来源：北大AI鱼博士

时间： 2025年11月19日 凌晨 04:00

坐标： 硅谷/北京

兄弟们，今晚彻底不用睡了。

就在刚刚，当半个地球的人还在睡梦中时，Google 在没有任何预警的情况下，像是突然被“夺舍”了一样，极其凶残地按下了一个红色的核按钮——Gemini 3.0正式发布。

没有漫长的预热，没有虚头巴脑的概念片，直接上线 Model Card（模型卡片），直接开放 API，直接端出应用平台。

如果说两年前的 Gemini 1.0 是一次仓促的追赶，一年前的 Gemini 2.0 是一次平起平坐的尝试，那么今天凌晨的 Gemini 3.0，给我的感觉只有两个字：窒息。

这不是形容词，是物理意义上的窒息。看完长达 60 页的技术报告和 20 个演示视频后，我必须负责任地说：Google 这次不装了，它不仅掀翻了牌桌，甚至把房子都拆了。

连 OpenAI 的掌门人 Sam Altman，都在半夜罕见给这一波发布点了个赞。这个赞背后的意味，是英雄惜英雄，还是感到脊背发凉，大家自己细品。

在这篇长文中，我将带大家逐帧拆解Gemini 3 到底强在哪里，为什么说它宣告了“Prompt Engineer（提示词工程师）”的死亡，以及它如何开启了软件开发的“自动驾驶”时代。

01. “满分”的恐怖：当 AI 终于捅穿了人类智商的天花板

不仅是强，而是“离谱”。

我们先看一张让所有数学家、做题家以及竞争对手都陷入沉默的图表。

在 AIME 2025（美国数学邀请赛） 的测试中，配合代码执行（Code Execution），Gemini 3 Pro的准确率是：100%。

你没看错，是100%。是满分。

以前我们在评测 GPT-4 或者 Claude 3.5 的时候，还在讨论“这道几何题它是不是蒙对的”、“这个逻辑陷阱它有没有跳过去”。但 Gemini 3 用这个满分直接终结了讨论：在现有的标准化数学测试体系下，它已经没有对手了，甚至连测试题都不够用了。

即使是撤掉所有工具，让他“裸考”（无工具模式），它的准确率也高达95.0%。作为对比，GPT-5.1 是 94.0%，Claude Sonnet 4.5 是 87.0%。

但这还不是最吓人的。

真正的屠杀发生在一个叫MathArena Apex的榜单上。这是数学竞赛的“地狱模式”，里面的题目充满了复杂的陷阱和极度晦涩的逻辑。在这个榜单上，包括 GPT-5.1 在内的所有顶尖模型，得分都在 1% 上下徘徊——这说明它们基本是在瞎蒙。

而Gemini 3 Pro呢？它拿到了23.4%。

兄弟们，从 1% 到 23.4%，这不仅仅是分数的提升，这是**“不可知”到“可知”的维度跨越**。这证明了 Gemini 3 不再是依靠概率预测下一个字的“鹦鹉”，它真正具备了深度推理（Reasoning）的能力。

核武器：Deep Think（深度思考模式）

Google 这次还藏了一手绝活——Gemini 3 Deep Think。

你可以把它理解为 Google 版的 o1，但更强、更稳。在这个模式下，模型会花更多时间进行思维链（CoT）的推导。

然而，Gemini 3 Deep Think在不使用任何工具的情况下，直接轰出了41.0%的高分。

这是什么概念？这意味着在纯粹的智力攻坚战中，在处理那些需要层层剥茧、逻辑嵌套极其复杂的博士级难题时，Gemini 3 已经甩开了竞争对手整整一个身位。

02. 72.7% vs 3.5%：GPT-5 就像个“瞎子”

如果说数学能力是“大脑”，那么接下来的这个数据，关乎 AI 的“眼睛”。而这，正是 Google 这一次能做成“真·Agent”的关键胜负手。

在 AI 圈子里，大家一直有个痛点：大模型虽然聪明，但它们对计算机屏幕的理解能力极差。给它截个图，它可能认不出哪个是“提交”按钮，哪个是“终端窗口”。

Google 这次专门针对Screen Understanding（屏幕理解）进行了魔鬼般的优化。

看 ScreenSpot-Pro 这一栏数据：

GPT-5.1 得分：3.5%Gemini 3 Pro 得分：72.7%

炸裂吗？这是20 倍 的差距！

这意味着什么？

意味着 GPT-5.1 在面对复杂的操作系统界面时，基本等同于一个“瞎子”。它只能靠猜，或者靠你把代码复制出来喂给它。

而Gemini 3 Pro拥有了“像素级的视觉智能”。它能像人类一样，看懂 IDE 里的报错红线，看懂浏览器渲染出的 UI 错位，看懂终端里滚动的日志。

正是因为有了这双“眼睛”，Google 才敢在今晚发布那个让所有程序员既兴奋又恐惧的产品——Antigravity。

03. Antigravity：程序员的“贾维斯”时刻

今晚发布会的真正高潮，不是模型本身，而是一个名为Google Antigravity（反重力）的全新开发平台。

之前大家都在吹 Cursor，说它是程序员最好的“外骨骼”。Cursor 的逻辑是：你写代码，AI 帮你补全；你问问题，AI 帮你回答。

但 Antigravity 的逻辑是：“你喝咖啡，我来搞定。”

Google 极其嚣张地将其定义为Agent-first（智能体优先）平台。

什么是“Vibe Coding”（直觉编程）？

Google 提出了一个新词：Vibe Coding。

意思是，你只需要把握一种“感觉”（Vibe），一种模糊的想法或意图，剩下的实现细节，全部交给 AI。

Antigravity不再是一个编辑器，它是一个拥有完整权限的虚拟员工。它集成了 Gemini 3 的推理大脑，配合 Gemini 2.5 Computer Use 模型（那是它的手），它可以直接控制你的 VS Code，直接在你的 Terminal 里敲命令，直接打开你的 Chrome 浏览器去测试网页。

实测案例：它真的在“自己干活”

让我们来看看 Google 放出的那个让 GitHub Copilot 看起来像上个世纪产物的演示——“开发一个航班追踪 App”。

第一步：任务下发

开发者只在对话框里输入了一句：“帮我做一个航班追踪应用，要有地图可视化。”

第二步：多 Agent 分裂（并行开发）

Antigravity瞬间在后台分裂出多个 Agent：

• Agent A（后端专家）

  ： 开始规划 API 接口，编写 Python 后端代码。

• Agent B（前端专家）

  ： 开始写 React 组件，并调用 Nano Banana 模型生成了所需的 UI 图标素材。

• Agent C（测试专家）

  ： 这个最骚。它直接打开了一个内置的浏览器窗口，像真人一样去点击页面上的按钮。

第三步：自我纠错

Agent C 发现地图加载不出来，报错了。注意，这时候开发者什么都没做。

Agent C 迅速截取了报错的屏幕（得益于那72.7%的屏幕理解能力），扔回给 Agent A。

Agent A 秒懂：“哦，API Key 没配置。”

它自己打开配置文件，填入 Mock 数据，重启服务。

Agent C 刷新页面：“通了。”

整个过程，开发者就像是一个 P8 级别的架构师，只是在旁边看着，偶尔点个“Approve（批准）”。

赚钱能力：它比你更懂商业

为了证明Antigravity不仅仅是个代码生成器，而是一个能解决复杂现实问题的 Agent，Google 搬出了 Vending-Bench 2 测试。

这是一个模拟经营自动售货机公司的测试，考察模型在长达一年的虚拟时间里，能否持续做出正确的维护、进货和定价决策。

结果相当讽刺：

GPT-5.1 忙活了一年，净资产赚了 $1,473.43。Gemini 3 Pro忙活了一年，净资产赚了$5,478.16。

Gemini 3 不仅代码写得好，它还没忘记这生意的本质是赚钱。它不仅是一个 Coder，更是一个Manager。

04. 对 SWE-Bench 的争议：为什么 Google 不在乎 SOTA？

眼尖的朋友可能发现了，在衡量软件工程能力的SWE-Bench Verified测试中，Gemini 3 Pro 得分 76.2%，虽然极强，但并没有超过 Claude Sonnet 4.5 的 77.2% 拿到世界第一（SOTA）。

有人可能会说：“你看，Google 还是不行嘛，写代码还是不如 Claude。”

大错特错。

这正是 Google 的鸡贼之处，也是Antigravity的可怕之处。SWE-Bench 测的是单一模型解决 GitHub Issue 的能力。但 Google 的思路是：我为什么要用一个模型去死磕？我用的是系统工程（System 2）。

Antigravity 的核心在于“工具链的整合”。

Claude 写代码也许略强 1%，但 Claude 没有原生集成到浏览器里去点点点，没有原生集成到终端里去运行 npm install。

Google 用76.2%的模型能力，加上100%的系统权限整合，加上72.7%的视觉理解，构建出了一个**“能跑通最后一公里”**的解决方案。

对于开发者来说，我不在乎你的代码是不是写得最最最优雅，我在乎的是当你写完代码报错的时候，能不能自己帮我修好？

在这点上，Gemini 3 + Antigravity目前是无敌的。

05. 搜索与生活：AI 终于学会“说人话”了

除了硬核的编程，Gemini 3在消费级产品上的落地也让人眼前一亮。

我们都受够了以前 AI 那种“作为一个大型语言模型，我建议你……”的爹味说教。

Google 这次在 Model Card 里专门写了一句话："Telling you what you need to hear, not just what you want to hear."（告诉你需要的，而不是你想听的。）

它学会了“Read the room”（读懂空气）。

AI Mode in Search：不再是给链接，而是给答案

Google 搜索正式上线了AI Mode。这不是简单的搜索生成体验（SGE）升级，这是**“即时软件生成”**。

演示中，用户搜索“RNA 聚合酶是如何工作的？”

以前的搜索会给你一堆维基百科和生物学网站的链接。

现在的Gemini 3，直接在搜索结果页里，当场写代码生成了一个可交互的 3D 分子模型。你可以用鼠标拖拽这个模型，看酶是怎么结合的。

注意，这个 3D 模型不是预先存在网上的，是 Gemini 3 根据你的问题，On the fly（实时）敲代码写出来的。

多模态的温情时刻

还有一个案例特别打动我。

你想学习家里长辈传下来的做菜手艺，但长辈只会写潦草的方言笔记。 你把这些笔记拍照扔给 Gemini 3，再上传一段长辈做菜的视频。

Gemini 3不仅能识别那些连人都看不懂的字迹，还能结合视频动作，生成一份图文并茂、甚至带有“交互式倒计时”的电子食谱，顺便还能生成一段代码，把这个食谱做成一个精美的网页分享给家族群。

这就是 Google 宣称的：Learn anything, Build anything, Plan anything.

06. 护城河：Google 的“钞能力”与数据霸权

为什么是 Google？为什么不是 OpenAI？为什么不是 Anthropic？

在大模型跑马拉松的后半程，拼的早已不是单一算法的灵光一闪，而是算力、数据和生态的厚度。

1. TPU 的硅基霸权：

当全世界都在跪求黄仁勋分配一点 H100 显卡时，Google 坐在自家堆积如山的TPU v5/v6矿山上笑而不语。

TPU 是专门为 Transformer 架构设计的，拥有极高的带宽内存（HBM）。正是这种算力冗余，让 Google 敢于把 Gemini 3 的参数规模推向极致，敢于让 millions of users 同时使用Deep Think这种极度消耗算力的模式。

2. 数据的全维度覆盖：

Gemini 3的训练数据不仅是网上的文本。它吞噬了 YouTube 的长视频（视频理解能力的来源）、GitHub 的代码库、Google Scholar 的论文，以及——User Data（用户数据）。

当然，是在隐私协议下。但无可否认，Google 拥有地球上最庞大的用户交互数据。它知道用户在搜索什么，在点什么，在改什么代码。这些Human Feedback（人类反馈），是模型“情商”来源的根本。

07. 结语：不要焦虑，去成为那个“架构师”

看完发布会，我看很多技术群里开始哀嚎：“完了，程序员真要失业了。”

说实话，看完 Antigravity 的演示，初级“码农”（Coder）确实该抖三抖了。如果你的工作只是把产品经理的需求翻译成代码，那Gemini 3干得比你快、比你好、还比你便宜。

Architect（架构师）不会死。

Gemini 3 的出现，实际上是把软件开发的门槛再次拉低，同时把天花板无限拉高。

以前，你想做一个“3D 飞船游戏”，你需要学 Unity，学 C#，学 3D 建模，折腾一个月。

现在，你只需要在Antigravity里告诉 Gemini 3：“我要一个复古像素风的 3D 飞船游戏，要有光影渲染。”

30 秒后，游戏跑起来了。

这时候，什么最重要？

• 你的品味（Taste）： 你知道什么样的游戏好玩。

• 你的创意（Idea）： 你有别人想不到的点子。

• 你的判断力（Judgment）： 你知道 AI 给出的方案里哪个是最好的。

Google 用Gemini 3告诉我们：AI 不是来替代你的，它是来帮你把脑海中那个最疯狂的想法，以光速变成现实的。

在这个新时代，最大的风险不是 AI 太强，而是你还抱着旧工具不放。

Action！

现在，Gemini 3已经全面上线。Antigravity虽然还是 Preview，但一定要去申请。

别睡了，起来试用。因为今晚之后，世界已经变了。