Семейство моделей Gemini 3, Pro, DeepThink. Google решил играть всерьез

Google выкатил новую линейку моделей Gemini 3, и на этот раз компания явно решила не размениваться на мелочи. Сразу три версии – базовая Gemini 3, улучшенная Pro и специализированная Deep Think для особо сложных задач. Столь старательный подход во многом напоминает автомобильную линейку: есть модель для повседневной езды, премиум-вариант с дополнительными опциями, а также и гоночная версия для тех, кому обычной мощности мало. Только вот в случае с AI выбор правильной модели определяет не престиж, а эффективность работы.

Мультимодальность: не довесок, а основа

Интересно, что Google пошел по пути, отличному от конкурентов. Они не стали делать одну универсальную модель и натягивать ее на все задачи; вместо этого предлагается конкретная специализация. Хочешь быстрых ответов на разнообразные вопросы? Тогда стоит опробовать базовую версию. Нужна максимальная точность и глубокий анализ? Смело переключайся на Pro. Требуется решить задачу, над которой надо долго думать – включай Deep Think. Философия понятная, но возникает вопрос, а не слишком ли это усложняет жизнь обычному пользователю, который теперь должен каждый раз выбирать нужный инструмент?

Как и прежде, актуальные модификации нейросети доступны в Google AI Studio. Основная особенность всего семейства Gemini 3 заключается в так называемой нативной мультимодальности; иными словами, модель одинаково хорошо понимает текст, изображения, видео и код, причем не по отдельности, а в связке. Можно скинуть ссылку на двадцатиминутное техническое видео, попросить найти баг в коде, который мелькает на экране на пятой минуте, и получить не только объяснение проблемы, но и готовый патч. Раньше для такой задачи пришлось бы использовать несколько инструментов – один для распознавания видео, другой для анализа кода, третий для генерации исправлений. Теперь все это делает одна модель в одном окне.

Контекстное окно в миллион токенов – тоже не просто цифра для хвастовства. Оно позволяет загрузить в модель целую диссертацию, несколько научных статей или огромную кодовую базу, и при этом нейросеть не потеряет нить рассуждений. Если вы работаете с большими объемами информации, то не придется дробить задачу на куски, подавать информацию порциями и потом вручную склеивать ответы. Просто даешь все разом и получаешь цельный анализ.

Команда Креатор Проджект протестировала нейросеть и оказалось, что в целом модель, как и прежде, неплохо справляется с поставленными ей задачами. Ниже можно увидеть пример генерации плана научной работы:

Также мы попросили ИИ реализовать класс в ООП-стиле для игры “Змейка”, с чем модель справилась успешно:

А вот пример объяснения сложной темы (квантовая спутанность) простыми словами:

Gemini 3 Pro и Deep Think

Версия Pro предлагается в качестве главной рабочей лошадки для профессионалов. Если базовая Gemini 3 справляется с широким спектром задач достаточно хорошо, то Pro заточен под те случаи, когда ошибка дорого стоит. Научные расчеты, технический анализ, сложные исследования, аналитика крупных массивов данных – модель хороша везде, где нужна максимальная точность и глубина проработки. Google называет эту версию «интеллектуальным партнером» для тех, кому нужны надежность и детальная работа.

Самая интригующая часть линейки – режим Deep Think, который Google анонсировал, но пока не запустил для широкой публики. Тут речь идет не просто о более мощной версии базовой модели, а принципиально ином подходе к решению задач. Deep Think создан для тех случаев, когда нужно пройти через длинную цепочку рассуждений, учесть множество взаимосвязанных факторов, после чего отыскать то решение, которое не является очевидным. Логические головоломки, стратегическое планирование, исследовательские задачи высокого уровня – именно там Deep Think должен раскрыться.

По сути, все это представляет собой не что иное, как попытку Google создать свою версию моделей с расширенным мышлением, аналог того, что OpenAI делает со своей серией o1. Модель не спешит с ответом, а показывает процесс размышления – как она разбивает проблему на части, какие гипотезы проверяет, почему отбрасывает одни варианты и выбирает другие. С визуальной точки зрения процесс выглядит убедительно и создает ощущение, что работаешь не с автоответчиком, а с думающим ассистентом. Вопрос только в том, насколько демонстрируемые размышления отражают реальные процессы внутри модели, а не являются красиво оформленной имитацией для повышения доверия пользователей.

Ранние тесты показывают, что Deep Think действительно справляется со сложными задачами лучше версии Pro. На специализированных бенчмарках вроде ARC-AGI-2, которые проверяют способность к абстрактному мышлению и обобщению, Deep Think выдает результаты, приближающиеся к человеческим. Хотя все же стоит помнить, что тесты на AGI-подобные способности пока довольно условны и не всегда переводятся в реальную пользу для практических задач. Тем не менее, сам факт того, что Google вкладывается в развитие такого направления, говорит о серьезных амбициях компании в области продвинутых рассуждений.

Кого заинтересует Deep Think

Режим Deep Think, когда наконец запустится, станет инструментом для узкой категории профессионалов, решающих действительно сложные задачи. Ожидается, что он будет применяться специалистами в тех областях, в которых приходится ломать голову над неочевидными решениями или же осуществлять многоуровневый анализ. Для всех остальных это будет любопытная игрушка, с которой интересно поэкспериментировать, но которая не станет ежедневным инструментом.

Что интересно в подходе Google, так это готовность сегментировать рынок вместо того, чтобы делать универсальное решение на все случаи жизни. У каждой модели своя ниша, свои сильные стороны. Время покажет, станет ли такая стратегия успешной или пользователи предпочтут более простую модель «один инструмент для всего» от конкурентов.