Gemini 3实测：综合最强、代码最强、数学最强、多模态最强的六边形 AI 来了？

Google 发布了最新的 Gemini 3 模型，首日便做到了屠榜，基本在所有榜单上面超过了GPT-5.1和Claude Sonnet 4.5。 总体上看，Gemini 3 Pro 是目前「综合实力最强、数学最强、视频理解最强、代理能力领先」的模型。腾讯工程师第一时间抢鲜上手了 Gemini 3，带来了一手评测。

关注腾讯云开发者，一手技术干货提前解锁👇

Gemini 3一登场就火力全开，强势霸榜！在LMArena大模型竞技场上，它直接冲上榜首，以1501的高分在文本领域大放异彩。就连马斯克刚发布的Grok 4.1，也被它轻松拉下神坛！

根据Artificial Analysis平台的独立评测结果显示，其智能指数已达到73分，超越OpenAI于上周发布的GPT-5.1版本。

连马斯克和奥特曼都在推特上表示，Gemini 3确实是一个很强的模型。

目前谷歌已经免费开放了Gemini 3 Pro模型，可以直接去到官网进行体验。

01、模型能力

这次Gemini模型的能力真的太强了，基本在所有榜单上面超过了GPT-5.1和Claude Sonnet 4.5

在Humanity’s Last Exam（人类最后一场考试）中，主要用来测试模型是否具有“准博士级”的跨学科推理能力。这个数据集题目偏理论、抽象推理，主要测试模型的“通用智能”，被认为是AI难以解决的问题，但是在Gemini 3 Pro （不使用搜索、代码执行工具）上优势非常明显，领先 GPT-5.1 一档，几乎是 Claude 4.5 的三倍。

在科研类测试数据集GPQA Diamond上，Gemini 3 Pro冲到了90%分以上。

而在常规的数学测试集上AIME，Gemini 3 Pro 是当今数学推理最强的通用模型（不算专精数学的 NMAX），如果直接可以用代码执行，直接达到了夸张的100%。在更高难度的数学测试集上MathArena Apex，Gemini 3 Pro 吊打所有竞争对手几十倍。这是一个非常夸张的领先幅度，说明它在高难度数学推理上远超其他模型。

除了在文本领域达到了夸张的分数之外，在多模态领域也基本上处于断代的领先：

• 在Video-MMMU（视频理解）：Gemini 3 Pro 在视频理解上达到87.6%，明显领先其他大模型
• 在ScreenSpot-Pro（屏幕理解）：Gemini 3 Pro 的 UI/屏幕理解能力几乎是所有模型的碾压级优势。Gemini 3 Pro高达72.7%，而GPT-5.1只有可怜的3.5%

在测试AI coding能力上，基本全面领先，在LiveCodeBench（编程竞赛能力）上拿到了2439分数，比GPT-5.1高出200多分。

在针对一些比较复杂任务的时候，往往需要多步进行实现，但是在实现过程中需要始终围绕任务目标执行操作。

下图展示了在模拟经营环境中为期一年的自动售货机运营情况，其评分依据为期末银行账户余额。在此基准测试中，Gemini 3 Pro在一年运营周期后的资金余额为5,478.16美元，显著领先于排名第二的Claude Sonnet 4.5。

有了这种能力之后，Gemini就可以做很多的事情，比如可以帮助你快速整理收件箱。

由于多模态能力明显提升，它可以辅助你判定视频中的内容并进行解析。比如可以对匹克球比赛视频进行技术分析，识别技术动作中的可优化环节，并据此制定系统性的动作改进训练方案。

如果学习一个新的知识，可提供相关学术论文、长篇视频课程或教程资源，Gemini将据此生成交互式抽认卡、可视化图表及其他辅助知识掌握的学习材料。

总结来看，Gemini 3 Pro 是目前「综合实力最强、数学最强、视频理解最强、代理能力领先」的模型。尤其是在数学推理能力上（数学相关 benchmark 全部拉开差距）、多模态（视频、屏幕）上领先 GPT5.1 和 Claude 4.5）和Agent（工具调用 / 多代理协作）。

02、初步体验

2.1 常规测试

Q1：总结内容，生成知识卡片网页

总结这个网页（https://blog.google/intl/zh-tw/products/explore-get-answers/gemini-3/#note-from-ceo ），生成一个好看，精致的知识卡片网页内容

从整体视觉风格上看，黑白主色搭配科技渐变，风格现代；而且对于Gemini 3 的介绍比较一目了然。

Q2：开发一个“微旅程”网站，并可以执行，每天推荐一张世界小众角落的照片+一段故事。

Q3：用SVG画一个思维导图，画一个Switch

2.2 游戏编程测试

Q1：用 Three.js 实现一款3D战斗机对战游戏，在城市上方飞行，可以用触屏或者键盘操控。

虽然没有具体的城市建筑，但是游戏玩法上基本已经实现好了。

Q2：用 Three.js 实现一款愤怒的小鸟3D游戏

游戏界面基本做出来了，而且可以进行简单的操作。不过界面确实有点简陋。

03、网友测试案例

Q1：实现一个我的世界

prompt：Code a 3D Minecraft game clone within a single .html file. Make it beautiful, with pixel graphics like the original, add all main features of the game, terrain and tree generation, mobs, and a bunch of other stuff. use three.js for the rendering to make things look nice.

Q2：只用一张图片就能生成threejs体素艺术场景

根据所提供的图像，编写一个受其启发的精美体素艺术场景。请使用Three.js编写代码，并确保代码为单页形式。

Q3：模拟真实的外太空游戏光影

从视频中可以看到，它的光影场景做得特别的好。

Q4：物理水面波纹模拟

"make a realistic water physics test, full 3d you can interact with it, reflections, waves, click anywhere to drop a lemon into the water"

04、写在最后

随着 Gemini 3 的正式登场，我们已经能清晰地看到一个信号：AI 模型的发展正式进入「全能型」竞争阶段。过去我们会强调“哪个模型更擅长写代码”“哪个模型更懂视频”“哪个模型数学更强”，而现在，Gemini 3 的出现直接把这些维度拉平，甚至在多个关键能力上出现“断崖式领先”。这意味着未来的 AI 应用场景将以一种更爆炸性的速度向前涌动。

它不仅仅是一个回答问题的助手，而更像是一个“可执行的泛化智能体”：能理解复杂环境、能规划策略、能操作应用、能构建可运行系统，甚至能辅助你做一款小型游戏、一个网站、一门课程制作、视频解析……这种能力的跃迁，是从“会说”到“会做”的质变。

接下来，随着各家模型全面进入 Agent、多模态、可执行推理的大混战，我们大概率会见证一件事：

未来的应用开发者，不再是“写代码的人”，而是“写需求的人”。

从网站、数据分析，到游戏、美术、视频、学习路线、商业策划……你只需要一句话，AI 就能替你把 80% 的事情完成。

未来的2026年，很有可能就是——

「AI 个人超级能力元年」。

而 Gemini 3，只是这一切的开端。

-End-

原创作者｜李洛勤