-3-pro-all$1.60$9.60

Kod contoh dan API untuk Gemini 3 Pro

Gemini 3 Pro ialah model penaakulan multimodal unggulan terbaharu Google/DeepMind dalam keluarga Gemini 3. Ia diposisikan sebagai “model paling pintar mereka setakat ini,” direka untuk penaakulan mendalam, aliran kerja ejenik, pengekodan lanjutan, dan pemahaman multimodal berkonteks panjang (teks, imej, audio, video, kod dan integrasi alat).
Python
JavaScript
Curl
from google import genai
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

response = client.models.generate_content(
    model="gemini-3-pro-preview",
    contents="Explain how AI works in a few words",
)

print(response.text)

Versi Gemini 3 Pro

Sebab Gemini 3 Pro mempunyai berbilang snapshot mungkin merangkumi faktor berpotensi seperti variasi output selepas kemas kini yang memerlukan snapshot lama untuk konsistensi, menyediakan tempoh peralihan untuk penyesuaian dan migrasi kepada pembangun, serta snapshot berbeza yang sepadan dengan endpoint global atau serantau untuk mengoptimumkan pengalaman pengguna. Untuk perbezaan terperinci antara versi, sila rujuk dokumentasi rasmi.
ID modelPeneranganKetersediaanPermintaan
gemini-3-pro-allTeknologi yang digunakan adalah tidak rasmi dan penjanaannya tidak stabil dan sebagainya✅Chat format
gemini-3-proDisyorkan, merujuk kepada model terkini❌Gemini Generating Content
gemini-3-pro-previewPratonton rasmi❌Gemini Generating Content

Lebih Banyak Model