Gemini 3 Pro (Preview) ، Google/DeepMind کا Gemini 3 فیملی میں جدید ترین فلیگ شپ ملٹی موڈل ریزننگ ماڈل ہے۔ اسے ان کا “اب تک کا سب سے ذہین ماڈل” پوزیشن کیا گیا ہے، جو گہری استدلال، ایجینٹک ورک فلو، ایڈوانسڈ کوڈنگ، اور طویل سیاق و سباق والی ملٹی موڈل سمجھ (متن، تصاویر، آڈیو، ویڈیو، کوڈ اور ٹول انٹیگریشنز) کے لیے ڈیزائن کیا گیا ہے۔
کلیدی خصوصیات
- موڈیلٹیز: متن، تصویر، ویڈیو، آڈیو، PDFs (اور مرتب شدہ ٹول آؤٹ پٹس)۔
- ایجینٹک/ٹوولنگ: بلٹ اِن فنکشن کالنگ، تلاش بطور ٹول، کوڈ ایکزیکیوشن، URL کانٹیکسٹ، اور ملٹی اسٹیپ ایجنٹس کے آرکسٹریشن کی سپورٹ۔ Thought-signature میکانزم کالز کے درمیان کثیرالمرحلہ استدلال کو برقرار رکھتا ہے۔
- کوڈنگ اور “vibe coding”: فرنٹ اینڈ جنریشن، انٹرایکٹو UI جنریشن، اور ایجینٹک کوڈنگ کے لیے بہتر بنایا گیا (Google کے مطابق متعلقہ لیڈر بورڈز میں سرفہرست)۔ اسے ان کا اب تک کا سب سے مضبوط “vibe-coding” ماڈل قرار دیا جا رہا ہے۔
- نئے ڈویلپر کنٹرولز:
thinking_level(low|high) جو لاگت/لیٹنسی اور استدلال کی گہرائی کے درمیان توازن قائم کرنے دیتا ہے، اورmedia_resolutionجو ہر تصویر یا ویڈیو فریم کی ملٹی موڈل فیڈیلیٹی کو کنٹرول کرتا ہے۔ یہ کارکردگی، لیٹنسی، اور لاگت میں توازن میں مدد دیتے ہیں۔
بینچ مارک کارکردگی
- Gemini3Pro نے LMARE میں 1501 اسکور کے ساتھ پہلی پوزیشن حاصل کی، Grok-4.1-thinking کے 1484 پوائنٹس سے آگے، اور Claude Sonnet 4.5 اور Opus 4.1 پر بھی برتری حاصل کی۔
- WebDevArena پروگرامنگ ایرینا میں بھی 1487 اسکور کے ساتھ پہلی پوزیشن حاصل کی۔
- Humanity’s Last Exam تعلیمی استدلال میں 37.5% (بغیر ٹولز)؛ GPQA Diamond سائنس میں 91.9%؛ اور MathArena Apex ریاضی مقابلے میں 23.4% حاصل کر کے نیا ریکارڈ قائم کیا۔
- ملٹی موڈل صلاحیتوں میں، MMMU-Pro پر 81%؛ اور Video-MMMU ویڈیو فہم میں 87.6% حاصل کیا۔
تکنیکی تفصیلات اور معماری
- “Thinking level” پیرامیٹر: Gemini 3
thinking_levelکنٹرول فراہم کرتا ہے جو ڈویلپرز کو داخلی کثیرالمرحلہ استدلال کی گہرائی کے مقابل لاگت/لیٹنسی کا توازن قائم کرنے دیتا ہے۔ ماڈلthinking_levelکو سخت ٹوکن گارنٹی کے بجائے داخلی کثیرالمرحلہ استدلال کے لیے ایک نسبتی الاؤنس کے طور پر لیتا ہے۔ Pro کے لیے ڈیفالٹ عموماًhighہوتا ہے۔ یہ ڈویلپرز کے لیے کثیرالمرحلہ پلاننگ اور چین آف تھاٹ کی گہرائی کو ٹیون کرنے کا ایک صریح نیا کنٹرول ہے۔ - Structured outputs & tools: ماڈل مرتب شدہ JSON آؤٹ پٹس کی سپورٹ کرتا ہے اور بلٹ اِن ٹولز (Google Search گراؤنڈنگ، URL کانٹیکسٹ، کوڈ ایکزیکیوشن، وغیرہ) کے ساتھ ملایا جا سکتا ہے۔ بعض structured-output+tools خصوصیات صرف
gemini-3-pro-previewکے لیے پریویو میں ہیں۔ - ملٹی موڈل اور ایجینٹک انٹیگریشنز: Gemini 3 Pro کو واضح طور پر ایجینٹک ورک فلو (ٹوولنگ + کوڈ/ٹرمنلز/براؤزر پر متعدد ایجنٹس) کے لیے تیار کیا گیا ہے۔
- متن، تصویر، ویڈیو، آڈیو اور PDF ان پٹس قبول کرتا ہے؛ آؤٹ پٹ متن ہے۔
حدود اور معلوم احتیاطیں
- کامل حقیقت پسندی نہیں — ہیلوسینیشنز اب بھی ممکن ہیں۔ Google کے دعووں کے باوجود، اعلی اہمیت والے معاملات (قانونی، طبی، مالی) میں گراؤنڈڈ توثیق اور انسانی نظرِ ثانی ضروری رہتی ہے۔
- طویل سیاق و سباق کی کارکردگی کام کے لحاظ سے مختلف ہو سکتی ہے۔ 1M اِن پٹ ونڈو کی سپورٹ ایک حقیقی صلاحیت ہے، مگر انتہائی لمبائیوں پر بعض بینچ مارکس میں تجربی مؤثرّت کم ہو سکتی ہے (کچھ طویل سیاق و سباق ٹیسٹس میں 1M پر نقطہ وار کمی دیکھی گئی)۔
- لاگت اور لیٹنسی کے مابین سمجھوتے۔ بڑے کانٹیکسٹس اور زیادہ
thinking_levelسیٹنگز کمپیوٹ، لیٹنسی اور لاگت بڑھاتی ہیں؛ قیمت کے درجات ٹوکن والیوم پر مبنی ہیں۔ لاگت کے نظم کے لیےthinking_levelاور چنکنگ اسٹریٹیجیز استعمال کریں۔ - حفاظت اور مواد کے فلٹرز۔ Google حفاظتی پالیسیاں اور ماڈریشن لیئرز نافذ رکھتا ہے؛ بعض مواد اور اقدامات محدود رہیں گے یا انکار موڈز کو متحرک کریں گے۔
Gemini 3 Pro Preview دیگر اعلیٰ ماڈلز کے مقابلے میں
اعلی سطحی موازنہ (پریویو → کیفیاتی):
Gemini 2.5 Pro کے مقابل: استدلال، ایجینٹک ٹول استعمال، اور ملٹی موڈل انٹیگریشن میں نمایاں بہتری؛ کہیں زیادہ بڑے کانٹیکسٹ کو ہینڈل کرنا اور طویل فارم فہم بہتر۔ DeepMind تعلیمی استدلال، کوڈنگ، اور ملٹی موڈل ٹاسکس میں مسلسل بہتری دکھاتا ہے۔
GPT-5.1 اور Claude Sonnet 4.5 کے مقابل (جیسے رپورٹ کیا گیا): Google/DeepMind کے بینچ مارک سیٹ پر Gemini 3 Pro متعدد ایجینٹک، ملٹی موڈل، اور لانگ-کانٹیکسٹ میٹرکس (مثلاً Terminal-Bench، MMMU-Pro، AIME) میں برتری کے ساتھ پیش کیا گیا ہے۔ تقابلی نتائج ٹاسک کے لحاظ سے مختلف ہو سکتے ہیں۔
عام اور اعلی قدر والے استعمال کے کیسز
- بڑے دستاویزات/کتابوں کا خلاصہ اور سوال و جواب: طویل کانٹیکسٹ سپورٹ اسے قانونی، تحقیق، اور تعمیل ٹیموں کے لیے پرکشش بناتی ہے۔
- ریپو سکیل پر کوڈ کی سمجھ اور جنریشن: کوڈنگ ٹول چینز کے ساتھ انٹیگریشن اور بہتر استدلال بڑے کوڈ بیس ریفیکٹرز اور خودکار کوڈ ریویو ورک فلو میں مدد دیتے ہیں۔
- ملٹی موڈل پروڈکٹ اسسٹنٹس: تصویر + متن + آڈیو ورک فلو (کسٹمر سپورٹ جو اسکرین شاٹس، کال اسنیپٹس، اور دستاویزات کو اخذ کرتی ہے)۔
- میڈیا جنریشن اور ایڈیٹنگ (photo → video): Gemini فیملی کی سابقہ خصوصیات میں اب Veo / Flow-اسٹائل photo→video صلاحیتیں شامل ہیں؛ پریویو پروٹوٹائپس اور میڈیا ورک فلو کے لیے مزید گہری ملٹی میڈیا جنریشن کی طرف اشارہ کرتا ہے۔
CometAPI سے gemini-3-pro-preview API کو کیسے کال کریں
CometAPI میں Gemini 3 Pro Preview Pricing，سرکاری قیمت سے 20% کم：
| Input Tokens | $1.60 |
| Output Tokens | $9.60 |
درکار مراحل
- cometapi.com میں لاگ اِن کریں۔ اگر آپ ابھی تک ہمارے صارف نہیں ہیں تو پہلے رجسٹر کریں۔
- اپنے CometAPI کنسول میں سائن اِن کریں۔
- انٹرفیس کا ایکسیس کریڈنشل API key حاصل کریں۔ ذاتی سینٹر میں API ٹوکن پر “Add Token” پر کلک کریں، ٹوکن key حاصل کریں: sk-xxxxx اور سبمٹ کریں۔
استعمال کا طریقہ
- API ریکویسٹ بھیجنے کے لیے “
gemini-3-pro-preview” اینڈ پوائنٹ منتخب کریں اور ریکویسٹ باڈی سیٹ کریں۔ ریکویسٹ میتھڈ اور ریکویسٹ باڈی ہماری ویب سائٹ کی API دستاویزات سے حاصل کیے جاتے ہیں۔ ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox ٹیسٹ بھی فراہم کرتی ہے۔ - <YOUR_API_KEY> کو اپنے اکاؤنٹ کی اصل CometAPI key سے تبدیل کریں۔
- اپنا سوال یا ریکویسٹ content فیلڈ میں درج کریں—اسی پر ماڈل جواب دے گا۔
- . تیار کردہ جواب حاصل کرنے کے لیے API ریسپانس کو پروسیس کریں۔
CometAPI ایک مکمل طور پر مطابِق REST API فراہم کرتا ہے—تاکہ مائیگریشن بے رکاوٹ ہو۔ Key details to Chat :
- Base URL: v1/chat/completions
- ماڈل کے نام:
gemini-3-pro-preview - توثیق:
Bearer YOUR_CometAPI_API_KEYہیڈر - کانٹینٹ ٹائپ:
application/json.
یہ بھی دیکھیں GPT-5.1 API