Gemini 突然闭嘴了：AI 这一刻的沉默，震耳欲聋

昨天半夜，Google 悄咪咪地给 Ultra 订阅用户推了个新开关，名字叫 Gemini 3 Deep Think。

这一刻，AI 终于从“拼手速”的野蛮生长，进入了“拼脑力”的深水区。

这种感觉就像是你看着身边那个只会秒回消息、嘴比脑子快的朋友，突然有一天在听到问题后沉默了十秒钟，然后给出了一个让你无法反驳的完美方案。

之前的 AI 都是“直觉型”选手，你敲下回车，它就开始吐字，不管对不对，先说为敬。但 Gemini 3 Deep Think 不一样。当你问它一个复杂问题时，它不会立刻理你。界面上会出现一行小字，告诉你它正在“探索假设”、“验证逻辑”。

它在后台像个真正的研究员一样，同时构思好几种解题思路，自己否定掉那些不靠谱的，最后只把那个经过深思熟虑的答案端上来。

让硅谷沉默的 45.1%

数据有时候很枯燥，但有些数据能让你后背发凉。这次 Gemini 3 Deep Think 甩出的成绩单里，最扎眼的不是数学题，而是一个叫 ARC-AGI-2 的测试。

这个测试在 AI 研究圈子里就是噩梦。

它不是让你背书，而是一堆花花绿绿的格子图。给你看几张图的变色规律，然后问你下一张怎么变。这对人类来说是简单的“找规律”，但对于只会做文字接龙的大模型来说，这简直就是降维打击。

之前的顶尖模型，在这个测试上的得分基本都在 0% 到个位数徘徊。因为它们没见过这些题，没法靠背题库蒙混过关。

然后 Gemini 3 Deep Think 来了，它拿了 45.1%。

这不叫进步，这叫掀桌子。

这意味着它不再是瞎蒙，它真的“看懂”了那些格子背后的视觉逻辑。

更恐怖的是，它是“通过代码执行”达到这个分数的。它看着题目，心想“我觉得规律是 A”，写段代码跑一下发现不对，又想“那可能是 B”，再跑一下对了，最后才把答案告诉你。

再看看另一个测试：Humanity’s Last Exam（人类最后的考试）。

这名字听着中二，但题是真难。里面的题目全是各领域专家挖空心思出的，专门针对 AI 的弱点——也就是那些你把互联网翻个底朝天也搜不到现成答案的问题。

比如问你某种蜂鸟的一块特定骨头支持几根肌腱，这需要极其硬核的专业推理。

之前的模型在这个考试上基本就是及格线以下。

Gemini 3 Deep Think 在不使用工具的情况下拿了 41.0%。这意味着如果你把这个 AI 扔进大学，它已经能在好几个硬核专业里混个学位了。它面对的是人类知识的边界，能拿到四成，就已经是个能干活的初级研究员了。

它在“想”什么？

开启 Deep Think 模式后，你会发现 AI 的反应明显变慢了。放到之前，这在以前是产品大忌，但现在这种等待变成了核心功能。

传统的 AI 是走直线的，听到问题就预测下一个字，开头走歪了后面全完。Deep Think 则是树状的，甚至是网状的。

听到问题后，它会同时派出好几个“分身”去探路。分身 A 觉得是数学陷阱，分身 B 觉得是几何问题，分身 C 觉得是脑筋急转弯。这几个分身同时推演，分身 A 路堵死了被砍掉，分身 B 越算越顺，最后 AI 综合了分身 B 的路径给你答案。

这背后的技术其实有点像当年的 AlphaGo，它把用来下围棋的那种“走一步看几百步”的蒙特卡洛树搜索，塞进了语言模型里。它在还没张嘴之前，已经在脑子里把这事儿过了无数遍。

这也解释了为什么它会慢，以及为什么它贵。以前回答一个问题消耗 1 个单位算力，现在它要同时探索 10 个假设，每个假设再往下推演 10 步，算力消耗是指数级增长的。这叫“推理时算力”（Inference-time Compute）。Google 这次是把工程暴力美学发挥到了极致，用烧显卡的方式来换智商。

Google 的反击与焦虑

回头看看网上那张著名的“You Are Here”循环图，确实很讽刺。每隔几个月就有一家公司跳出来喊自己第一，大家似乎都在西西弗斯式的循环里打转。