Gemini 3 Pro (Preview) er Google/DeepMind sin nyeste flaggskipmodell for multimodalt resonnement i Gemini 3-familien. Den posisjoneres som deres «mest intelligente modell til nå», designet for dypt resonnement, agentbaserte arbeidsflyter, avansert koding og multimodal forståelse med lang kontekst (tekst, bilder, lyd, video, kode og verktøyintegrasjoner).
Nøkkelfunksjoner
- Modaliteter: Tekst, bilde, video, lyd, PDF-er (og strukturerte verktøyutdata).
- Agentbasert/verktøy: Innebygd funksjonskalling, søk som verktøy, kodekjøring, URL-kontekst og støtte for å orkestrere flerstegsagenter. Mekanismen for «thought-signature» bevarer flerstegsresonnement på tvers av kall.
- Koding og «vibe coding»: Optimalisert for generering av front-end, interaktiv UI-generering og agentbasert koding (den topper relevante resultatlister rapportert av Google). Den markedsføres som deres sterkeste «vibe-coding»-modell til nå.
- Nye utviklerkontroller:
thinking_level(low|high) for å avveie kostnad/latens mot resonnementdybde, ogmedia_resolutionstyrer multimodal trofasthet per bilde eller videoramme. Disse hjelper med å balansere ytelse, latens og kostnad.
Benchmark-ytelse
- Gemini3Pro oppnådde førsteplass i LMARE med en score på 1501, og overgikk Grok-4.1-thinking (1484 poeng), og ligger også foran Claude Sonnet 4.5 og Opus 4.1.
- Den oppnådde også førsteplass i programmeringsarenaen WebDevArena med en score på 1487.
- I Humanity’s Last Exam innen akademisk resonnement oppnådde den 37.5% (uten verktøy); i GPQA Diamond innen science 91.9%; og i MathArena Apex mattekonkurransen 23.4%, og satte ny rekord.
- For multimodale kapasiteter oppnådde MMMU-Pro 81%; og i Video-MMMU videoforståelse 87.6%.
Tekniske detaljer og arkitektur
- Parameter for «thinking level»: Gemini 3 tilbyr en
thinking_level-kontroll som lar utviklere avveie dybden i internt resonnement mot latens/kostnad. Modellen tolkerthinking_levelsom en relativ tillatelse for internt flerstegsresonnement snarere enn en strikt token-garanti. Standard er vanligvishighfor Pro. Dette er en eksplisitt ny kontroll for utviklere for å justere flerstegsplanlegging og dybden i kjede av tanker. - Strukturerte utdata og verktøy: Modellen støtter strukturerte JSON-utdata og kan kombineres med innebygde verktøy (Google Search grounding, URL-kontekst, kodekjøring osv.). Noen funksjoner for strukturerte utdata + verktøy er kun i forhåndsvisning for
gemini-3-pro-preview. - Multimodale og agentbaserte integrasjoner: Gemini 3 Pro er eksplisitt bygget for agentbaserte arbeidsflyter (verktøy + flere agenter over kode/terminaler/nettleser).
Begrensninger og kjente forbehold
- Ikke perfekt faktisitet — hallusinasjoner er fortsatt mulig. Til tross for sterke forbedringer i faktisitet som Google hevder, er forankret verifisering og menneskelig gjennomgang fortsatt nødvendig i høyinnsats-sammenhenger (juridisk, medisinsk, finans).
- Ytelse på lang kontekst varierer per oppgave. Støtte for et 1M inngangsvindu er en fast kapasitet, men den empiriske effektiviteten kan falle på noen benchmarker ved ekstreme lengder (observerte punktvise nedganger ved 1M på noen lang-kontekst-tester).
- Kompromisser mellom kostnad og latens. Store kontekster og høyere
thinking_level-innstillinger øker beregningsbehov, latens og kostnader; prisnivåer gjelder basert på token-volumer. Brukthinking_levelog chunking-strategier for å håndtere kostnader. - Sikkerhet og innholdsfiltre. Google fortsetter å bruke sikkerhetsretningslinjer og modereringslag; bestemt innhold og handlinger forblir begrenset eller vil utløse avslagsmoduser.
Hvordan Gemini 3 Pro Preview sammenlignes med andre toppmodeller
Sammenligning på høyt nivå (preview → kvalitativ):
Sammenlignet med Gemini 2.5 Pro: Markante forbedringer i resonnement, agentbasert verktøybruk og multimodal integrasjon; mye større konteksthåndtering og bedre forståelse av lange formater. DeepMind viser konsistente gevinster på tvers av akademisk resonnement, koding og multimodale oppgaver.
Sammenlignet med GPT-5.1 og Claude Sonnet 4.5 (ifølge rapporter): På Google/DeepMind sin benchmark-oversikt presenteres Gemini 3 Pro som ledende på flere agentbaserte, multimodale og lang-kontekst-metrikker (se Terminal-Bench, MMMU-Pro, AIME). Sammenlignende resultater varierer per oppgave.
Typiske og høyverdige bruksområder
- Oppsummering av store dokumenter/bøker og Q&A: støtte for lang kontekst gjør det attraktivt for juridiske team, forskningsteam og etterlevelsesteam.
- Forståelse og generering av kode i repo-skala: integrasjon med kodeverktøykjeder og forbedret resonnement hjelper ved refaktorering av store kodebaser og automatiserte arbeidsflyter for kodegjennomgang.
- Multimodale produktassistenter: arbeidsflyter med bilde + tekst + lyd (kundestøtte som tar inn skjermbilder, samtaleutdrag og dokumenter).
- Mediegenerering og -redigering (foto → video): tidligere funksjoner i Gemini-familien inkluderer nå foto→video-kapasiteter i Veo/Flow-stil; forhåndsvisningen antyder dypere multimediegenerering for prototyper og mediaarbeidsflyter.