Gemini 3 Pro Preview

Gemini 3 Pro (Preview) 是 Google/DeepMind 最新的 Gemini 3 系列旗艦級多模態推理模型。其定位為「迄今最智慧的模型」，專為深度推理、代理式工作流程、高階程式設計，以及長上下文的多模態理解（文字、影像、音訊、影片、程式碼與工具整合）而設計。

關鍵功能

• 模態： 文字、影像、影片、音訊、PDF（以及結構化工具輸出）。
• 代理/工具： 內建函式呼叫、將搜尋作為工具、程式碼執行、URL 脈絡，並支援協調多步驟代理。Thought-signature 機制可在多次呼叫之間保留多步推理。
• 程式設計與「vibe coding」： 針對前端生成、互動式 UI 生成與代理式程式設計進行最佳化（據 Google 報告在相關排行榜名列前茅）。被宣稱為迄今最強的「vibe-coding」模型。
• 新的開發者控制項： thinking_level (low|high) 可在成本/延遲與推理深度間取捨，media_resolution 可控制每張圖片或影片影格的多模態保真度。這些控制項有助於平衡效能、延遲與成本。

基準測試表現

• Gemini3Pro 在 LMARE 以 1501 分獲得第一名，超過 Grok-4.1-thinking 的 1484 分，並領先 Claude Sonnet 4.5 與 Opus 4.1。
• 亦在 WebDevArena 程式設計擂台以 1487 分獲得第一名。
• 在 Humanity’s Last Exam 學術推理中，取得 37.5%（無工具）；在 GPQA Diamond 科學測試中，達 91.9%；在 MathArena Apex 數學競賽中，23.4%，創下新紀錄。
• 在多模態能力方面，於 MMMU-Pro 達 81%；在 Video-MMMU 影片理解中，達 87.6%。

技術細節與架構

• 「Thinking level」參數： Gemini 3 提供 thinking_level 控制，讓開發者在內部推理深度與延遲/成本間取捨。模型將 thinking_level 視為內部多步推理的相對配額，而非嚴格的權杖保證。對 Pro 而言，預設通常為 high。這為開發者提供了明確的新控制項，以調整多步規劃與思考鏈深度。
• 結構化輸出與工具： 模型支援結構化 JSON 輸出，並可結合內建工具（Google Search grounding、URL 脈絡、程式碼執行等）。部分結構化輸出與工具組合的功能僅在 gemini-3-pro-preview 提供預覽。
• 多模態與代理式整合： Gemini 3 Pro 明確為代理式工作流程打造（工具 + 多代理，跨程式碼/終端機/瀏覽器）。

限制與已知注意事項

1. 事實準確性並非完美——仍可能出現幻覺。儘管 Google 宣稱事實性有所提升，但在高風險場景（法律、醫療、金融）仍需落地驗證與人工審查。
2. 長上下文表現依任務而異。雖然支援 1M 輸入視窗是明確能力，但在極端長度上一些基準上實證效果會下降（在部分長上下文測試中於 1M 長度時可觀察到表現下滑）。
3. 成本與延遲取捨。更大的脈絡與較高的 thinking_level 設定會增加運算、延遲與費用；定價依 token 用量分級。請使用 thinking_level 與切分策略控管成本。
4. 安全與內容過濾。Google 仍套用安全政策與稽核層；某些內容與行為受限制或會觸發拒絕模式。

Gemini 3 Pro Preview 與其他頂尖模型的比較

高層次比較（預覽 → 定性）：

相較於 Gemini 2.5 Pro： 在推理、代理式工具使用與多模態整合上有躍升式改進；更大脈絡處理與更佳長篇理解。DeepMind 在學術推理、程式設計與多模態任務上顯示一致性增益。

相較於 GPT-5.1 與 Claude Sonnet 4.5（據報告）： 在 Google/DeepMind 的基準測試版圖上，Gemini 3 Pro 被呈現為在多項代理、多模態與長上下文指標上領先（見 Terminal-Bench、MMMU-Pro、AIME）。實際比較結果因任務而異。

---

典型與高價值使用情境

• 大型文件/書籍摘要與問答：長上下文支援對法律、研究與合規團隊具吸引力。
• 以 repo 規模進行程式碼理解與生成：與開發工具鏈整合與改良推理，有助於大型程式碼庫重構與自動化程式碼審查工作流程。
• 多模態產品助理：影像 + 文字 + 音訊工作流程（客服可匯入螢幕截圖、通話片段與文件）。
• 媒體生成與編輯（照片 → 影片）：早期 Gemini 系列功能現已涵蓋 Veo / Flow 風格的照片→影片能力；預覽顯示於原型與媒體工作流程中具備更深入的多媒體生成能力。