Full text · 原文
3,026 字
听雨 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
面对Claude Opus 4.6和GPT Codex 5.3的猛烈攻势，谷歌反手就是一个Gemini 3 Deep Think的重大升级。<br>
在Codeforces（一个包含各种竞技编程挑战的基准测试平台）上，它取得了惊人的3455 Elo分数，相当于世界第8名。<br>
这下子，全球只有7人的编程水平能排在它前面了。而此前最高分是一年前o3拿下的2727 Elo。<br>
Gemini 3 Deep Think的实力不止于此，它还直接把ARC-AGI-2——这个公认测试AI推理能力的前沿基准，给刷到了史无前例的84.6%。<br>
要知道，之前最强模型的得分在60%-70%之间徘徊，Claude Opus 4.6的成绩也只有68.8%。<br>
在人类最后考试（HLE）上，Gemini 3 Deep Think也刷新SOTA，拿下了48.4%的成绩。<br>
官方表示，新版Deep Think是谷歌专门开发的推理模式，旨在推动智能前沿发展，并解决科学、研究和工程领域的现代挑战。<br>
另一位“尧舜禹”——清华物理系传奇特奖得主姚顺宇（Shunyu Yao），去年9月加入谷歌DeepMind，也是这次Deep Think新模型的参与者。<br>
新版DeepThink已经走进了实验室<br>
升级后的Gemini 3 Deep Think实力究竟有多强？<br>
它的野心不止于赢得基准测试，而是要走进科研和工程领域，帮助工程师处理复杂任务。<br>
新版Deep Think可以分析草图，对复杂形状进行建模，并直接生成用于3D打印的实体文件。这是它打印的一个笔记本电脑支架：<br>
谷歌VP Josh Woodward 在X上晒出了打印的成果，看起来对草图相当还原：<br>
罗格斯大学的数学家Lisa Carbone，利用Gemini 3 Deep Think审阅了一篇高度专业的数学论文。<br>
结果Gemini 3 Deep Think成功地识别出了一个细微的逻辑缺陷，而这个缺陷在此前的人工同行评审中均未被发现。<br>
杜克大学的王安实验室，利用Gemini 3 Deep Think技术优化了复杂晶体生长的制备方法，以期发现新的半导体材料。<br>
结果Gemini 3 Deep Think成功设计了一种能够生长厚度大于 100 微米薄膜的工艺，达到了以往方法难以企及的精确目标。<br>
在X上，DeepSeek多模态团队研究员XiaoKang Chen也表示：Gemini 3 Deep Think非常擅长处理科学领域中的长尾任务。<br>
他给Deep Think输入了一张复杂分子结构的图片，随后模型便准确地计算出了分子式。<br>
勇夺三项新SOTA，推理成本降低82%<br>
去年Deep Think专门版已经IMO等国际竞赛中夺下金牌。现在，全新升级后的Deep Think又在多项高难度的基准测试中全面刷新SOTA：<br>
不使用任何工具，在HLE中取得新SOTA——48.4%；<br>
在ARC-AGI-2测试中取得前所未有的84.6%的成绩，并经 ARC Prize 基金会验证；<br>
在Codeforces上取得了惊人的3455 Elo分数；<br>
在2025年国际数学奥林匹克竞赛中达到金牌水平。<br>
其中，ARC-AGI-2被誉为AI界的“图灵测试”，旨在衡量模型处理从未见过的新颖推理任务的能力。<br>
要知道，去年12月刚发布的初代Deep Think得分还是45.1%，不到三个月时间已经飙升到84.6%，比Opus 4.6还要强出一截。<br>
而在ARC-AGI-1上，Gemini 3 Deep Think取得了96%的成绩，直接顶到天花板了。<br>
性能提升的同时，推理成本也在大幅下降。初代Deep Think执行每项任务的成本为77.16美元。此次升级让成本降低了82%，每项任务仅需13.62美元。<br>
由于1和2都被Gemini刷爆了，现在ARC Prize已经在构建ARC-AGI-3了……<br>
除了数学和编程，升级后的Deep Think在化学和物理等广泛的科学领域同样表现出色。<br>
在2025年国际物理奥林匹克竞赛和化学奥林匹克竞赛中，Gemini 3 Deep Think在笔试部分取得了金牌级别的成绩。<br>
此外，它还展现了在高等理论物理方面的能力，在CMT-Benchmark测试中取得了50.5%的分数。<br>
华人带队，打造最强推理模型<br>
Gemini 3 Deep Think的研发团队中，有不少华人身影。<br>
核心成员包括95后华人科学家Yi Tay，他在Gemini团队中从事强化学习和推理方向的研究工作。<br>
此前，他曾在Google Brain共同领导早期大语言模型项目，包括PaLM-2、UL2和Flan-2。<br>
在Google Brain工作3年多之后，2023–2024 年间，Yi Tay曾短暂离开谷歌，作为联合创始人创办了一家独角兽AI初创公司——Reka。<br>
Reka AI由DeepMind、谷歌和Meta的研究人员创立，其创办初衷是打造功能强大且高效的基础模型，现在也开发界面设计、应用逻辑以及其他应用方面的工具。<br>
在创业一年半后，Yi Tay便重返谷歌DeepMind，担任高级资深研究科学家，继续从事人工智能和大语言模型的研究。<br>
去年刚从Anthropic跳槽到谷歌DeepMind的清华校友姚顺宇，也参与了Deep think新模型的开发。<br>
姚顺宇本科就读于清华大学物理系，曾拿下过清华本科生特等奖学金（清华授予在校优秀本科生的最高奖学金荣誉）。<br>
本科期间，他就已在《Physical Review Letters》（国际物理学领域最顶级的学术期刊之一）发表高水平论文，首次在国际上给出了关于非厄米系统的拓扑能带理论，不仅准确预测了相关现象，还定义了两个新的物理概念。<br>
本科毕业后，他赴斯坦福大学继续攻读博士，专注于量子多体混沌、开放量子系统动力学等前沿问题，师从Douglas Stanford（美国理论物理学家，被同行视为顶尖且有潜力改变物理学发展方向的年轻科学家之一）、Zhenbin Yang（杨振斌，华裔美国科学家，公认的20世纪最重要的物理学家之一）等知名学者。<br>
博士毕业后，他先是去UC伯克利做博士后研究，随后加入了Anthropic。在Anthropic工作的一年时间里，他参与组建了强化学习基础团队，负责了Claude 3.7 Sonnet框架，以及Claude 4系列背后的基本强化学习理论。<br>
离开Anthropic之后，姚顺宇转战谷歌DeepMind，继续从事AI方面的研究。这次Deep Think新模型发布，也是他在谷歌的首秀之作。<br>
参考链接：<br>
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/<br>
[2]https://x.com/ShunyuYao14/status/2022013770843967900<br>
[3]https://x.com/YiTayML/status/2021988841142534287<br>
[4]https://x.com/NoamShazeer/status/2021988459519652089<br>
[5]https://x.com/PKUCXK/status/2022144532272623990