Gemini 3 编程第一断崖式领先，谷歌 AI Mode 直接装备 G3，反重力的 Antigravity 是啥？

注：因为谷歌的图模型 Nona Banana Pro 发布了，先补充一篇墨问里新鲜出炉的笔记，生图效果惊艳：新版本 Nona Banana Pro 彻底了解决生图的文字处理，效果炸裂。

//以下是正文

今年 8 月发布的 GPT 5 并没有达成人们想象中的 AGI，显然，Gemini 3 也不大可能是人工智能的分水岭，但能力提升是显而易见的，跨度好于 GPT 5。

前端工程师高喊：Gemini 3 已经让我们哀嚎一片了，找工作难度再+1。对此我的建议是，哀嚎的同时，尽可能用 AI 保住你现有的工作。至于“捅破天、天塌了、哀鸿遍野”这样的说法，我们已经听过不止一百遍。你不照样在写代码？喊久了，终究会习惯。

还是让我来梳理一下 Gemini 的发展脉络吧，这也是谷歌在 AI 领域打翻身仗的轨迹：Gemini 1 把多模态作为默认形态，从文本扩展到图像、音视频与代码；Gemini 2.5 把“能干”升级为“能想和执行”，在编码与复杂任务上先拆解、规划、再执行；Nano Banana 把图形的一致性推到了一个新的高度。到了 Gemini 3，编程和推理能力达到了一个新高度，同时，Google 直接把“最强模型 3.0”塞进 Search 的 AI Mode，把多年深耕的 AI 能力推到基础设施层，并以更长上下文、更结构化输出与更稳定的工具调用，把模型变成了可编排的系统。

在我看来，相比于 Gemini 3 在方方面面能力的提升，更有价值的事情是，Google 这次把“最强模型”直接塞进 Google Search 的 AI Mode 里，AI 普惠的意义超越了能力的升级。

1

Google 把最强模型，直接塞进了搜索。

我以为这次 Gemini 3 最大的变化，是很多人不太关注甚至看起来有点“无聊”的地方：Search。

Google 官方给 Gemini 3 下的定义，是“目前最智能的模型”，在推理、多模态理解和 Agent 能力上做了全面升级，并且第一次在发布当天就直接接入了 Google 搜索的 AI Mode，等于是把 Search 换了台“新大脑”。

对于用户来说，搜索框的形态没变，但背后的工作方式变了：它能理解更长的问题、更复杂的上下文，给出结构化的答案，以前 AI Mode 的结构化输出简单，现在我们可以得到更完备的搜索结果。Google 自己的说法是，让 Gemini 3 去“承接你最难的问题”，并且通过“generative UI”，把回答拆成块、做成可交互的界面，而不是一条长长的文字。

AI Mode 会增加两种模式：Default 和 Thinking。前者就是以前的方式，后者则基于 Gemini 3 实现专业级推理与生成式布局：

这件事的象征意义不小：当一个公司把最新、最贵的模型，第一时间塞进自己受众最广泛的搜索产品，说明谷歌把这事当基础设施了，并且还是免费的。

2

对开发者而言，Gemini 3 是 2.5 Pro 之后的新一代主力型号。DeepMind 给出的数据是，在一系列编码相关基准上，Gemini 3 Pro 相比 Gemini 2.5 Pro 的解题数量提升了 50% 以上，重点强化的是推理深度、鲁棒性和多模态理解。

Google 在开发者文档里，把 Gemini 3 描述成“建立在最前沿推理能力之上的模型家族”，希望把任何想法带入现实，包括复杂的 Agent 工作流、自主编程和多模态任务。

听上去是不是有点抽象啊，我们可以这么理解：

第一，模型更愿意、也更擅长“想清楚再动手”。在编码、分析、规划这类任务上，它会先拆解步骤、生成计划，再去执行，而不是一句话直接给你一坨结果。

第二，它变得更“耐心”。Gemini 3 Pro Preview 的上下文窗口来到 100 万 token 量级，支持文本、图片、视频、音频和 PDF 作为输入，可以长时间“记着你在说什么”，也可以一次性读完一个项目级别的代码库或一份很长的报告。

能不能打，还得来拉出来溜溜。看下 LMArena 编程模型的榜单变化就知道了，Gemini 直接从之前的第九位冲上了第一，分数断崖式领先：

显然，从 2.5 到 3，不只是“再快一点、再准一点”，而是把编程、推理和链路调度又往前推了一步。今年 10 月份我在 AI Studio 里使用 Gemini 3 的测试版，已经可以很容易模拟一个前端 macOS 的交互出来了，稳定版能力可想而知。

3

Gemini 3 的 Agent 能力也加强了。

如果说 Gemini 2.5 主打 Chat、推理、深度研究和图片处理，Gemini 3 则开始系统化地往 Agent 方向走了。

Gemini 3 是围绕 agentic workflow 设计的：可以可靠地调用工具，执行多步任务，维护长链路状态，并且通过结构化输出，让上层应用把结果接住。

为此谷歌还推出了一个新工具，叫做：Antigravity，这是个围绕 Gemini 3 Pro 打造的“Agent-first” 开发环境。它一半像 IDE，一半像任务指挥中心，多个 AI Agent 可以同时读代码、开终端、开浏览器，自动生成任务列表、计划和执行记录，这些记录会被整理成所谓的“Artifacts”，方便人类随时看懂 AI 干了什么、为什么这么干。现在已经可以下载使用了。

这和早期那种在编辑器侧边开个聊天窗，让模型帮你补全代码、读仓库和模版的体验，是完全不同的方式。Artifacts 更像是在 IDE 里塞进了一个“虚拟项目组”：有人负责读需求，有人负责写实现，有人一直在记录过程，最后再交付一个整体结果。

Gemini 3 的 Agent 能力，也被一路延伸进搜索和 Workspace。Google Workspace 的更新里也明确提到，Gemini 3 将进入面向企业客户的 Gemini 应用，帮助处理更复杂的问题和工作流。

换句话说，Gemini 跳出了自己的 App，不再满足回答和处理对话框里的问题，而是开始接管一部分“执行层”的事情。

——————

对普通用户来说，Gemini 3 上线，只是一次产品设计，但会感觉到对话框里的能力增强，编程更厉害，推理很严密。AI Mode 用户会感觉 搜索框能思考了，搜索的结果也变了。旅行规划、复杂对比、学习一门新技能，它能帮你少开很多标签页，用一种更接近“对话”的方式，把信息组织和处理好。

对开发者来说，Gemini 3 现在更像一个“带着工具箱来上班的搭档”。在 Vertex AI 和 Gemini API 里，你能得到一个更好的编程伙伴：

可以读一整仓库代码、理解产品文档、同时解析截图和日志的多模态模型；

可以主动规划任务、调用函数、写代码、跑测试，再把中间过程留痕的 Agent 引擎。

最让我感兴趣的是 Antigravity 这个 Agent IDE 来了，我很想看看，用这个新工具，自己能做点什么。//我正在整理上手指南，稍后分享给大家：

如果把近三年大模型的进展压缩成一条线，从 GPT-3 到 GPT-4，再到今天的 Gemini 3，我看到了这两个趋势：

第一，模型的“感知范围”在不断扩张：从只看文字，到看图、看视频、听音频，再到读整站网页、整仓库代码，甚至直接嵌进操作系统和应用。Gemini 3 的百万级上下文，只是这个过程的一个阶段性节点。

第二，模型和“界面”的边界在变模糊。Google 提出的 “generative UI”，本质上是让模型直接参与界面编排；Antigravity 则让 Agent 在 IDE 里“自由走动”。下一步，很可能就是浏览器、桌面、手机系统都变成一层统一的“AI 皮肤”？

Maybe，人类的工作方式也在做明显的变化，从亲自点每一个按钮，变成告诉 AI“我要到哪儿去”，然后监督它怎么走。

这时候人的价值在哪里呢？在于更好的认知、判断力和决策力：什么样的任务适合模型，什么时候把任务交给模型，什么任务交给什么模型，什么时候亲自上手，什么时候让 AI 介入；什么时候信任它，什么时候又要作大量的验证工作……