Gemini 3 登场：统一多模态架构刷榜，长上下文达 200 万 token

Google DeepMind 今日正式发布 Gemini 3，这是 Gemini 系列的重大版本更新。新模型采用统一多模态架构，在图像、视频、音频与文本理解任务上刷新多项基准测试纪录，尤其在知识问答、视频推理和代码修复三个方向表现抢眼。

三大基准刷新纪录

MMLU-Pro 是衡量分类与知识理解能力的经典基准。Gemini 3 在此刷新纪录，在 57 个任务上取得 SOTA 成绩，知识广度与深度均有提升。Video-MME 则检验模型对视频的理解能力。Gemini 3 在相关视频问答任务上领先同类产品，能理解视频中的时间关系与因果逻辑，支持多帧分析和跨帧推理。面对会议录像这类连续画面，它不再只是抽取单帧信息，而是能判断事件先后与来龙去脉。代码方面，Gemini 3 在 SWE-bench 的代码修复能力接近 Claude 4 与 GPT-5，支持多语言生成与调试，并优化了代码安全性和效率。

核心创新：统一架构与 200 万上下文

技术更新的核心是统一多模态架构：所有模态由同一个模型处理，避免了模态之间的转换损失，从而增强跨模态推理能力。与此同时，长上下文窗口达到 200 万 token，能处理整本书籍、大型代码库与多集播客转录。企业可以把整份合同或整套源码一次性交给模型，而不是拆成片段；对文档处理和知识管理类场景来说，这是一项显著优势。另一个亮点是自主学习能力：模型可以自我反思与纠错，从错误中学习改进，从而提升复杂任务的成功率。

落地与开发者入口

Gemini 3 将首先集成到 Google Workspace、Vertex AI 和 Android 系统中。开发者也可通过 Gemini API 调用 gemini-3-pro 与 gemini-3-flash 两个版本。从技术路线看，这代模型没有在模态数量上做表面扩展，而是用统一架构、超长上下文和反思式学习，试图解决多模态模型在真实任务中的一致性、记忆与可靠性难题。基准领先能否转化为实际效率，仍需真实部署检验，但 Google DeepMind 已经给出了一个明确的技术方向。