Gemini 3 Pro

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

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

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