Gemini 突然閉嘴了：AI 這一刻的沉默，震耳欲聾

昨天半夜，Google 悄咪咪地給 Ultra 訂閱用戶推了個新開關，名字叫 Gemini 3 Deep Think。

這一刻，AI 終於從“拼手速”的野蠻生長，進入了“拼腦力”的深水區。

這種感覺就像是你看着身邊那個只會秒回消息、嘴比腦子快的朋友，突然有一天在聽到問題後沉默了十秒鐘，然後給出了一個讓你無法反駁的完美方案。

之前的 AI 都是“直覺型”選手，你敲下回車，它就開始吐字，不管對不對，先說爲敬。但 Gemini 3 Deep Think 不一樣。當你問它一個複雜問題時，它不會立刻理你。界面上會出現一行小字，告訴你它正在“探索假設”、“驗證邏輯”。

它在後臺像個真正的研究員一樣，同時構思好幾種解題思路，自己否定掉那些不靠譜的，最後只把那個經過深思熟慮的答案端上來。

讓硅谷沉默的 45.1%

數據有時候很枯燥，但有些數據能讓你後背發涼。這次 Gemini 3 Deep Think 甩出的成績單裏，最扎眼的不是數學題，而是一個叫 ARC-AGI-2 的測試。

這個測試在 AI 研究圈子裏就是噩夢。

它不是讓你背書，而是一堆花花綠綠的格子圖。給你看幾張圖的變色規律，然後問你下一張怎麼變。這對人類來說是簡單的“找規律”，但對於只會做文字接龍的大模型來說，這簡直就是降維打擊。

之前的頂尖模型，在這個測試上的得分基本都在 0% 到個位數徘徊。因爲它們沒見過這些題，沒法靠背題庫矇混過關。

然後 Gemini 3 Deep Think 來了，它拿了 45.1%。

這不叫進步，這叫掀桌子。

這意味着它不再是瞎蒙，它真的“看懂”了那些格子背後的視覺邏輯。

更恐怖的是，它是“通過代碼執行”達到這個分數的。它看着題目，心想“我覺得規律是 A”，寫段代碼跑一下發現不對，又想“那可能是 B”，再跑一下對了，最後才把答案告訴你。

再看看另一個測試：Humanity’s Last Exam（人類最後的考試）。

這名字聽着中二，但題是真難。裏面的題目全是各領域專家挖空心思出的，專門針對 AI 的弱點——也就是那些你把互聯網翻個底朝天也搜不到現成答案的問題。

比如問你某種蜂鳥的一塊特定骨頭支持幾根肌腱，這需要極其硬核的專業推理。

之前的模型在這個考試上基本就是及格線以下。

Gemini 3 Deep Think 在不使用工具的情況下拿了 41.0%。這意味着如果你把這個 AI 扔進大學，它已經能在好幾個硬核專業裏混個學位了。它面對的是人類知識的邊界，能拿到四成，就已經是個能幹活的初級研究員了。

它在“想”什麼？

開啓 Deep Think 模式後，你會發現 AI 的反應明顯變慢了。放到之前，這在以前是產品大忌，但現在這種等待變成了核心功能。

傳統的 AI 是走直線的，聽到問題就預測下一個字，開頭走歪了後面全完。Deep Think 則是樹狀的，甚至是網狀的。

聽到問題後，它會同時派出好幾個“分身”去探路。分身 A 覺得是數學陷阱，分身 B 覺得是幾何問題，分身 C 覺得是腦筋急轉彎。這幾個分身同時推演，分身 A 路堵死了被砍掉，分身 B 越算越順，最後 AI 綜合了分身 B 的路徑給你答案。

這背後的技術其實有點像當年的 AlphaGo，它把用來下圍棋的那種“走一步看幾百步”的蒙特卡洛樹搜索，塞進了語言模型裏。它在還沒張嘴之前，已經在腦子裏把這事兒過了無數遍。

這也解釋了爲什麼它會慢，以及爲什麼它貴。以前回答一個問題消耗 1 個單位算力，現在它要同時探索 10 個假設，每個假設再往下推演 10 步，算力消耗是指數級增長的。這叫“推理時算力”（Inference-time Compute）。Google 這次是把工程暴力美學發揮到了極致，用燒顯卡的方式來換智商。

Google 的反擊與焦慮

回頭看看網上那張著名的“You Are Here”循環圖，確實很諷刺。每隔幾個月就有一家公司跳出來喊自己第一，大家似乎都在西西弗斯式的循環裏打轉。