API เวอร์ชันพรีวิวของ Gemini 3 Pro

Gemini 3 Pro (Preview) คือโมเดลเหตุผลแบบมัลติโหมดเรือธงรุ่นล่าสุดของ Google/DeepMind ในตระกูล Gemini 3 จัดวางตำแหน่งเป็น “โมเดลที่ฉลาดที่สุดของพวกเขาในปัจจุบัน” ออกแบบมาสำหรับการให้เหตุผลเชิงลึก เวิร์กโฟลว์แบบเอเจนต์ การเขียนโค้ดขั้นสูง และความเข้าใจมัลติโหมดบริบทยาว (ข้อความ รูปภาพ เสียง วิดีโอ โค้ด และการผสานเครื่องมือ)

คุณสมบัติสำคัญ

• รูปแบบสื่อ: ข้อความ รูปภาพ วิดีโอ เสียง ไฟล์ PDF (และเอาต์พุตของเครื่องมือแบบมีโครงสร้าง)
• เอเจนต์/เครื่องมือ: การเรียกใช้ฟังก์ชันในตัว การค้นหาเป็นเครื่องมือ การรันโค้ด คอนเท็กซ์จาก URL และรองรับการประสานงานเอเจนต์หลายขั้นตอน กลไก thought-signature ช่วยคงเหตุผลหลายขั้นตอนข้ามการเรียกใช้งาน
• การเขียนโค้ดและ “vibe coding”: ปรับให้เหมาะกับการสร้างส่วนหน้า (front-end) การสร้าง UI แบบโต้ตอบ และการโค้ดแบบเอเจนต์ (ติดอันดับสูงสุดในลีดเดอร์บอร์ดที่ Google รายงาน) มีการทำการตลาดว่าเป็นโมเดล “vibe-coding” ที่แข็งแกร่งที่สุดของพวกเขาจนถึงตอนนี้
• การควบคุมใหม่สำหรับนักพัฒนา: thinking_level (low|high) เพื่อแลกเปลี่ยนระหว่างต้นทุน/ความหน่วงกับความลึกของการให้เหตุผล และ media_resolution เพื่อควบคุมความคมชัดมัลติโหมดต่อภาพหรือเฟรมวิดีโอ ช่วยบาลานซ์ประสิทธิภาพ ความหน่วง และต้นทุน

ผลการทดสอบมาตรฐาน

• Gemini3Pro คว้าอันดับหนึ่งใน LMARE ด้วยคะแนน 1501 แซงหน้า Grok-4.1-thinking ที่ 1484 คะแนน และนำหน้า Claude Sonnet 4.5 และ Opus 4.1
• ได้อันดับหนึ่งในสนามแข่งเขียนโปรแกรม WebDevArena ด้วยคะแนน 1487
• ใน Humanity’s Last Exam ด้านการให้เหตุผลเชิงวิชาการ ทำได้ 37.5% (โดยไม่ใช้เครื่องมือ); ใน GPQA Diamond ด้านวิทยาศาสตร์ ทำได้ 91.9%; และใน MathArena Apex การแข่งขันคณิตศาสตร์ ทำได้ 23.4% ทำสถิติใหม่
• ในความสามารถมัลติโหมด บน MMMU-Pro ทำได้ 81%; และในการทำความเข้าใจวิดีโอของ Video-MMMU ทำได้ 87.6%

รายละเอียดทางเทคนิคและสถาปัตยกรรม

• พารามิเตอร์ “thinking level”: Gemini 3 เปิดเผยตัวควบคุม thinking_level ที่ให้ผู้พัฒนาปรับสมดุลความลึกของการให้เหตุผลภายในกับความหน่วง/ต้นทุน โมเดลตีความ thinking_level เป็นงบประมาณเชิงสัมพัทธ์สำหรับการให้เหตุผลแบบหลายขั้นตอนภายใน มากกว่าจะเป็นการรับประกันโทเคนแบบเข้มงวด ค่าเริ่มต้นของรุ่น Pro มักเป็น high นี่เป็นตัวควบคุมใหม่ที่ชัดเจนสำหรับปรับความลึกของการวางแผนหลายขั้นตอนและห่วงโซ่การคิด
• เอาต์พุตแบบมีโครงสร้างและเครื่องมือ: โมเดลรองรับเอาต์พุต JSON แบบมีโครงสร้าง และสามารถผสานกับเครื่องมือในตัว (การยึดโยงกับ Google Search คอนเท็กซ์จาก URL การรันโค้ด ฯลฯ) บางฟีเจอร์เอาต์พุตเชิงโครงสร้าง+เครื่องมือมีเฉพาะในพรีวิวของ gemini-3-pro-preview
• การผสานมัลติโหมดและเอเจนต์: Gemini 3 Pro ถูกสร้างมาเพื่อเวิร์กโฟลว์แบบเอเจนต์โดยเฉพาะ (เครื่องมือ + หลายเอเจนต์บนโค้ด/เทอร์มินัล/เบราว์เซอร์)
• รองรับอินพุตเป็นข้อความ รูปภาพ วิดีโอ เสียง และ PDF; เอาต์พุตเป็นข้อความ

ข้อจำกัดและข้อควรระวังที่ทราบ

1. ความถูกต้องของข้อเท็จจริงยังไม่สมบูรณ์ — ยังมีโอกาสเกิดฮัลลูซิเนชัน แม้ Google จะระบุว่ามีการปรับปรุงความถูกต้อง แต่ในกรณีเดิมพันสูง (กฎหมาย การแพทย์ การเงิน) ยังจำเป็นต้องมีการตรวจสอบอิงหลักฐานและการทวนสอบโดยมนุษย์
2. ประสิทธิภาพบริบทยาวขึ้นกับงาน แม้รองรับหน้าต่างอินพุต 1M เป็นความสามารถเชิงโครงสร้าง แต่ประสิทธิผลเชิงประจักษ์อาจลดลงบนบางเบนช์มาร์กเมื่อยาวสุดขีด (พบการลดลงแบบจุดที่ 1M ในบางการทดสอบบริบทยาว)
3. การแลกเปลี่ยนต้นทุนและความหน่วง บริบทที่ใหญ่และการตั้งค่า thinking_level สูงจะเพิ่มการคำนวณ ความหน่วง และต้นทุน; มีบัตรราคาตามปริมาณโทเคน ใช้ thinking_level และกลยุทธ์การแบ่งเป็นชิ้นเพื่อบริหารต้นทุน
4. นโยบายความปลอดภัยและตัวกรองเนื้อหา Google ยังคงใช้ชั้นนโยบายความปลอดภัย/การกลั่นกรอง; เนื้อหาหรือการกระทำบางอย่างยังถูกจำกัดหรือจะทริกเกอร์โหมดปฏิเสธ

Gemini 3 Pro Preview เทียบกับโมเดลระดับท็อปอื่นอย่างไร

ภาพรวมระดับสูง (พรีวิว → เชิงคุณภาพ):

เมื่อเทียบกับ Gemini 2.5 Pro: มีการปรับปรุงแบบก้าวกระโดดด้านการให้เหตุผล การใช้เครื่องมือเชิงเอเจนต์ และการผสานมัลติโหมด; รองรับบริบทขนาดใหญ่ขึ้นและเข้าใจงานยาวได้ดีขึ้น DeepMind แสดงให้เห็นการเติบโตอย่างสม่ำเสมอในงานให้เหตุผลเชิงวิชาการ การเขียนโค้ด และงานมัลติโหมด

เมื่อเทียบกับ GPT-5.1 และ Claude Sonnet 4.5 (ตามที่รายงาน): บนชุดเบนช์มาร์กของ Google/DeepMind นำเสนอว่า Gemini 3 Pro นำหน้าบนเมตริกหลายด้านของเอเจนต์ มัลติโหมด และบริบทยาว (ดู Terminal-Bench, MMMU-Pro, AIME) ผลเปรียบเทียบจะแตกต่างกันไปตามงาน

---

กรณีใช้งานทั่วไปและมูลค่าสูง

• สรุป/ถามตอบเอกสารหรือหนังสือขนาดใหญ่: การรองรับบริบทยาวทำให้เหมาะกับทีมกฎหมาย งานวิจัย และคอมพลายแอนซ์
• ความเข้าใจและการสร้างโค้ดในสเกลระดับรีโป: การผสานกับทูลเชนการโค้ดและการให้เหตุผลที่ดีขึ้นช่วยรีแฟกเตอร์โค้ดเบสขนาดใหญ่และทำเวิร์กโฟลว์โค้ดรีวิวอัตโนมัติ
• ผู้ช่วยผลิตภัณฑ์แบบมัลติโหมด: เวิร์กโฟลว์ภาพ + ข้อความ + เสียง (ซัพพอร์ตลูกค้าที่รับสกรีนช็อต คลิปเสียงสนทนา และเอกสาร)
• การสร้างและตัดต่อมีเดีย (photo → video): ความสามารถ photo→video สไตล์ Veo / Flow จากตระกูล Gemini รุ่นก่อน ขณะพรีวิวบ่งชี้การสร้างมัลติมีเดียที่ลึกขึ้นสำหรับต้นแบบและเวิร์กโฟลว์สื่อ

วิธีเรียกใช้ API gemini-3-pro-preview จาก CometAPI

ราคา Gemini 3 Pro Preview ใน CometAPI ลด 20% จากราคาทางการ：

ขั้นตอนที่ต้องทำ

• ล็อกอินที่ cometapi.com หากคุณยังไม่เป็นผู้ใช้ของเรา โปรดลงทะเบียนก่อน
• ลงชื่อเข้าใช้ คอนโซล CometAPI
• รับคีย์ API สิทธิ์เข้าถึงอินเทอร์เฟซ คลิก “Add Token” ที่ส่วน API token ในศูนย์ส่วนบุคคล รับคีย์โทเคน: sk-xxxxx แล้วส่ง

วิธีการใช้งาน

1. เลือกเอ็นด์พอยต์ “gemini-3-pro-preview” เพื่อส่งคำขอ API และกำหนด request body วิธีและโครงสร้างคำขอสามารถดูได้จากเอกสาร API บนเว็บไซต์ของเรา และมีการทดสอบผ่าน Apifox เพื่อความสะดวก
2. แทนที่ <YOUR_API_KEY> ด้วยคีย์ CometAPI จริงจากบัญชีของคุณ
3. ใส่คำถามหรือคำขอของคุณลงในฟิลด์ content — โมเดลจะตอบกลับตามสิ่งนี้
4. . ประมวลผลการตอบกลับของ API เพื่อรับคำตอบที่สร้างขึ้น

CometAPI จัดให้มี REST API ที่เข้ากันได้อย่างเต็มรูปแบบ — เพื่อการย้ายใช้งานอย่างไร้รอยต่อ รายละเอียดสำคัญสำหรับ Chat :

• Base URL: v1/chat/completions
• Model Names: gemini-3-pro-preview
• Authentication: Bearer YOUR_CometAPI_API_KEY header
• Content-Type: application/json .

ดูเพิ่มเติม GPT-5.1 API