📢 转载信息
原文链接：https://www.technologyreview.com/2025/11/18/1128065/googles-gemini-3/
原文作者：Caiwei Chen
谷歌今日发布了其旗舰多模态模型的重大升级——Gemini 3。该公司表示，新模型在推理能力上更强，拥有更流畅的多模态能力（在语音、文本或图像之间工作的能力），并且将像一个智能体一样运行。
上一代模型 Gemini 2.5 支持多模态输入。用户可以输入图像、手写内容或语音。但它通常需要用户明确指示想要的返回格式，并且默认返回纯文本。
然而，Gemini 3 引入了谷歌所称的“生成式界面”（generative interfaces），允许模型自主选择最适合提示词的输出类型，自行组装视觉布局和动态视图，而不是仅仅返回一大段文本。
当你要求它提供旅行建议时，它可能会在应用内弹出一个类似网站的界面，其中包含模块、图像和后续提示，例如“您计划旅行多少天？”或“您喜欢哪些类型的活动？”。它还会根据你可能想进行的下一步操作提供可点击的选项。
当被要求解释一个概念时，如果模型认为视觉效果更有效，Gemini 3 可能会自主绘制一个图表或生成一个简单的动画。
谷歌实验室（Google Labs）、Gemini 和 AI Studio 副总裁 Josh Woodward 表示：“视觉布局会生成一种沉浸式的杂志风格视图，其中包含照片和模块。”他补充说：“这些元素不仅看起来不错，还能邀请你的输入来进一步定制结果。”
借助 Gemini 3，谷歌还推出了 Gemini Agent，这是一个实验性功能，旨在直接在应用内处理多步骤任务。该智能体可以连接到 Google 日历、Gmail 和提醒事项等服务。一旦获得授权，它可以执行整理收件箱或管理日程等任务。
与其它智能体类似，它将任务分解为离散的步骤，实时显示其进度，并在继续之前暂停等待用户的批准。谷歌将此功能描述为迈向“一个真正的通才智能体”的一步。该功能将从 11 月 18 日起在美国的 Google AI Ultra 订阅用户中率先在网络上提供。
这种整体方法看起来很像“氛围编码”（vibe coding），即用户用自然语言描述一个最终目标，然后让模型自行组装达到该目标的所需界面或代码。
此次更新还将 Gemini 与谷歌现有的产品更紧密地整合。在搜索（Search）中，一小部分 Google AI Pro 和 Ultra 订阅用户现在可以切换到 Gemini 3 Pro，即新模型的推理变体，以接收更深入、更全面的 AI 生成摘要，这些摘要依赖于模型的推理能力，而非现有的 AI 模式。
对于购物场景，Gemini 现在将从谷歌的购物图谱（Shopping Graph）中提取信息——该公司称该图谱包含超过 500 亿个产品列表——来生成自己的推荐指南。用户只需提出一个与购物相关的问题或搜索一个购物相关的短语，模型就会组装出一篇交互式的、类似于 Wirecutter 风格的产品推荐文章，其中包含价格和产品详情，而无需重定向到外部网站。
对于开发者而言，谷歌也在进一步推动“单提示软件生成”（single-prompt software generation）。该公司推出了 Google Antigravity，这是一个开发平台，充当一个一体化的空间，代码、工具和工作流程都可以从一个提示词中创建和管理。
Agentic AI 应用公司 Flowith 的首席执行官 Derek Nee 告诉《麻省理工科技评论》（MIT Technology Review），Gemini 3 Pro 弥补了早期模型中的一些不足。改进之处包括更强的视觉理解能力、更好的代码生成能力以及在长任务上的性能提升——他认为这些功能对于 AI 应用和智能体开发者至关重要。
他表示：“考虑到它的速度和成本优势，我们正在将新模型集成到我们的产品中。”他补充说，“我们对它的潜力感到乐观，但我们需要进行更深入的测试来了解它能走多远。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区