Gemini 3 Deep Think AI 究竟有多好？深入探讨

Lisa Ernst · 13.02.2026 · 人工智能 · 10 分钟

从科幻小说到现实实验室，人工智能的承诺一直令我们着迷。现在，Google DeepMind 推出了一个名为 Gemini 3 Deep Think 的专业思考模式，旨在应对科学、研究和工程领域最复杂的挑战。该模型于 2026 年 2 月 12 日宣布进行重大升级，代表了 AI 在推理和解决传统计算方法常常难以应对的问题方面的能力的重大飞跃。

来源: 这张插图捕捉了先进 AI 的精髓，象征着 Gemini 3 Deep Think 所提供的推理和问题解决能力的巨大飞跃。

快速摘要：

• 它是什么： Google DeepMind 针对复杂的科学、研究和工程问题推出的专业思考模式。
• 主要成就： 在国际数学奥林匹克竞赛和大学生程序设计竞赛中获得金牌；在“人类最后考试”和 ARC-AGI-2 中获得最高分。
• 现实世界影响： 识别数学论文中的逻辑错误，优化晶体生长，并加速物理组件设计。
• 自主研究： 驱动 Aletheia，一个能够进行自主数学研究和解决问题的 AI 代理。
• 可用性： Google AI Ultra 订阅者可以在 Gemini 应用（自 2025 年 12 月起）中使用，并通过 Gemini API 供研究人员/公司使用。
• 成本： 通常高于标准 Gemini 模型，定价基于思考过程中使用的 token。
• 战略重要性： 定位为市场领导者，在关键基准测试中超越竞争对手，提升 Google 在 AI 竞赛中的地位。

在复杂问题解决方面取得前所未有的性能

Deep Think 已经在各种要求严苛的基准测试中展示了卓越的能力。它在 2025 年 7 月的国际数学奥林匹克竞赛（IMO）中获得了金牌标准，具体细节请参阅

除了学术竞赛，Deep Think 在“人类最后考试”这一测试现代前沿模型极限的基准测试中设定了新标准，在没有附加工具的情况下取得了 48.4% 的成绩。它在 ARC-AGI-2 上也达到了令人印象深刻的 84.6%，这一结果得到了 ARC Prize Foundation 的独立验证。在竞技编程方面，Deep Think 在 Codeforces 上获得了 3455 的 Elo 评分， firmly 跻身于人类程序员的“传奇特级大师”行列。

该模型还在 2025 年国际物理奥林匹克竞赛和 2025 年国际化学奥林匹克竞赛的笔试部分达到了金牌水平，进一步展示了其广泛的科学理解能力。Deep Think 在高级理论物理方面表现出色，在 CMT 基准测试中得分 50.5%，并且在内部测试中，Gemini 3 Pro 在解决软件工程挑战方面的准确性比以前的版本提高了 35%。

Gemini 3 Deep Think 的现实世界应用

Deep Think 旨在解决数据不完整或混乱、明确指导方针稀缺的研究难题。其开发过程与科学家和研究人员进行了密切合作。

一项值得注意的应用是罗格斯大学的 Lisa Carbone 使用 Deep Think 评审一篇高度技术性的数学论文；该模型成功识别了一个细微的逻辑错误。

来源: salemfive.com

罗格斯大学的 Lisa Carbone 使用 Deep Think 评审了一篇复杂的数学论文，并发现了一个细微的逻辑错误。

杜克大学的 Wang Lab 利用 Deep Think 优化了复杂晶体生长製造方法，实现了大于 100 µm 的薄膜生长。Google 平台和设备部门的 Anupam Pathak 也利用 Deep Think 加速了物理组件的设计。

Aletheia：一个 AI 研究伙伴

Aletheia 是一个由 Gemini Deep Think 驱动的数学研究代理，它体现了该模型强大的自主研究能力，具体细节请参阅一篇

Aletheia 推动了几项研究进展，包括一篇关于算术几何中特征值的自主出版物（Feng26），该出版物记录在一篇

Deep Think 将拍卖代币的“启示原则”扩展到了连续实数，并找到了计算宇宙弦引力辐射的新方法，使用了盖根堡多项式。它在计算机科学和物理学方面也取得了令人鼓舞的结果，克服了算法、机器学习和组合优化方面的瓶颈。该模型通过应用连续数学工具解决了“最大割”和“斯坦纳树”等经典计算机科学问题，并通过特定的反例推翻了在线次模优化领域一个存在了十年的猜想。Deep Think 还分析并证明了一种用于自动调整机器学习中数学“惩罚”的新技术。这些结果有力地表明了 AI 如何深刻地重塑我们所知的研究。

利用 Deep Think：可用性和成本

Gemini 3 Deep Think 是更广泛的

来源: logowik.com

Gemini API 为研究人员和工程师提供了对 Deep Think 的访问权限，有助于其集成到各种项目中。

成本考量

关于定价，对于上下文小于 200,000 个 token 的情况，Gemini 3 Pro 的输入 token 价格为每百万个 2 美元，输出 token 价格为每百万个 12 美元。对于上下文超过 200,000 个 token 的情况，输入价格为 4 美元，输出价格为 18 美元。Deep Think 的价格预计会显著更高，使用 Gemini 3 Pro 运行 Artificial Analysis 基准测试指数比 Gemini 2.5 Pro 贵 12%。尽管有这些成本，Gemini 3 Pro 的速度明显快于 GPT-5.1 等竞争模型，每秒处理 128 个输出 token。

在 AI 领域的战略定位

Deep Think 的更新代表了在竞争激烈的 AI 竞赛中的战略性举措，特别是针对 OpenAI 和 Anthropic 等强大对手。Google 将 Gemini 3 Deep Think 定位为研发部门和科研机构的复杂计算和智力伙伴。

Gemini 3 Pro 目前在 LMArena 排行榜上以令人印象深刻的 1501 Elo 评分位居榜首。在 Humanity's Last Exam（无工具情况下为 37.5%）和 GPQA Diamond（91.9%）等测试中，它展现了“博士级别”的推理能力。在数学方面，它在 MathArena Apex 上得分 23.4%。在多模态理解方面，它在 MMMU-Pro 上达到了 81%，在 Video-MMMU 上达到了 87.6%。在 ScreenSpot-Pro 基准测试中，Gemini 3 Pro 达到了 72.7%，显著优于 Holo2（66.1%）和 GPT-5.1（3.5%）。根据 Artificial Analysis 的数据，Gemini 3 Pro 是新的市场领导者，在“Artificial Analysis Intelligence Index”中以三分优势超越 OpenAI 的 GPT-5.1，并在 GPQA Diamond、MMLU-Pro 和 HLE 等十个关键基准测试中的五项中位居榜首。

来源: artificialanalysis.ai

Gemini 3 Pro 在 Artificial Analysis Intelligence Index 中处于领先地位，在 GPQA Diamond 和 MMLU-Pro 等关键基准测试中表现优于竞争对手。

技术基础和局限性

Gemini 3 的技术基础是稀疏专家混合（MoE）Transformer 架构，在包含公开网页文档、许可数据、AI 生成的合成数据和用户数据的庞大、多模态数据集上进行训练。该模型的知识截止日期为 2025 年 1 月。虽然 Gemini 3 Pro 的纯知识准确率峰值为 88%，但与其他模型相比，它表现出了更高的幻觉率，尽管 Google 的模型卡并未指定具体的幻觉率。

Google Antigravity 是一款新推出的 AI 代理开发平台，进一步扩展了 Gemini 的能力。该平台上的 AI 代理可以直接访问编辑器、终端和浏览器，使它们能够自主地规划、执行和验证复杂的软件任务。

结论

Gemini 3 Deep Think 是 AI 领域的一项重大进步，它超越了单纯的信息检索，实现了真正的解决问题和科学发现。它能够在复杂的数学和编程挑战中取得金牌级成果，并成功地协助人类研究人员解决现实世界的科学问题，预示着研发领域一个变革性时代的到来。随着访问范围的扩大，Deep Think 可能会成为加速众多科学和工程领域突破的不可或缺的工具，从而巩固其作为人类知识探索中强大的智力伙伴的地位。