封面图加载中

Gemini 3发布:Google这次真的打了个翻身仗

11月18日Google发布Gemini 3，引发科技圈震动。其采用稀疏混合专家架构，具备3万亿参数但每次仅激活少量，结合原生多模态设计，在推理、数学、代码修复等多项测试中表现卓越，部分领域大幅领先竞品。技术突破包括过程监督强化学习、并行思维及超长上下文处理能力。Salesforce CEO等业界领袖公开转向使用，OpenAI内部承认面临压力。Gemini 3的发布标志着AI竞争进入多极时代，各模型需根据场景选择适用工具。
  • 本文作者
  • 文章发布日期 2025-11-29 22:45
  • 热度 8
  • 作者心情 不喜不悲
  • 本文共计
  • 预计阅读

11月18日Google发布Gemini 3的那个周末，整个科技圈都炸了。

最戏剧性的一幕是Salesforce的CEO Marc Benioff在X上发了条推：

"Holy shit. 我每天用ChatGPT用了整整三年。刚试了两小时Gemini 3,我不回去了。这个飞跃太疯狂了——推理、速度、图像、视频...一切都更清晰更快。感觉世界又变了。"

这可不是普通用户的兴奋发言。Benioff一个月前刚刚宣布Salesforce和OpenAI扩大合作，当时还在夸ChatGPT能给企业带来"同样的智能和即时性"。一个月后就公开"叛变"，这事儿传开后浏览量超过320万。

更有意思的是OpenAI那边的反应。据The Information拿到的内部备忘录，Sam Altman在Gemini 3发布前就给员工打预防针了。他在信里说要准备好迎接"rough vibes"（糟糕的氛围），承认Google的进步可能会给OpenAI"制造一些暂时的经济逆风"。这话说得够直白——我们可能要被压着打一阵子了。

Altman还说：

"从各方面来看,Google最近的工作都非常出色。"

这种坦率在AI圈挺少见的。毕竟OpenAI估值5000亿美元，年收入才130亿，这种估值逻辑全靠一个假设：他们的技术领先优势能一直保持。现在这个假设被动摇了。

3万亿参数,但是只用2000亿

Gemini 3最核心的技术叫稀疏混合专家架构(Sparse MoE)。虽然Google没公布具体数字,但根据定价和性能反推,分析机构估计总参数量在3万亿左右,但每次推理只激活150-200亿。

这个设计很聪明。传统大模型就像一个全科医生,你问什么都要动用全部知识库。Gemini 3更像一家医院——有一堆专科医生,你问皮肤问题就只叫皮肤科的出来,问心脏问题再叫心血管科的。据说内部代号叫"Conductor"(指挥家),会根据问题复杂度智能调度专家。

更重要的是原生多模态架构。Claude和GPT都是先做个文本模型,然后再"贴"上视觉、语音模块。Gemini 3从一开始就把文本、图像、视频、代码放在同一个理解空间里训练。你给它画个草图,它能直接生成代码;给它一段视频,它能边看边解释物理原理。这种"原生理解"比"跨模态翻译"要自然得多。

训练基础设施也升级了。整个模型在Google自研的第七代Trillium TPU上训练,相比上一代峰值算力提升4.7倍。这给了Google巨大的成本优势——从芯片到训练框架全是自己的,不用给Nvidia交"过路费"。

某些领域真是碾压

我知道大家对benchmark都审美疲劳了，但这次的数字确实夸张。看看官方Model Card里的对比：

测试项目

Gemini 3

前代 Gemini 2.5 Pro

Claude Sonnet 4.5

GPT-5.1

提升幅度 / 对比

说明

抽象推理 (ARC-AGI-2)

31.1%

4.9%

13.6%

17.4%

6倍

这个测试考察的是AI能否像人一样理解从未见过的模式，不是靠记忆能混的。

数学竞赛 (MathArena Apex)

23.4%

0.5%

0.8%

1.0%

46倍

前代基本不会做，现在能做对四分之一。

屏幕理解 (ScreenSpot-Pro)

72.7%

11.4%

36.2%

3.5%

6倍多

这个测试是让AI看手机或电脑截图，然后找特定元素在哪儿。对做UI自动化的人来说超实用。

代码修bug (SWE-bench Verified)

76.2%

59.6%

77.2%

76.3%

1.28倍

这个测试是真实世界的代码修复场景，要求模型读代码、定位问题并补丁修复，对综合逻辑能力要求极高。

事实准确性 (SimpleQA)

72.1%

54.5%

29.3%

34.9%

1.32倍

主要测模型是否容易胡说八道（幻觉）。这个项目越高，表示模型越老实、不乱编。

更牛的是2025年国际数学奥林匹克竞赛。Gemini Deep Think做对了6道题里的5道，拿了35分（满分42），金牌水平。关键是完全用自然语言做的，不像以前的AI还得先把题目翻译成形式化语言。

强化学习玩出了新花样

Gemini 3在推理能力上的质变，核心在于Google DeepMind开发的新型强化学习技术。

传统训练方式
以往训练AI解答数学题时，只要最终答案正确就会给予奖励。而Gemini 3采用了“过程监督”机制——在推理过程中，每正确完成一步都会给予奖励。这种方法有效防止了AI通过“猜测答案”来投机取巧，真正学会了逐步推理的能力。

技术融合
更进一步的突破是，Gemini 3将AlphaProof（数学证明系统）和AlphaGeometry 2（几何推理系统）的技术直接整合进主模型。训练数据中包含了超过3亿条定理和证明。可以这样理解：普通AI如同一般学生，而Gemini 3则像是完成了3亿道奥数题的竞赛选手。

并行思维

Deep Think 模式的"并行思维"功能具有独特优势：

传统AI的思考方式

  • 采用线性思考模式

  • 先有想法A，然后是想法B，接着是想法C

  • 思考过程单一且顺序固定

Deep Think模式的特点

  • 能够同时尝试多条思路

  • 让不同思路之间相互讨论

  • 通过比较选择最优解决方案

形象比喻 这种方式就像一群人开会讨论问题，通过集思广益，比一个人独自思考效率更高，结果也更全面。

思维签名
另一个巧妙的技术细节是“思维签名”。当AI调用外部工具（如搜索引擎、计算器）时，如何保持思路的连贯性？Gemini 3会生成一个加密的“保存点”，在工具返回结果后能够无缝衔接之前的推理链条。

实测表现

测试项目

测试条件

表现结果

ARC-AGI-2

Deep Think模式

45.1%

ARC-AGI-2

普通模式

31.1%

GPQA Diamond

-

93.8%

AIME 2025数学竞赛

工具辅助

满分成绩

实际测试结果令人印象深刻：在Deep Think模式下，ARC-AGI-2达到45.1%（普通模式为31.1%），GPQA Diamond达到93.8%，在工具辅助下，AIME 2025数学竞赛中能够获得满分成绩。

100万token上下文的工程实现

Gemini 3支持100万token输入(大概70万汉字,10部长篇小说),64K token输出。这在工程上挺难的。

核心技术是"交错式局部/全局注意力"。每6层注意力里,5层只看附近1024个token(局部),1层看全文(全局)。这样既能抓住长距离的关键信息,又不会像传统Transformer那样内存爆炸。

还做了位置编码优化。全局层的RoPE基频从10k拉到1M,让模型能"记住"更长文本里的位置关系。

实测"大海捞针"测试(100万token里藏个信息让AI去找),准确率超过99.7%。甚至把文本扩到1000万token,准确率还能保持。不过官方Model Card也坦诚,超过12-15万token之后准确性会下降,JSON格式遵从率只有84%左右。

64K输出的设计很巧妙。推理模型可能产生几万token的思考过程,你可以通过thinking_budget参数设置"思考预算",从1024到32768不等。实验显示预算越高,准确率越高——AIME 2025数学题从65%提升到90%。

市场已经用脚投票

Marc Benioff 的公开“叛变”只是开始。其他硅谷大佬也都发声了。

OpenAI 联合创始人、前特斯拉 AI 总监 Andrej Karpathy 表示，Gemini 3 具有“非常扎实的日常驱动潜力”，并称其“明显是 tier 1 LLM”。

Stripe CEO Patrick Collison 发推称，Gemini 3 为他制作了一个“交互式网页，总结了遗传学的 10 大突破”，并评价“挺酷的”。

就连 Sam Altman 表面上也不得不客气一句：“恭喜 Google，Gemini 3 看起来是个很棒的模型。”但私下里，The Information 拿到的备忘录显示，他告诉员工 OpenAI“正在快速追赶”，要专注于“非常激进的赌注”，即使这意味着“在当前体系下暂时落后”。

市场反应更为直接：

  • Alphabet 股价发布后上涨 6%，市值达到 3.82 万亿美元，今年累计涨幅近 70%。

  • 与 OpenAI 绑定的公司则遭受重挫：

    • AMD 从 10 月高点下跌 23%；

    • Oracle 从 9 月高点下跌 39%。

更有意思的是：

  • GPT-5.1 提前 6 天发布，明显是被 Gemini 3 所逼。

  • 有报道称 Meta 正在谈判使用 Google 的 TPU，直接导致 Nvidia 股价下跌 3.6%。

整个 AI 芯片格局可能因此改变。

安全性和局限:Model Card里的坦诚

Google这次的Model Card写得挺坦诚,没藏着掖着。

安全性方面,相比Gemini 2.5 Pro:文本到文本安全性提升10.4%,图像到文本安全性提升3.1%,语气改进7.9%,无理由拒绝减少3.7%。这些是自动化测试数据。

人工红队测试(专门的团队想办法突破安全限制)显示,儿童安全方面达到了发布标准,整体安全性跟前代相当或更好。

但也明确了两个主要风险:

  1. 越狱漏洞(jailbreak vulnerability)——虽然比前代改善了,但仍然是个开放性研究问题

  2. 多轮对话中可能出现性能下降

前沿安全框架(Frontier Safety Framework)评估显示,Gemini 3在CBRN(化学生物放射核)、网络安全、有害操纵、机器学习研发、错位(Misalignment)等领域都没有达到"关键能力等级"(CCL)。换句话说,还不至于造成系统性风险。

已知局限也很明确:

  • 会产生幻觉(hallucination)

  • 偶尔会慢或超时

  • 知识截止日期是2025年1月

这真的是"ChatGPT时刻"吗?

说实话,我觉得Gemini 3确实是个里程碑,但还不至于颠覆整个游戏规则。

它的定位很明确:科学推理、视觉理解、长期任务规划。ScreenSpot-Pro测试72.7% vs GPT-5.1的3.5%,这不是小优势,是碾压。如果你要做数据分析、科学计算、复杂的多步骤工作流,Gemini 3确实是目前最强的。

但要写小说、聊天、做创意,GPT和Claude的体验可能还是更好。有人吐槽Gemini 3写东西"像编辑改稿,少了点魔法感",这个评价挺准的。

Gemini联合负责人Oriol Vinyals说了句狠话:"预训练的规模扩展远没到天花板。2.5到3.0之间的差距是我们见过的最大的。"翻译过来就是——这还不是终点,后面还有更大的。

LMArena的CTO Wei-Lin Chiang评价说,Gemini 3的发布"不只是排行榜的洗牌",而是"说明AI军备竞赛正在被那些能够更抽象地推理、更一致地泛化、在越来越多样化的真实世界评估中提供可靠结果的模型所塑造"。

OpenAI现在的处境挺微妙的。5000亿美元估值,年收入130亿,年亏损50亿,年烧钱80亿。这种商业模式能持续,全靠投资人相信他们的技术领先。现在这个领先优势在动摇。

The Information的备忘录里还透露,OpenAI正在开发代号"Shallotpeat"的新模型,试图解决预训练过程中的缺陷。Altman在信里说公司要专注"让研究团队真正实现超级智能",即使这意味着"暂时落后"。

这话听起来有点像战略性放弃短期竞争,押注长期突破。但问题是,钱能撑多久?

新篇章才刚开始

2025年的AI战场,Gemini 3最大的意义可能不是"打败了ChatGPT",而是证明了一件事:这场竞赛远未结束,Google还有底牌。

从技术上看,五大突破确实硬核:稀疏MoE实现容量与效率解耦,过程监督RL培养可验证推理链,并行思维突破线性推理局限,交错注意力支撑超长上下文,原生多模态消除跨模态损耗。

从商业上看,Google的全栈优势开始显现——自己的芯片(TPU),自己的训练框架(JAX),自己的分发渠道(搜索、Gmail、Android),6.5亿月活用户。Gemini 3发布当天就覆盖了6.5亿用户,ChatGPT虽然有7亿周活,但付费转化率只有4-10%。

OpenAI、Anthropic肯定在憋大招。GPT-5.1提前发布就是证明。但Gemini 3至少告诉所有人——AI的"ChatGPT时代"结束了,多极竞争的新时代来了。

对用户来说,这是好事。模型越来越强,价格越来越便宜(Gemini 3定价是$2/$12每百万tokens,跟竞品差不多),选择越来越多。关键是根据场景选对工具:科学推理和长期代理任务选Gemini 3,代码调试和可解释性考虑Claude,创意写作和自然对话GPT-5.1还能打。

预训练的天花板在哪?没人知道。但至少现在,天花板还看不到顶。