我要投稿

Google 悄悄升级了 Deep Think，ARC-AGI-2 直接干到 84.6%

发布日期：2026-02-18 11:14:13 浏览次数： 1958

作者：AGI Hunt

微信搜一搜，关注“AGI Hunt”

刚刚，Google DeepMind 升级了 Gemini 3 的专用推理模式 Deep Think，跑分直接屠榜了。

要知道，ARC-AGI-2 是目前公认测试 AI 推理能力的前沿基准，之前没有模型能在这上面拿到特别好看的分数。

而升级后的 Deep Think 拿下了 84.6%，对比一下：Claude Opus 4.6 是 68.8%，GPT-5.2 是 52.9%，就连自家的 Gemini 3 Pro Preview 也才 31.1%。

提升巨大。

不止推理

Deep Think 的野心显然不止于推理。

在 Humanity's Last Exam 这个号称「人类最后的考试」的基准上，Deep Think 拿到了 48.4%，这个测试覆盖了数学、科学和工程领域最难的问题。Claude Opus 4.6 得了 40.0%，GPT-5.2 是 34.5%。

编程方面也很猛：

Codeforces 上 Deep Think 达到了 Elo 3455，而 Gemini 3 Pro Preview 是 2512，Claude Opus 4.6 是 2352。

另外在多模态理解和推理的 MMMU-Pro 基准上，Deep Think 也以 81.5% 领跑，不过这里各家差距没那么大：Gemini 3 Pro Preview 81.0%，GPT-5.2 79.5%，Claude Opus 4.6 73.9%。

除了跑分，Deep Think 还在 2025 年物理和化学奥林匹克竞赛的笔试部分拿到了金牌水平的成绩。

要解决科学问题

Google DeepMind 这次特别强调，升级后的 Deep Think 不再只是解题机器，而是要解决真实世界的科学和工程问题。

他们展示了 Duke 大学 Wang Lab 的案例：研究人员用 Deep Think 来设计新型半导体材料，优化复杂晶体的生长过程，这些晶体是高温半导体的候选材料。

还有机械工程领域的研究者用它来迭代物理原型，让硬件迭代达到了软件迭代的速度，这在辅助设备等领域意味着更快的改进周期。

如何使用

升级后的 Deep Think 模式现在已经开始在 Gemini App 中向 Google AI Ultra 订阅用户推送。

对于科研人员和开发者，Google 开放了 Vertex AI 早期访问计划，可以通过 API 使用。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-05-21

我用 Qwen 3.7 从 0-1 用 AI 搓了一款武侠 RPG 游戏，绝了！

2026-05-21

Codex 官方分享：如何把 Codex 用到极致

2026-05-21

蚂蚁百宝箱正式发布AI构建能力：自然语言一键生成企业级智能体，助力业务创新提效

2026-05-21

前有用友YonClaw，今有金蝶灵基，中国软件双雄的AI底牌谁能笑到最后？

2026-05-21

Opus 4.7 正在吸收你的 Harness

2026-05-21

阿里云推出「千问.Skills」，一个 Agent 就能调度百炼多模态能力

2026-05-20

没更新Antigravity的先别动，更新了的我先替你们哭一会

2026-05-20

刚发布的Antigravity 2.0：从开发到管理的一跃

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Claude Opus 4.7刚刚曝光！Claude Code一夜重构，7x24小时替你打工

2026-04-15

刚刚Qwen 3.6 Plus上线预览：1M上下文，阿里Coding/Agent翻身战打响

2026-03-31

2026年国内如何注册 Claude 账号教程

2026-03-13

OpenAI Codex CLI 完整使用指南

2026-04-07

独家| DeepSeek-V4终于要来了：梁文锋憋半年大招，多模态+长期记忆全面破局

2026-03-17

香港终于能直接用 Gemini 了，内地用户能用上吗？

2026-03-17

Claude Code 和 Codex 接入 Figma MCP 保姆级教程

2026-04-07

编程选GPT-5.4，还是GPT-5.3-Codex？

2026-03-21

GPT5.5来了，最大特点解析

2026-04-24

刚刚，GPT-5.4 发布，百万上下文、最强全能模型

2026-03-06

大家都在问

前有用友YonClaw，今有金蝶灵基，中国软件双雄的AI底牌谁能笑到最后？

2026-05-21

Harness Engineering：AI 能在真正"出事会炸"的后端系统里写代码吗？

2026-05-19

谁来给企业端即将大规模入职的Agent盖办公室？

2026-05-09

鹅厂员工觉得好的code模型应该具备什么能力？

2026-05-09

Markdown要被抛弃了？Claude Code工程师自曝：我已彻底放弃使用Markdown！团队倾向使用HTML！网友：其他编辑工具会被淘汰吗？

2026-05-09

AI吞噬软件的叙事要分化了？

2026-05-08

为什么同一个模型，在 Claude Code/Codex CLI 里感觉像换了个脑子？

2026-05-07

「双线实测」Qwen 3.6-Plus，Agentic Coding 已经这么能「扛活儿」了？

2026-04-26

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部