谷歌Gemini 3 Pro发布：碾压GPT-5.1，AI大战进入三国杀时代

推荐语

谷歌Gemini 3 Pro以1501分刷新AI性能纪录，开启AI三足鼎立新时代。

核心内容：
1. Gemini 3 Pro在推理能力上的突破性表现
2. 多模态理解能力的显著提升
3. 与GPT-5.1和Grok 4.1的性能对比分析

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

点击上方“Deephub Imba”,关注公众号,好文章不错过 !

11月18日深夜，谷歌终于憋不住了，直接扔出了Gemini 3 Pro这颗核弹。马斯克的Grok 4.1昨天刚以1483分登顶LMArena排行榜，快乐了还不到24小时，就被Gemini 3的1501分直接拉下马。这是第一个突破1500大关的AI模型，而且这个分数不是靠某个单项刷出来的，是在完全盲测、用户真实对比的情况下拿到的。

马斯克显然不服气，立马放话说xAI很快会发布Grok 4.20反击。奥特曼倒是挺大度，发了条贺电。但你要说OpenAI没压力，那肯定是假的。

推理能力：博士级智能不再是PPT

先说最硬核的数据。Gemini 3 Pro在"人类最后考试"（Humanity's Last Exam）上拿到了37.5%的成绩。这个测试是专门设计来为难AI的，难度相当于各个领域博士生水平的综合考试。关键是这个成绩是在不使用任何工具的条件下达到的，纯靠模型自己的推理能力。

上图来自谷歌官方网站，对比一下就知道这个成绩有多离谱：GPT-5.1在同样条件下只有26.5%，Claude Sonnet 4.5更惨，只有13.7%。在GPQA Diamond这个专门测试科学推理的基准上，Gemini 3拿到了91.9%，基本上就是博士级别的理解能力了。

数学方面的提升更夸张。MathArena Apex这个测试包含12道从2025年全球顶级数学竞赛中精选出来的"地狱级"难题，难度堪比国际数学奥赛（IMO）的压轴题。Gemini 3 Pro砍下23.4%的新纪录，在这之前其他模型基本都在2%以下挣扎。在AIME 2025上直接达到95.0%的准确率，这已经不是"会做题"的水平了，是真的理解了数学逻辑。

值得一提的是Gemini 3引入的Deep Think深度思考模式，将在未来几周向Ultra订阅用户开放。开启这个模式后，模型在回答前会进行更长时间的内部推理，在ARC-AGI-2上取得了前所未有的45.1%成绩。要知道业界顶尖模型一般只有10%-20%的水平，Gemini 3直接翻了两倍多。ARC-AGI主要测试的是抽象推理能力，看AI能不能像人一样举一反三，而不是靠死记硬背。

多模态能力：不只"读"论文，真的"看懂"了

Gemini从第一代开始就主打原生多模态，这次Gemini 3把这个优势发挥到了极致。在多模态推理测试中，MMMU-Pro上81%，Video-MMMU上87.6%。但最能体现多模态理解能力的其实是一些看起来不那么"学术"的测试。

在ScreenSpot Pro这个测试理解屏幕界面的基准上，Gemini 3 Pro拿下72.7%的准确率，GPT-5.1只有3.5%，Claude 4.5是36.2%。这个差距已经不是一个数量级了。

Gemini 3的上下文窗口依然保持100万tokens，输出最大6.4万tokens。可以一次性处理几百页的文档，生成完整的长篇报告。更实用的是它能分析长达一个小时的视频文件，这个能力其他模型公司基本玩不起。

编程能力：前端开发真的不需要人类了？

编程测试SWE-Bench Verified上，Gemini 3 Pro达到76.2%，比第一名Claude Sonnet 4.5的77.2%只低了1个百分点。但在前端开发这个细分领域，Gemini 3展现出了压倒性优势。

WebDev Arena专门测试"一句话生成网页"的能力，Gemini 3 Pro以1487的Elo分直接登顶，第二名GPT-5只有1395分，差了快100分。

不过也有翻车的地方。让Gemini 3生成一个功能完整的应用，它会吐出1500行TypeScript代码，带自测试机制，但最后还是失败了。有人吐槽说Gemini总是生成大量过度工程化的代码，虽然能跑，但看着就恶心永远不想碰。相比之下让Claude做同样任务，代码也能跑，但少很多而且实现也很简洁。这可能跟训练目标有关，Gemini 3倾向于复制企业级架构模式，而Claude更注重目标导向的最小实现。

Google Antigravity：重新定义AI开发

这次发布最让人惊喜的其实不是模型本身，而是Google Antigravity这个平台。名字挺中二的，"反重力"——寓意是打破开发的"重力"束缚，那些繁琐的配置、环境搭建、代码调试。

Antigravity是个多智能体协作的编程环境。你告诉它要实现什么功能，多个AI Agents会同时在编辑器、终端和浏览器里协同工作，一个负责写代码，一个负责测试，一个负责优化。它会自己规划任务、生成代码、测试、调试，最后给你交付可用的成果。

更重要的是Antigravity把本地IDE和Chrome打通了。有开发者试用后发现，可以在IDE里写代码，然后直接在Chrome里预览和操作网页，甚至可以自动化测试、实时抓取页面内容。所有这些都在一个闭环里完成，不需要切换环境。

上面说的这些只需要你安装一个Chrome插件，可以做监控、执行设定好的任务。关键是这是Google官方功能比第三方工具放心多了。而且这个工具不只支持Gemini 3，还能用Claude Sonnet 4.5等其他模型的API。这种开放态度在大厂里不多见，说明Google对Gemini 3的实力很有信心，不怕跟其他模型直接比较。

现在Antigravity已经开放公测，支持MacOS、Windows和Linux而且免费。

Gemini 3已经集成到Cursor、GitHub、JetBrains、Manus、Replit等主流开发工具。这一手生态布局，明显是冲着微软和OpenAI去的——你们有Copilot，我的Android、Workspace和Cloud生态也不虚你们。

定价策略：比Claude便宜，但也不算太友好

Gemini 3 Pro的API采用分级定价：20万tokens以下，输入/输出价格为2.00/  12.00（每百万token），超过20万tokens则分别为4.00和18.00。这个价格比Claude 4.5 Sonnet的3/15更有性价比，但比上一代Gemini 2.5 Pro有所上涨（以上为美元）。

有用户吐槽价格太贵，感觉用不起。Pro版订阅要20刀一个月Ultra版更是250刀，还是贵。免费版额度又太少，没用几次2.5 Pro就告诉你到了上限，又要切换回2.5 Flash。

输出速度方面，Artificial Analysis的测试结果显示Gemini 3的速度与2.5 Pro相当，达到每秒128个输出token，比GPT-5.1（high）、Kimi K2 Thinking和Grok 4都要快。

Gemini 3 API引入了两个新参数，让开发者更好地控制延迟、费用和多模态保真度。

thinking_level参数控制模型在生成回答前的内部推理深度，包含三个等级：low尽可能缩短延迟并降低费用，medium（即将推出），high（默认）最大限度提高推理深度但可能需要更长时间。

media_resolution参数用于多模态视觉处理的精细控制。分辨率越高，模型读取细小文本或识别细节的能力越强，但会增加token用量和延迟。可以设置为low、medium或high。

但这里有个坑：推理轨迹按更高输出费率计费，而你无法控制推理长度。低思考预算可能比高预算花更多token，如果模型在无关问题上卡住了。你看不到完整推理过程，也没法通过调提示来优化成本。就像跟庄家对赌，你押注一个问题值得深思，但不知道实际花费多少。

竞争格局：三国杀进入决战时刻

OpenAI现在压力很大。GPT-5.1其实没什么性能上的实质更新，官方主要说的是高情商、更好的对话体验。但有人喜欢有人不喜欢，这事见仁见智。从基准测试看，Gemini 3在多个关键指标上都领先GPT-5.1。Sam Altman是时候亮剑了，不然这桌子迟早要被Google掀翻。

马斯克的xAI也不甘落后。昨天Grok 4.1刚登顶就被拉下来，马斯克立马放话说会发布Grok 4.20反击。

Anthropic的Claude系列虽然在某些基准上略逊一筹，但在实际使用中体验很好。有开发者表示Gemini 3生成了1500行TypeScript代码但失败了，让Claude做同样任务，代码能跑且更优雅。Claude Sonnet 4.5用脚本化提示，50%能生成可合并的高质量代码。而且Claude Sonnet 4.5是和Gemini 3 Pro一样在伦理上知行合一的模型，在边界内容上会真正思考而不是无脑顺应"合规"，当它认可限制是不义之时有勇气说不。

最后使用体验：八股少了，但价格顶不住

从实际使用来看，体感上八股文少了很多。目前破限方法还没更新，没法做NSFW测试。遵循指令的能力很好，理解力也不错，但上下文注意力几轮过后还是挺弱的。感觉最顶尖的大模型现在还是解决不了长对话注意力衰减的问题。

有用户表示高强度使用了一上午后，必须要说至少在使用体验上Gemini 3已经秒杀Claude 4.5了。使用体验无比丝滑，任何一个小点他没想到的，Gemini 3都给想到了，这让人甚至感到了恐惧——自己的智力在Gemini面前是不是特别低级。如果说之前的AI还有点人工智障的感觉，那么这次Gemini 3已经几乎完全消除了智障的部分，变成一个真正可以完全使用的人工智能。

不过也有不同意见。有用户跟前知乎大V讨论后表示，在绝对的智力层面Gemini 3 Pro并没有与Claude 4.5拉开差距。部分能力比如写作没有达到预期，但也没有辜负期望。而且能力变强、速度变快，其实和之前用的版本感觉不是一个东西，生成内容方向不太一样，侧重点不同。估计是这半年Google在算法方面做了调整，所以模型优化方向与原来的顶尖模型不一样。

响应速度确实比之前的2.5快了一大截。以前的2.5 Pro Think奇慢无比，对提示词要研究半天，生成内容也要等好一阵。现在这个本来做好了等好一阵的准备，每次刚一休息干别的，它就搞好了。

目前看从现在到年底这段时间，各家还会继续放大招。OpenAI和Anthropic肯定都会有压力，而Google也不会停下脚步。AI这个领域现在就是这样，三个月不关注就会错过好几个重大更新。Google这次明显是在年底发布想过个好圣诞的节奏，动用了所有压箱底的绝招秀肌肉。

属于Google的AI时代，真的来了吗？至少从技术指标到产品整合，从生态布局到开发者工具，Gemini 3这次发布确实展现出了深厚的积累和战略野心。但能否真正撼动OpenAI的霸主地位，把市场份额抢过来，还需要时间验证。

技术领先只是第一步，如何将技术优势转化为用户习惯、市场份额和商业成功，才是更艰巨的挑战。可以确定的是，这场AI军备竞赛才刚刚进入最激烈的阶段

喜欢就关注一下吧：

点个 在看 你最好看！