Gemini 3 Pro
Google 2025 年 11 月发布的旗舰多模态模型，1M 上下文 + LMArena 登顶 + vibe coding 标杆，同步推出 agent 开发平台 Antigravity。
规格
- 厂商
- 发布日期
- 2025/11/18
- 类型
- multimodal
- 上下文窗口
- 1000K tokens
- 最大输出
- 66K tokens
- 定价
- Input $2/M · Output $12/M（≤200K 上下文）
- API 兼容
- gemini, vertex-ai, openai
基准测试
✓ 优势
- •1M token 上下文，原生多模态（文本/图片/音频/视频/代码）
- •推理能力业界顶级，LMArena 1501 Elo 登顶
- •Vibe Coding 零样本生成交互式 Web UI 能力极强
- •长程 agent 规划稳，Vending-Bench 2 模拟经营一整年不跑偏
- •减少谄媚（sycophancy），事实准确率提升
⚠ 不足
- •国内无官方 API，需走中转或 Vertex AI
- •纯编程 SWE-bench 76.2% 略低于 Claude Opus 4.5
- •Deep Think 深度推理模式仅对 AI Ultra 订阅开放
- •上下文超 200K 后 API 价格上浮
适用场景
概述
Gemini 3 Pro 是 Google 于 2025 年 11 月 18 日发布的最强模型，相比 Gemini 2.5 Pro 在推理、多模态和 agentic 能力上全面跃升。发布即在 LMArena 以 1501 Elo 登顶，被 Google 定位为「思维伙伴」——能用更少的提示理解深层意图。同步推出的 agent 开发平台 Google Antigravity 让 Gemini 3 Pro 直接驱动编辑器、终端和浏览器。
核心能力
顶级推理
GPQA Diamond（博士级科学推理）拿到 91.9%，远超 GPT-5 一代。Humanity's Last Exam 37.5%（无工具）。配套的 Deep Think 模式进一步把 GPQA 推到 93.8%、ARC-AGI-2 推到 45.1%，但仅对 Google AI Ultra 订阅者开放。
1M 多模态上下文
1M token 上下文 + 原生多模态，可同时理解文本、图片、音频、视频和代码。典型用法：
- 把整段教学视频喂进去做专家级分析（Video-MMMU 87.6%）
- 手写食谱照片转结构化菜谱
- 学术论文一键生成交互式记忆卡片
Vibe Coding
零样本生成富交互 Web UI 是 Gemini 3 Pro 的招牌能力，WebDev Arena 拿到 1487 Elo。配合 Gemini CLI 或 Antigravity，从一句话需求到可运行前端的链路极短。关于 vibe coding 的方法论见 Vibe Coding。
长程 Agent
在 Vending-Bench 2（模拟经营一家自动售货机生意一整年）上登顶，证明它能维持长周期目标不漂移。Terminal-Bench 2.0 拿到 54.2%，终端操作能力强。
API 调用示例
from google import genai
client = genai.Client(api_key="...")
resp = client.models.generate_content(
model="gemini-3-pro",
contents="分析这段代码的性能瓶颈并给出优化方案",
config={"thinking_config": {"thinking_level": "high"}},
)
print(resp.text)
也兼容 OpenAI 格式端点，方便从 GPT-5 平滑迁移。
定价
| 项目 | 价格（≤200K 上下文） |
|---|---|
| Input | $2 / 百万 token |
| Output | $12 / 百万 token |
超过 200K 上下文的请求价格上浮，长文档场景要算账。对比 Gemini 2.5 Pro 的 $1.25/$10，3 Pro 贵一档但能力提升明显。
与同档模型怎么选
| 维度 | Gemini 3 Pro | Claude Opus 4.5 | GPT-5 |
|---|---|---|---|
| 纯编程（SWE-bench） | 76.2% | SOTA（更高） | 68.0% |
| 多模态 | 原生（图+音+视频） | 仅图片 | 图+音+视频 |
| 上下文 | 1M | 200K | 400K |
| 推理（GPQA） | 91.9% | 强 | 62.5% |
| 国内可用 | ❌ | ❌ | ❌ |
建议：要多模态 + 超长上下文 + vibe coding 选 Gemini 3 Pro；要最强纯编程 agent 选 Claude Opus 4.5。
避坑清单
- 国内无直连：需 Vertex AI 或中转，注意合规。
- 200K 是价格分界：超过后 input/output 双双上浮，长上下文任务先估成本。
- Deep Think 要 Ultra：普通 API 拿不到最强推理档，别按 Deep Think 的 benchmark 预期普通调用。
- thinking_level 别默认拉满：high 档贵且慢，日常任务用默认即可。
实际使用体验
1M 上下文实测
把一个中型项目（源码约 60 万 token）整包塞进去做架构分析，Gemini 3 Pro 能准确指出循环依赖、定位跨模块的副作用传播链路，召回率明显高于把代码分块喂给 Claude Opus 4.5。但要注意：单次请求响应会拉到 60-90 秒，且超过 200K 后单价上浮，整仓分析一次成本在 $1-3 量级。工程上更推荐用 Context Engineering 的分层加载策略，而不是无脑全塞。
Vibe Coding 实测
用「做一个带拖拽排序的看板，深色主题，数据存 localStorage」一句话需求，零样本生成的代码直接能跑，拖拽动画、列间移动、持久化都在位，UI 质量明显高于 GPT-5 同样的提示。复杂交互（如富文本编辑器 + 协同光标）仍需 2-3 轮迭代，但首版可用率很高。配合 Gemini CLI 做增量修改比单次生成更稳。方法论见 Vibe Coding。
多模态实测
- 视频理解：把一段 15 分钟的技术演讲喂进去，能准确总结章节、定位某个观点的时间戳，甚至识别白板上的公式。Video-MMMU 87.6% 的分数在真实场景中站得住。
- 截图分析：扔一张报错截图 + 一张设计稿，能准确读出报错堆栈并定位到设计稿中对应的组件区域，细粒度高于仅支持图片的 Claude Opus 4.5。
thinking_level 实测
low：响应 3-5 秒，简单问答和格式转换够用，复杂推理会翻车。medium（默认）：多数任务的甜点档，速度和质量平衡好。high：响应 20-40 秒，thinking token 计入 output 费用，成本明显上升。GPQA 级别的难题和架构决策值得开，日常别拉满，按避坑清单说的来。
FAQ
Q: 1M 上下文真的能用满吗？
能，但有条件。纯文本（代码 + 文档）塞满 1M 没问题，响应会变慢但不会报错。混入大量图片/视频后实际可用 token 会缩水（一张高清图约 250-400 token，一段 10 分钟视频约 25 万 token）。工程上建议控制在 600K 以内留余量。
Q: Deep Think 和普通模式差多少？
GPQA 从 91.9% → 93.8%，ARC-AGI-2 拿到 45.1%，提升主要体现在最难的推理基准上。日常编程、写作、分析任务差距感知不强，只有顶级竞赛题和前沿科研才值得开。且 Deep Think 仅对 AI Ultra 订阅开放，API 调用拿不到。
Q: 国内怎么调用 Gemini 3 Pro？
三条路：① Google Cloud Vertex AI（需海外信用卡 + 海外区域，合规自查）；② 第三方中转 API（如 OpenRouter，加价 20-50%）；③ Antigravity 平台（需订阅 AI Ultra）。
Q: Gemini 3 Pro 和 Gemini 2.5 Pro 值得升级吗？
看场景。多模态、vibe coding、长上下文场景值得升——3 Pro 的 WebDev Arena 1487 领先一档，1M 上下文也更稳。纯文本对话、简单代码补全这种轻量场景，Gemini 2.5 Pro 性价比更高（$1.25/$10 vs $2/$12）。
延伸阅读
- 对比同档：Claude Opus 4.5 / GPT-5 / Gemini 2.5 Pro
- 长上下文：Context Engineering
- 配套工具：Gemini CLI