Gemini 3 來了！Google 新一代 AI 模型已不再是輔助工具，而是主動的思考與規劃夥伴，模型智慧更是「階躍式提升」，目的是協助專業人士「實現任何創意」。

Gemini 3 是 Google 最新的 AI 模型系列，而 Gemini 3 Pro（目前在 AI Studio 中已能免費使用） 則是該系列中第一個發布且功能最強大的模型。Google 計劃在未來很快發布 Gemini 3 系列的其他模型。

Gemini 3 的核心優勢，在於具備的前所未有的深度推理能力。在複雜的科學知識測試（如 GPQA Diamond）中，Gemini 3 Pro 獲得 91.9% 的高分，展現出博士級的推理能力。

此外，Gemini 3 Pro 最讓有感的功能之一，是從自動規劃旅遊行程、整理 Gmail 收件匣，到在全新的 Google Antigravity 平台中自主執行複雜的端對端軟體開發任務，Gemini 3 轉變為積極的合作夥伴，更好地協助開發者和管理者。

《經理人》將深入分析 Gemini 3 如何透過這些突破性的技術，幫助團隊釋放前所未有的生產力，並在快速變化的商業環境中，保持競爭優勢。

1. Gemini 3 是什麼？

Gemini 3 是 Google 迄今為止最智能的 AI 模型系列，以最先進的推理技術為基礎建構而成；Gemini 3 整合 Gemini 的所有能力，協助使用者實現任何創意 (bring any idea to life)。

Gemini 3 Pro 是 Gemini 3 系列的首個模型，最適合處理複雜工作，特別是需要廣泛世界知識和跨模式進階推理能力的工作。

2. Gemini 3 與其他 AI 助手如 ChatGPT 有何不同？

Gemini 3 Pro 在每一項主要的 AI 基準測試中，表現都顯著超越先前的版本，並在多個關鍵領域樹立了新標準：

此外，Gemini 3 在設計上具備更強的深度與細微差異的掌握能力，能提供聰明、簡潔且直接的回應，提供真知灼見，而非陳腔濫調。

3. Gemini 3 和先前的版本相比，有哪些突破和提升？

Gemini 3 是建立在先前版本的基礎上，整合了所有能力。

如果將 AI 模型比喻為處理訊息的「廚師」，那麼 Gemini 2 就像一個技藝精湛，懂得如何使用各種廚房工具（代理能力）的廚師。

Gemini 3 則像一位米其林星級主廚，他不僅技藝更精湛（最先進的推理），還能處理和融合所有類型的食材——文字、圖像、影片、音訊（世界領先的多模態理解）。

此外，Gemini 3 能根據顧客的需求，即時設計並建構出獨特的用餐環境和工具（生成式介面），並能自主規劃連續數天的複雜菜單（代理能力和長期規劃），確保每次上菜都能提供深刻的見解（深度與細微差異）。

4. Gemini 3 具備哪些核心功能和技術優勢？

1. 最先進的推理能力 (State-of-the-art reasoning)：專為掌握深度和細微差異而設計，提供簡潔且具真知灼見的回覆。

2. 世界領先的多模態理解 (World-leading multimodal understanding)：能夠跨文字、圖像、影片、音訊，甚至是程式碼進行推理，並在多模態理解基準測試上創下新高。

3. 改進的代理式能力 (Improved agentic capabilities)：能同時處理多步驟任務，並具備更好的工具使用能力，可以建構更有助益且智能的個人 AI 助理。

4. 代理式編碼與 Vibe Coding：是 Google 迄今為止最強大的 Vibe coding 模型，能將高階想法（如草圖和提示）轉化為豐富且互動性的應用程式。

5. 長脈絡視窗：支援 100 萬個詞元，適用於處理大型資料集。

5. 目前 Gemini 3 的主要問題和挑戰有哪些？

Gemini 3 目前仍有以下幾點限制或需注意的事項：

1. Deep Think 模式的可用性：Gemini 3 Deep Think 模式目前需要額外時間進行安全評估，先開放給安全測試人員使用，預計在接下來幾週內才會向 Google AI Ultra 訂閱用戶開放。

2. API 參數衝突：在 API 中，無法在同一個要求中同時使用新的 thinking_level 和舊版 thinking_budget 參數，這麼做會傳回 400 錯誤。

3. 圖片區隔功能：Gemini 3 Pro 不支援圖片區隔功能（傳回物件像素層級遮罩）。如果工作負載需要此功能，建議繼續使用 Gemini 2.5 Flash。

4. 工具支援限制：在 Gemini 3 支援的工具中，目前不支援 Google 地圖和電腦使用。

5. 溫度設定警告：建議將溫度參數維持預設值 1.0。變更溫度（尤其設為低於 1.0）可能會導致非預期的行為，例如迴圈或複雜工作效能降低。

6. Gemini 3 如何處理多模態輸入（文字、影像、音訊）？

Gemini 3 是處理複雜多模態理解的最佳模型之一，能夠無縫整合文字、圖像、影片、音訊和程式碼等資訊。

• 圖像與文件：Gemini 3 Pro 在文件理解方面表現優異，能超越簡單的 OCR (光學字元辨識)，進行複雜的文件理解和推理。在複雜圖像推理基準 MMMU-Pro 上得分 81.0%。

• 影片：能夠捕捉高影格率的快速動作，並具備長脈絡回溯能力，可從數小時連續鏡頭中合成敘事並精確定位細節。在影片理解基準 Video-MMMU 上得分 87.6%。

• API 粒度控制：開發人員可透過 media_resolution 參數，對多模態視覺處理作業進行精細控制，選項包括 low、medium 或 high，這會影響模型的權杖用量和延遲時間。

7. Gemini 3 代理能力與生成式介面具體是什麼？怎麼應用？

1. 代理能力 (Agentic Capabilities)：

   • 定義：指模型能夠可靠地遵循複雜指令，執行同步、多步驟任務，並改進工具使用。這是將 AI 輔助從工具箱中的一項工具，轉變為積極合作夥伴的關鍵。

   • 應用：

     • 開發者：透過 Google Antigravity（新的代理開發平台），代理人可以代表開發者自主規劃並執行複雜的端對端軟體任務，例如建構功能、UI 迭代或修復錯誤。

     • 日常任務：Gemini Agent（一項實驗性功能）可處理多步驟任務，例如根據電子郵件中的細節規劃旅遊或預訂服務，或整理 Gmail 收件匣。

2. 生成式介面 (Generative Interfaces/Generative UI)：

   • 定義：這是一種新類型的使用者介面，可即時根據使用者的提示動態生成，以設計出最適合特定查詢的響應。它利用 Gemini 3 強大的推理和代理編碼能力實現。

   • 應用：

     • 視覺版面 (Visual layout)：生成沉浸式、雜誌風格的視圖，包含圖片和模組，例如用於規劃羅馬 3 日遊的視覺行程。

     • 動態視圖 (Dynamic view)：即時設計和編寫自訂使用者介面 (UI)，以呈現互動式體驗，例如詢問梵谷畫廊時，會收到可點擊、滾動和學習的互動式回覆。

     • 互動式工具與模擬： 即時編寫自訂模擬或工具。
       ▪ 案例： 詢問「三體問題的物理學」，獲得可操縱變數的互動式模擬。研究「抵押貸款」時，模型會客製化互動式貸款計算器。

8. Gemini 3 在實務上有哪些應用場景和案例？

Gemini 3 廣泛應用於多個領域，包括：

1. 軟體開發：

   • Vibe Coding：將高階想法（如單一提示）轉化為功能齊全的應用程式，例如編寫一款具備豐富視覺效果的復古 3D 太空船遊戲。
   • 生產力提升：在 GitHub Copilot 的早期測試中，解決軟體工程挑戰的準確度比 Gemini 2.5 Pro 高出 35%。
   • 設計轉譯：在 Figma Make 中，模型能以精確度轉譯設計並生成廣泛且富有創意的樣式和互動。

2. 企業與法律：

   • 知識應用：協助 Box AI 解釋和應用機構知識。
   • 法律推理：在 Thomson Reuters 的評估中，在法律推理和複雜合約理解方面有顯著進展。

3. 多模態處理：

   • 會議與文件：準確轉錄 3 小時多語言會議並具備優異的說話者識別能力；從低品質文件照片中提取結構化數據，表現優於基準模型 50% 以上。

9. Gemini 3 的核心用途是什麼？怎麼用？

Gemini 3 的核心設計是幫助用戶實現 3 大目標，包括學習、構建與規劃等用途：

1. 學習任何事物 (Learn anything)：

   • 透過結合其最先進的推理、視覺和空間理解能力，以及 100 萬 Token 的脈絡長度，幫助使用者以最適合自己的方式學習。
   • 應用案例：解讀並翻譯不同語言的手寫食譜；分析學術論文或長講座影片，並生成互動式單字卡或視覺化圖表的程式碼；分析匹克球比賽影片，找出可改進之處並生成訓練計畫。

2. 建構任何事物 (Build anything)：

   • 透過卓越的 Vibe coding 和代理編碼能力，將想法從草圖和提示轉化為互動工具和體驗。
   • 應用案例：透過 Vibe coding 打造更豐富、更具互動性的網頁 UI 和應用程式；使用單一提示編寫複雜的互動式 3D 遊戲。

3. 規劃任何事物 (Plan anything)：

   • 透過提升長期規劃能力和工具使用的一致性，協助委派多步驟專案，比以往更快完成任務。
   • 應用案例：協助規劃旅遊行程；整理收件匣。

10. 在搜索引擎中，Gemini 3 是如何帶來生成式介面與互動工具的體驗？

在 Google 搜尋的「AI 模式」中，Gemini 3 利用其多模態理解和強大的代理編碼能力，解鎖了客製化的生成式使用者介面 (Generative UI) 體驗。

• 動態生成：Gemini 3 會分析查詢，並即時動態生成最理想的視覺版面，其中包含視覺元素，如圖像、表格和網格，使輸出結果更清晰且可操作。

• 即時編碼互動工具：當模型判斷互動工具（例如模擬情境）有助於理解主題時，它會利用其生成能力即時編寫自訂模擬或工具，並將其添加到回覆中。

舉例來說：詢問三體問題的物理學時，可以獲得一個互動式模擬，讓使用者操縱變數並觀察重力作用；研究抵押貸款時，模型可以在回覆中為使用者客製化一個互動式貸款計算器。

11. Gemini 3 如何協助日常生活與工作流程的自動化，如旅遊規劃與收件匣整理？

Gemini 3 Pro 展現了更好的長期規劃能力，可以透過結合更深度的推理和改進後更一致的工具使用，代表能執行更複雜、多步驟的工作流程。

以下舉兩個常見案例：

1. 收件匣整理：Google AI Ultra 訂閱用戶可以在 Gemini 應用程式中試用 Gemini Agent，它能處理多步驟任務，例如整理收件匣，優先處理待辦事項並草擬回覆供使用者批准。

2. 旅遊規劃：Gemini Agent 可以接受精確指令，例如：「研究並協助我預訂下週旅行的中型 SUV，預算在每天 $80 以下，並使用我的電子郵件中的細節。」Gemini 將會定位的航班資訊、比較符合預算的租賃選項並準備預訂。

12. Gemini 3 的隱私與資料安全如何保障？

Gemini 3 是 Google 迄今為止最安全的模型，並經歷了 Google AI 模型中最全面的安全評估。

在安全保障方面，Gemini 3 模型展現了以下 3 個特性：

• 減少阿諛奉承的傾向。
• 增強對提示注入 (prompt injections) 的抵抗力。
• 改善針對網路攻擊濫用的防護。

13. 如何使用 Gemini 3 的 API？

Gemini 3 Pro (模型 ID：gemini-3-pro-preview) 可透過 Gemini API 在 Google AI Studio 和 Vertex AI 中使用。開發者可以使用 Python、JavaScript 或 REST 等方式呼叫模型。

Gemini 3 也引入了新的參數以控制模型行為和延遲時間，包括：

• 思考層級 (thinking_level)：控制模型在產生回覆前內部推理過程的深度。預設為 high，以進行最深入的推理。

• 媒體解析度 (media_resolution)：精細控制多模態視覺處理，選項包括 low、medium、high，影響權杖用量和延遲時間。

• 思想簽章 (thoughtSignature)：用於在 API 呼叫之間維持推理情境。在函式呼叫的嚴格驗證中，必須將這些簽章傳回模型，以確保模型維持推理能力。

14. 遇到常見錯誤碼怎麼排除？

開發者如果常見錯誤碼，排除與注意事項可參考以下表格：

15. Gemini 3 是否需要額外付費，API 限制和配額如何？

Gemini 3 Pro 的費用取決於的使用平台：

1. Google AI Studio (免費試用)

   • 可以在 Google AI Studio 中免費試用 Gemini 3 Pro 模型，但有速率限制。

2. Gemini API (付費方案)

   • 目前 Gemini API 中的 gemini-3-pro-preview 沒有免費方案。
   • 開發人員可透過 Gemini API 在 Google AI Studio 和 Vertex AI 中使用此模型。
   • 定價 (Gemini 3 Pro 預覽版)：價格以每 100 萬個權杖為單位，所列價格為標準文字價格，多模態輸入費率可能有所不同。

1. 訂閱服務 (使用限制)
   
   
   • Google AI Plus、Pro 和 Ultra 訂閱用戶將繼續享有更高的使用限制（主要指在 Gemini App 或 Search 的 AI 模式中）。

API 限制與配額 (脈絡長度與技術規格)則可參考以下表格整理：

資料來源：Google，本文初稿由 AI 協助整理，編輯：林柏源