Насколько хорош Gemini 3 Deep Think AI? Глубокий анализ
Обещание искусственного интеллекта давно завораживает нас, от научно-фантастических повествований до реальных лабораторий. Теперь Google DeepMind представила специализированный режим мышления под названием Gemini 3 Deep Think, предназначенный для решения самых сложных задач в науке, исследованиях и инженерии. Анонсированная с крупным обновлением 12 февраля 2026 года, эта модель представляет собой значительный скачок в способности ИИ рассуждать и решать проблемы, которые часто бросают вызов традиционным вычислительным подходам.
Источник: Эта иллюстрация отражает суть передового ИИ, символизируя глубокий скачок в рассуждении и решении проблем, предлагаемый Gemini 3 Deep Think.
Краткое резюме:
- Что это такое: Специализированный режим мышления от Google DeepMind для сложных научных, исследовательских и инженерных задач.
- Ключевые достижения: Золотые медали на Международной олимпиаде по математике и Всемирной студенческой олимпиаде по программированию; высшие баллы на "Последнем экзамене человечества" и ARC-AGI-2.
- Реальное воздействие: Выявлены логические ошибки в математических статьях, оптимизирован рост кристаллов и ускорена разработка физических компонентов.
- Автономные исследования: Питает Aletheia, ИИ-агента, способного к автономным математическим исследованиям и решению проблем.
- Доступность: Доступен подписчикам Google AI Ultra в приложении Gemini (с декабря 2025 г.) и через Gemini API для исследователей/компаний.
- Стоимость: Как правило, выше, чем у стандартных моделей Gemini, с ценообразованием, основанным на токенах, используемых в процессе мышления.
- Стратегическое значение: Позиционируется как лидер рынка, превосходящий конкурентов по ключевым показателям, укрепляя позиции Google в гонке ИИ.
Беспрецедентная производительность в решении сложных задач
Deep Think уже продемонстрировал исключительные возможности в различных требовательных тестах. В июле 2025 года он получил золотую медаль на Международной олимпиаде по математике (IMO), как подробно описано в
официальном посте в блоге DeepMind. Обновленная версия позже повторила эту производительность на финале Всемирной студенческой олимпиады по программированию, что также было отражено в посте в блоге DeepMind. Эти достижения подчеркивают неоспоримую компетентность Deep Think в задачах, требующих продвинутого логического рассуждения и навыков решения проблем.Помимо академических соревнований, Deep Think установил новый стандарт на "Последнем экзамене человечества" – тесте, проверяющем пределы современных передовых моделей, достигнув 48,4% без дополнительных инструментов. Он также показал впечатляющие 84,6% на ARC-AGI-2, результат, независимо подтвержденный ARC Prize Foundation. В области соревновательного программирования Deep Think получил рейтинг Elo 3455 на Codeforces, что прочно относит его к категории "Легендарных гроссмейстеров" среди людей-программистов.
Модель также достигла золотых медалей в письменных секциях Международной олимпиады по физике 2025 года и Международной олимпиады по химии 2025 года, что еще раз продемонстрировало ее широкое научное понимание. Deep Think продемонстрировал знания в области продвинутой теоретической физики, набрав 50,5% в тесте CMT, а во внутреннем тесте Gemini 3 Pro показал на 35% более высокую точность в решении задач программной инженерии по сравнению с предыдущими версиями.
Применение Gemini 3 Deep Think в реальном мире
Deep Think разработан для решения сложных исследовательских задач, где данные часто неполны или искажены, а четкие инструкции отсутствуют. Его разработка включала тесное сотрудничество с учеными и исследователями.
Одно из заметных применений было связано с Лизой Карбоне из Университета Рутгерса, которая использовала Deep Think для рецензирования высокотехнической математической статьи; модель успешно выявила тонкую логическую ошибку.
Источник: salemfive.com
Лиза Карбоне из Университета Рутгерса использовала Deep Think для рецензирования сложной математической статьи и нашла тонкую логическую ошибку.
Лаборатория Ванга в Университете Дьюка использовала Deep Think для оптимизации методов производства сложных кристаллов, что позволило выращивать пленки толщиной более 100 мкм. Анупам Патак из Google Platforms and Devices также использовал Deep Think для ускорения разработки физических компонентов.
Aletheia: Партнер по исследованиям в области ИИ
Aletheia, агент для математических исследований на базе Gemini Deep Think, является примером впечатляющей способности модели к автономным исследованиям, как подробно описано в
статье arXiv. Этот агент включает в себя верификатор естественного языка для выявления ошибок в потенциальных решениях и использует итеративный процесс для их создания и доработки. Aletheia может признавать неудачи в решении проблем, повышая эффективность для исследователей. Важно отметить, что он использует Google Search и веб-браузинг для навигации в сложных исследованиях, предотвращая неправильные ссылки и вычислительные неточности, как также изложено в той же статье arXiv. В январе 2026 года Deep Think достиг 90% в расширенном тесте IMO-ProofBench, что является значительным улучшением по сравнению с версией июля 2025 года, частично благодаря способности Aletheia обеспечивать более высокое качество аргументации при меньшем вычислительном ресурсе. Все эти результаты были тщательно оценены экспертами.Aletheia способствовал ряду исследовательских достижений, включая автономную публикацию о собственных значениях в арифметической геометрии (Feng26), задокументированную в
препринте arXiv. Он также внес свой вклад в совместные исследования с помощью ИИ, такие как работа над независимыми множествами (LeeSeo26), также представленная в статье arXiv. Полуавтономная оценка 700 открытых проблем в базе данных conjectur Erdos Bloom привела к автономному решению четырех открытых вопросов, причем Deep Think внес промежуточные предложения в две дополнительные статьи (FYZ26 и ACGKMP26), как упомянуто в статье arXiv. Google также предложил таксономию для классификации математических исследований с использованием ИИ в зависимости от значимости и степени вклада ИИ.Deep Think расширил "Принцип откровения" для аукционных токенов до непрерывных действительных чисел и нашел новое решение для расчета гравитационного излучения от космических струн с использованием полиномов Гегенбауэра. Он также показал многообещающие результаты в области компьютерных наук и физики, преодолевая узкие места в алгоритмах, машинном обучении и комбинаторной оптимизации. Модель решила классические задачи компьютерных наук, такие как "Max-Cut" и "Steiner Tree", применяя инструменты из непрерывной математики, и опровергла десятилетнее предположение в онлайн-субмодульной оптимизации с конкретным контрпримером. Deep Think также проанализировал и доказал новую технику для автоматической настройки математических "штрафов" в машинном обучении. Эти результаты подчеркивают, насколько глубоко ИИ меняет исследования, какими мы их знаем.
Использование Deep Think: доступность и стоимость
Gemini 3 Deep Think, часть более широкой
экосистемы Gemini, , может получать доступ к графу знаний Google, научным наборам данных и исследовательским партнерствам. Подписчики Google AI Ultra получили доступ к обновленному режиму Deep Think в приложении Gemini 4 декабря 2025 года. Исследователи, инженеры и компании могут запросить ранний доступ к Deep Think через Gemini API.
Источник: logowik.com
Gemini API предоставляет исследователям и инженерам доступ к Deep Think, облегчая его интеграцию в различные проекты.
thinking_level. По умолчанию модели Gemini 3 используют динамическое мышление (thinking_level.HIGH), максимизируя глубину рассуждений. Другие уровни включают MINIMAL (для Gemini 3 Flash, минимизация задержки и в основном считающееся "отсутствием мысли"), LOW (минимизация задержки и стоимости для простых инструкций) и MEDIUM (для Gemini 3 Flash, предлагая сбалансированный подход для задач средней сложности). Важно отметить, что функцию мышления нельзя отключить для Gemini 3 Pro.
Для Gemini 2.5 и более ранних моделей процесс мышления управляется параметром thinking_budget, который устанавливает верхний предел токенов, которые модель может использовать для своего мыслительного процесса. Установка thinking_budget на 0 отключает функцию мышления для Gemini 2.5 Flash и Flash-Lite, хотя ее нельзя отключить для Gemini 2.5 Pro. thinking_budget равный -1 активирует динамическое мышление, позволяя модели адаптировать свой бюджет к сложности запроса. Оплата осуществляется на основе токенов, сгенерированных в процессе мышления модели, при этом общее количество доступно в поле thoughtsTokenCount.
Соображения по стоимости
Что касается ценообразования, то Gemini 3 Pro стоит 2 доллара за миллион входных токенов и 12 долларов за миллион выходных токенов для контекстов менее 200 000 токенов. Для контекстов, превышающих 200 000 токенов, стоимость увеличивается до 4 долларов за ввод и 18 долларов за вывод. Ожидается, что Deep Think будет значительно дороже, причем индекс оценки Artificial Analysis будет на 12% дороже для Gemini 3 Pro, чем для Gemini 2.5 Pro. Несмотря на эти затраты, Gemini 3 Pro заметно быстрее конкурирующих моделей, таких как GPT-5.1, обрабатывая 128 выходных токенов в секунду.
Стратегическое позиционирование в ландшафте ИИ
Обновление Deep Think представляет собой стратегический ход в жестко конкурентной гонке ИИ, особенно против таких formidable соперников, как OpenAI и Anthropic. Google позиционирует Gemini 3 Deep Think как утонченного вычислительного и интеллектуального партнера для отделов исследований и разработок и научных учреждений.
Gemini 3 Pro в настоящее время лидирует в рейтинге LMArena с впечатляющим рейтингом Elo 1501. Он демонстрирует рассуждения "уровня PhD" в таких тестах, как Humanity's Last Exam (37,5% без инструментов) и GPQA Diamond (91,9%). В области математики он набирает 23,4% на MathArena Apex. В мультимодальном понимании он достигает 81% на MMMU-Pro и 87,6% на Video-MMMU. На бенчмарке ScreenSpot-Pro Gemini 3 Pro достигает 72,7%, значительно превосходя Holo2 (66,1%) и GPT-5.1 (3,5%). По данным Artificial Analysis, Gemini 3 Pro является новым лидером рынка, опережая GPT-5.1 от OpenAI на три пункта в "Artificial Analysis Intelligence Index" и занимая первое место в пяти из десяти ключевых бенчмарков, включая GPQA Diamond, MMLU-Pro и HLE.
Источник: artificialanalysis.ai
Gemini 3 Pro возглавляет Artificial Analysis Intelligence Index, превосходя конкурентов в ключевых тестах, таких как GPQA Diamond и MMLU-Pro.
Техническая основа и ограничения
Техническая основа Gemini 3 представляет собой разреженную архитектуру Transformer типа "смесь экспертов" (MoE), обученную на большом мультимодальном наборе данных, состоящем из общедоступных веб-документов, лицензированных данных, синтетических данных, сгенерированных ИИ, и пользовательских данных. Предельная дата знаний модели – январь 2025 года. Несмотря на то, что Gemini 3 Pro достигает пиковой точности чистого знания 88%, он демонстрирует более высокий уровень галлюцинаций, чем другие модели, хотя карта модели Google не указывает конкретный уровень.
Google Antigravity, новая платформа разработки агентных систем для ИИ-агентов, еще больше расширяет возможности Gemini. ИИ-агенты на этой платформе могут получать прямой доступ к редакторам, терминалам и браузерам, что позволяет им автономно планировать, выполнять и валидировать сложные задачи программного обеспечения.
Заключение
Gemini 3 Deep Think знаменует собой значительный прогресс в области ИИ, выходя за рамки простого поиска информации и достигая истинного решения проблем и научных открытий. Его способность достигать результатов золотого уровня в сложных математических и программных задачах, в сочетании с его подтвержденным успехом в помощи исследователям в решении реальных научных проблем, свидетельствует о трансформационной эре для исследований и разработок. По мере расширения доступа Deep Think вполне может стать незаменимым инструментом для ускорения прорывов во многих научных и инженерных областях, укрепляя свою роль мощного интеллектуального партнера в стремлении человечества к познанию.
Источник: YouTube
Часто задаваемые вопросы о Gemini 3 Deep Think
В: Что такое Gemini 3 Deep Think?
О: Gemini 3 Deep Think — это специализированный режим ИИ-мышления, разработанный Google DeepMind. Он предназначен для решения крайне сложных задач в области научных исследований, инженерии и передовых вычислительных задач, требующих глубокого рассуждения и навыков решения проблем.
В: Чем Deep Think отличается от других моделей ИИ?
О: Deep Think разработан для задач без четких инструкций или полных данных, фокусируясь на сложном рассуждении. Его производительность в тестах, таких как Международная олимпиада по математике и "Последний экзамен человечества", демонстрирует его передовые навыки решения проблем, часто превосходящие человеческий уровень в определенных областях.
В: Могут ли Deep Think использовать отдельные пользователи?
О: Подписчики Google AI Ultra могут получить доступ к режиму Deep Think в приложении Gemini. Исследователи, инженеры и компании также могут запросить ранний доступ через Gemini API для более интегрированных сценариев использования.
В: Каковы расходы, связанные с использованием Deep Think?
О: Deep Think, как правило, дороже стандартных моделей Gemini. Оплата основывается на количестве токенов, сгенерированных в процессе "мышления" модели. Применяются конкретные тарифы для входных и выходных токенов, с более высокими затратами для больших контекстов.
В: Какие реальные проблемы может решать Deep Think?
О: Он использовался для выявления тонких логических ошибок в сложных математических статьях, оптимизации производственных процессов для роста кристаллов и ускорения разработки физических компонентов. Его ИИ-агент, Aletheia, также может автономно проводить математические исследования.