谷歌最新发布的Gemini 3 Deep Think模型，在复杂任务推理上取得重大突破，其编程能力跻身全球顶尖行列，仅7位程序员超越。该模型不仅在多项权威基准中刷新纪录，更将顶尖AI的使用成本降低了数百倍，并已开始在科研与工程领域解决实际问题。
智能速览
Gemini 3 Deep Think编程能力跻身全球第八，仅7人能超越。
多项权威基准测试刷新纪录，成本降幅最高达420倍。
已在实际科研和工程中落地，优化晶体生长、发现论文缺陷。
已对订阅用户及部分开发者开放，成为科研新伙伴。
精华内容
这款AI模型的突破不仅体现在分数上，更在于它将顶尖智能的成本打了下来，并已开始解决真实的科研难题，其影响力正从实验室走向更广阔的工程世界。
巅峰性能实测
Gemini 3 Deep Think在多项测试中展现了超凡实力。在ARC-AGI-2基准上，其验证成绩高达84.6%；在极具挑战性的「人类的最后考试」中，无工具情况下取得了48.4%的SOTA结果。更令人瞩目的是其编程能力，在专业编程竞赛平台Codeforces上，该模型获得了3455的Elo评分，位列全球第八，超越了99.9%的人类选手，而此前OpenAI o3的评分仅为2727分。
成本大幅优化
与性能提升相辅相成的是成本的断崖式下降。在ARC-AGI-1基准上，Gemini 3 Deep Think处理每个任务的成本仅为7.17美元。相比之下，14个月前OpenAI o3-preview的成本高达2000至3000美元，意味着新模型的成本降幅达到了惊人的280至420倍。在更复杂的ARC-AGI-2任务上，单任务成本也仅控制在13.62美元，极大地降低了顶尖AI技术的使用门槛。
科研落地应用
该模型已从理论走向实践，展现出强大的应用潜力。例如，它能够将用户的草图直接转化为可用于3D打印的实体模型。在科研领域，罗格斯大学的学者借助其能力，发现了一篇数学论文中人工评审未能察觉的逻辑缺陷。杜克大学的实验室则利用它优化晶体生长工艺，成功设计出可培育超100微米薄膜的新方法，有效推动了半导体材料的研发进程。
Gemini 3 Deep Think的出现，标志着AI从单纯的工具向科研与工程领域的协作伙伴转变。当顶尖智能的成本不再是门槛，它将如何重塑未来的科学发现与技术创新？
