Google 发布 Gemini 3：登顶 LMArena 1501 分，上线 Antigravity 平台

过去大模型更新，大家习惯了先看官方发一段炫目的演示视频，再等上几个月排队等内测。这一次 Google 换了套路，不仅掏出了号称目前最聪明的 Gemini 3，还破天荒在发布当天就把它塞进了每天几亿人用的核心产品里。

Google 正式推出新一代旗舰大模型 Gemini 3，首发提供 Gemini 3 Pro 预览版。同时亮相的还有推理能力更极端的 Gemini 3 Deep Think 模式，以及一个全新的智能体开发平台 Google Antigravity。

刷榜拿到 1501 分，还能边聊边手搓界面

数据表现上，Gemini 3 Pro 基本把现有的基准测试刷新了一遍。它在盲测榜单 LMArena 上拿到了 1501 分的突破性 Elo 成绩，WebDev Arena 评测也拿下 1487 分。面对号称人类终极测试的 Humanity's Last Exam，它在不借助外部工具的情况下拿到了 37.5% 的准确率，GPQA Diamond 得分达到 91.9%，代码基准 SWE-bench Verified 也提升到 76.2%。

要是换成针对极端难题的 Gemini 3 Deep Think 模式，Humanity's Last Exam 的成绩直接拉到 41%，ARC-AGI-2 测试得分更是达到了 45.1%。

比起干瘪的分数，这次更显眼的变化是交互方式。Google 把它叫做生成式界面。说白了，AI 不再只是给你吐出一大段排版规整的文字，而是根据你的具体问题现场写代码搭界面。

比如在 Google 搜索的 AI 模式或者 Gemini 应用里，问它三体问题的物理机制，它会现场给你生成一个能手动拉动参数的动态引力模拟器；算房贷时，它直接在答案里嵌一个交互式计算器；做旅游规划，它给出的不是流水账清单，而是一份图文并茂、能直接拖拽调整日程的杂志式布局。

从陪聊插件变成敲代码的同事

对于写代码的人来说，Gemini 3 带来的最大改变是把写代码的姿态从辅导变成了代劳。

Google 这次推出了一个名为 Antigravity 的新平台，并且已经开放了 macOS、Windows 和 Linux 的免费公测。它表面看起来像一个普通的 AI 代码编辑器，但骨子里其实是个多智能体工作台。这些智能体有权直接操作编辑器、系统终端和浏览器，它们不仅自己写代码，还会自己打开浏览器测试界面、在终端跑指令排错，最后把完整成果交给开发者审核。

在 API 调用方面，Gemini 3 Pro 保留了 100 万 token 的超长上下文窗口。在 20 万 token 以内的请求中，输入每百万 token 收费 2 美元，输出每百万 token 收费 12 美元。开发者可以直接在 Google AI Studio 和 Vertex AI 体验，Cursor、GitHub、JetBrains、Manus 等第三方平台也同步开放了支持。

面向普通用户，Gemini 应用里还加入了一个需要极高推理能力支撑的 Gemini Agent 工具，优先面向 Google AI Ultra 用户开放。它可以调用 Gmail、日历甚至直接联网比价，帮你查邮件里的航班信息，再顺手挑一家一天 80 美元以内的租车公司并准备好订单，只等你最后点击确认。

为什么重要

我们认为，Google 这次最厉害的地方不是基准测试又高了几分，而是它展现出的全栈落地能力。以往前沿模型发布，要么是初创公司有技术没场景，要么是巨头有场景却动作迟缓。这一次 Google 破天荒让 Gemini 3 在第一天就直接杀进 Google 搜索和日常应用，完全是把前沿模型当成底层基础设施在全面铺开。

对普通创作者和打工人来说，生成式界面是个非常实用的演进。大家早就看腻了长篇大论的 AI 总结，现场捏出一个可点击、可调节的可视化小工具，能省去不少来回追问的沟通成本。对于开发者，Google Antigravity 免费公测加上终端操作工具的开放，看起来是要正面争夺 Cursor 和各类 Agent 工具的生态阵地，写代码的门槛被进一步拉平到用嘴描述需求的 vibe coding 阶段。

不过隐患也同样明显。生成式界面的交互成本极高，现场编译和渲染 UI 必然会带来响应延迟与推理算力消耗。一旦遇到网络波动或复杂逻辑，生成的交互组件很可能会卡顿甚至报错。而在搜索中过度依赖动态生成的工具，如何保障数据真实度与外部网站的引用平衡，依然是 Google 接下来不得不面对的难题。