Google、「Gemini 3 Deep Think」を大幅強化　ARC-AGI-2で84.6％達成

数学オリンピックでAIがメダルを獲得したというニュースから数か月、Googleはその推論能力を現実の科学研究へと一気にシフトさせました。

Googleは、科学、学術研究、エンジニアリング分野の複雑な課題を解くために設計された推論モード「Gemini 3 Deep Think」の大幅アップデートを公開しました。現在、Google AI Ultraプランの加入者向けにGeminiアプリ上で提供が開始されているほか、Gemini APIを通じた早期アクセスプログラムの受付も始まっています。

難関ベンチマークの更新と学術研究エージェントの実力

今回のアップデートで提示された検証スコアは際立っています。汎用的な推論力を測るARC-AGI-2では84.6パーセントを記録し、競合するOpus 4.6の68.8パーセントやGPT-5.2の52.9パーセントを大きく引き離しました。

ツールを使わない条件でのHumanity's Last Examでは48.4パーセントの新記録を樹立し、競技プログラミングのCodeforcesではEloレート3455に達しています。さらに、2025年の国際物理および化学オリンピックの筆記試験でも金メダル水準の成績を収めました。

単なるテストの得点にとどまらず、研究現場への実戦投入も進んでいます。DeepMindが開発した数学研究エージェント「Aletheia」は、Deep Thinkを基盤とし、生成した解答の欠陥を自ら見分ける検証器を備えています。

最も実用的なのは、問題が解けない場合にAI自身がそれを認める点です。これにより、研究者が幻覚（ハルシネーション）の確認に追われる無駄を削減できます。すでに算術幾何学に関する論文を人間の介入なしで執筆した実績や、エルデシュ予想データベースにある未解決問題を自律的に4問解決した事例が報告されています。

さらに実用的なエンジニアリング用途として、ラフな手描きスケッチから立体形状をモデリングし、3Dプリンター用の出力ファイルを生成する機能も実用段階に入っています。

なぜ重要か

先端分野の研究者やアルゴリズム開発者にとって、この機能は単なるチャット相手ではなく、厳密な論理検証を行える本格的な作業パートナーとなり得ます。解けないときに無理な作り話をせず、Web検索で原典を確認しながらステップを踏む構造は、研究用途において極めて実用的です。現時点で日常的なテキスト作成用途には過剰ですが、高度な数学的検証や物理モデリングに関わる層であれば、試す価値は十分にあります。

業界全体で見れば、汎用チャットの性能競争から、科学的発見を直接加速させる実用領域へとAI開発の主戦場が移ったことを明確に示しています。ARC-AGI-2での圧倒的な数値は、先行するOpenAIやAnthropicに対しても強い対抗圧力となります。

私たちの見立てでは、DeepMindの取り組みは非常に堅実です。「AGIの完成」を叫ぶような派手な宣伝を避け、AIの学術貢献度を厳格に分類する基準を自ら提示し、現段階では画期的な歴史的大発見には達していないと冷静に公表しています。科学コミュニティの信頼を勝ち取るには、全能感を演出するよりも、厳密さと検証プロセスを開示する姿勢こそが最も有効であると考えられます。