Google新AI Gemini 3震撼登場 多模態技術領先群雄

Google發布備受期待的Gemini 3

Google於星期二推出了其最新的AI模型Gemini 3，向消費者日益增長的期望作出回應。Gemini 3在多項業界標準測試中表現優於OpenAI的頂尖模型，展現了顯著的性能提升。這款模型的原生多模態設計，可能成為Google在前沿AI模型競賽中的獨特優勢。

用戶對Gemini 3的表現充滿期待，不少人對其能力的預覽感到震驚，甚至引發前OpenAI研究員Andreij Karpathy的玩笑話：「聽說Gemini 3能在你提問前就回答，甚至可以和你的貓對話。」然而，過度期待亦可能帶來失望，正如部分用戶對OpenAI今年8月發布的GPT-5抱有突破性期待，結果只見微小改進而感失望。

Google深知大型基礎模型的特質，難以預測經過大規模訓練後會出現哪些新功能，亦難以預料模型屬性的變化，這令熱衷用戶時常感到困惑。Google首席AI架構師兼DeepMind技術總監Koray Kavukcuoglu表示：「我們投入大量內外部測試，但最終仍需數以億計用戶以多種方式測試和發揮創意。」

—

回顧

Google快速推出新產品，是其努力回歸本源、迎接AI這場顛覆性技術浪潮的策略之一。DeepMind聯合創辦人兼CEO Demis Hassabis今年4月任命Josh Woodward負責Gemini應用，目標是擴大其功能，吸引更多用戶。Woodward領導的Google Labs曾開發出廣受歡迎的Notebook LM實驗應用。

Google表示，目前該應用擁有6.5億月活躍用戶，雖然距離ChatGPT約8億周活躍用戶仍有差距，但已接近。Gemini 3同時推出多款新產品，包括無需編碼的開發工具、可以整理電子郵件的智能助理，以及可將簡單指令轉化成互動圖像的「vibe coding」工具。

Kavukcuoglu強調團隊高度協調，使模型開發完成時，產品亦準備好同步發布。Woodward形容目前工作節奏快且全面，團隊不斷腦力激盪，思考用戶反饋及新模型能力如何轉化為新功能。

—

深入了解

Google在追趕ChatGPT成功後，選擇打造「原生多模態」基礎模型，訓練數據涵蓋文字、圖片、影片及其他多媒體。DeepMind期望這種方法長遠有助發展通用人工智能和機器人技術，但短期內已在影像和影片生成領域取得領先。

Woodward指出，多模態設計促成不同模式間的互補提升。例如Gemini 3的「多模態vibe coding」，用戶可視覺化地指示模型修改程式碼。Google產品經理能截圖應用畫面，直接上傳模型，現場編寫新功能或修復漏洞，顯著提高開發效率。這種跨模態協同令Gemini 3比前一版本更強大。

另一新功能是「生成式介面」，用戶可要求視覺化輔助學習複雜主題，如細胞生物學。Gemini 3可在背景編寫應用程式，並以動畫互動形式呈現，提升學習體驗。Woodward認為這類互動式視覺工具未來會廣泛滲透至各種應用。

—

記者觀點

從基準測試來看，Gemini 3確實令人印象深刻，Google憑藉DeepMind團隊及強大基建，將持續保持領先甚至領先地位。但大部分Google用戶未必關心基準數據，更在意產品實際體驗。

Google多年來最大挑戰，是將AI能力轉化為像YouTube、Google地圖、Gmail及搜尋一樣改變生活的核心產品。Gemini 3的推出展現了廣泛可能性，涵蓋企業及消費市場、生產力及娛樂領域，凸顯Google龐大的生態系統。雖然龐大體系運作緩慢，但若能有效推進AI產品開發，規模反而成為優勢。

例如生成式介面或許是未來搜尋的樣貌。OpenAI和Perplexity已將搜尋從一堆藍色連結轉變為連貫答案，但未必是終點。大多數人是視覺學習者，互動視覺應用比文字段落更受歡迎。

目前尚未有足夠算力免費向數十億用戶提供此類服務，但這正是Google擅長的領域——尋找高效基建方案，甚至計劃在太空建設太陽能數據中心。

Google面對艱鉅挑戰，需在龐大帝國各角落持續建設。從產品發布可見，留守Google的員工似乎更享受工作，雖然工時更長，每次推出新產品都讓人看到進步的曙光。

—

意見分歧空間

路透社近期報道，DeepMind CEO Hassabis較重視科學研究，較少關注商業成效。一些投資者質疑，憑藉先天優勢，為何Alphabet未能成為無可爭議的AI領導者。Deepwater資產管理合夥人Gene Munster形容這是「擁有全隊天才卻未奪冠的經典案例」，該公司今年已減持約1400萬美元Alphabet股票，因對其在快速變化AI市場中的前景感到擔憂。

—

值得注意

商業內幕指出，Google在AI領域仍需追趕OpenAI等公司，但其在雲端、晶片和研究上的投資開始顯現成效。若Gemini 3大獲成功，「Google只需把握住機會，不要犯錯」，技術記者Hugh Langley如是說。

—

編者評論

Google推出Gemini 3，標誌著AI產業競爭進入新階段，尤以多模態能力為核心創新，將文字、圖片與影片融為一體，開啟更豐富的互動體驗。這種跨媒體融合不僅提升模型智能，更為用戶帶來全新應用場景，從學習輔助到軟件開發，均展示出強大潛力。

然而，Google的龐大體系既是優勢也是挑戰。如何在保持創新速度的同時，將AI技術無縫整合進日常產品，成為其最大考驗。過去幾年Google在AI領域屢有突破，但未能像OpenAI般迅速轉化為消費者熱愛的產品，反映出規模與靈活性之間的矛盾。

Gemini 3的互動式生成介面或許是搜尋體驗的未來形態，從純文字到多媒體互動，滿足不同學習風格和需求。但這也對計算資源提出更高要求，Google必須持續優化基礎設施，才能實現全球規模的普及。

最後，DeepMind的科研導向與市場需求間的平衡，是Alphabet需要深思的策略問題。只有將技術領先轉化為切實可用的產品，才能在激烈的AI競賽中奪魁。Gemini 3是重要一步，但Google未來如何走得更遠，仍需時間檢驗。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。