开云「中国」Kaiyun官网登录入口它会描述得很邃密：墙壁倒塌的形势、环境孤寂的氛围-开云「中国」Kaiyun官网登录入口

文 | 硅谷101

毫无疑问，Google最新推出的Gemini 3再次搅拌了硅谷的AI花式。在OpenAI与Anthropic激战正酣之时，凭借其深厚的基建底蕴与全模态（Native Multimodal）阶梯，如今已从“追逐者”变成了“领跑者”。

这次Gemini 3不仅在多模态才略上终明显新的飞跃，更被视为谷歌对Scaling Law最极致的一次实施。

硅谷101在11月20日举办了一场直播，邀请了四位处于AI研发与应用最前哨的嘉宾：

田渊栋，前Meta FAIR讨论总监、AI科学家陈羽北，加州大学戴维斯分校助理讲授、Aizip聚积独创东说念主Gavin Wang，前Meta AI工程师、肃穆Llama 3后考验及多模态推理Nathan Wang，资深AI建树者、硅谷101特约讨论员

咱们试图透过Gemini 3的发布，试图回话对于AI将来的几个重要问题：Gemini 3到底强在何处？谷歌究竟作念对了什么？全球大模子竞争花式将如何改变？LLM的将来走向，以及在LLM以外，最前沿的AI实验室正在真贵什么？

以下是咱们直播中的嘉宾浓缩不雅点。

01 体验实测：Gemini 3到底强在何处？在Gemini 3发布后的48小时内，各大榜单被速即刷新。不同于以往模子仅在单一维度（如代码或文本）上的栽植，Gemini 3被认为是信得过道理上的“全模态原生”模子。对于使用者而言，这种技能参数上的栽植转变为怎么的施行体感？

来源：LM Arena

陈茜：诸君这两天都在高强度测试Gemini 3，它真的如名次榜那样霸榜吗？人人能不惯例如讲讲，它到底好在何处？

Nathan Wang：我这两天大要集会使用了三个主要居品：Gemini主App、针对建树者的Google AntiGravity，以及今天刚发布的Nano Banana Pro。

说真话，AntiGravity给我嗅觉相等像是一个Agentic期间的IDE（集成建树环境）。它和Cursor或者Claude Code不太一样的地点在于，它把界面分红了 \"Manager View\"（司理视角） 和 \"Editor View\"（剪辑视角）。

曩昔咱们在Cursor里，固然AI帮咱们写代码，但嗅觉如故“我”在写。但在AntiGravity里，Manager View让你嗅觉你是坐在那里的司理，下面有8到10个Agent小弟在干活。你可以看着它们单干，有的在写设施，有的在Run Unit Test（单元测试）。

最惊艳的是它伙同了Browser Use的功能。比如我写了一个前端网页，它有一个叫Screenshot Pro的功能，跑分相等高。它可以径直调用Chrome浏览器掀开阿谁网页，“看”着屏幕去测试。淌若你让它上传一个文献、点击一个按钮，它能像东说念主一样去操作。这意味着测试加上建树完全自动化了，变成了一格式的建树体验。

另外，Nano Banana Pro在生成幻灯片这个点上措置了我很大的痛点。曩昔我让AI作念PPT，比如“解释一下Gemini从1.0到3.0的发展阶梯”，它往往逻辑链是断的。但这次我试了一下，它不仅能把逻辑理顺，还能生成相等复杂的图表。我认为市面上那些作念Slides（幻灯片）的软件可能都要被它取代了。

田渊栋：前Meta FAIR讨论总监、AI科学家

田渊栋：我一般的民俗是，新模子出来先看它能不成“续写演义”。这是我个东说念主的一个Benchmark，因为全寰宇除了我也没几个东说念主这样测，是以它确定不会Overfitting（过拟合），这比较客不雅。

在一两年前，模子写演义基本上是“公文风”，无论你给它什么开头，它写出来都是那种官方口气，完全脱离语境。到了Gemini 2.5的时期，我发现它文笔变好了。比如我给它一个废地的场景，它会描述得很邃密：墙壁倒塌的形势、环境孤寂的氛围，像个文科生写的，但情节上平铺直叙，没什么合手东说念主的地点。

但这次Gemini 3让我有点惊喜。它不仅文笔好，它运行懂得“回转”了。它蓄意的情节互动相等挑升想，以致让我认为：“咦，这个点子可以，也许我可以存下来用到我我方的演义里。”这是第一次我嗅觉到AI在情节构想上给了我启发，而不单是是词采堆砌。它似乎对作家的深层动机有了领略。

不外，在科研Brain storming（头脑风暴）上，它如故阿谁老形势。怎么形容呢？它就像一个刚刚入学的、强记博闻的博士生。 你问它什么它都知说念，能跳出许多新名词、新数学器具。你会认为“哇，这个我没见过，很棒”。但淌若你想跟它深入探讨一个问题的本体，或者让它判断哪个想法更有出路，它就作念不到了。它曲折那种只须资深东说念主类讨论员才有的直观和深层想考。是以它依然是一个顶级的“作念题家”，但在创造性想维上，暂时还没看到本体打破。

Gavin Wang ：我首先景仰一下，Google的“大厂之力”确凿恐怖如此，生态系统太完整了。技能层面，我最真贵的是ARC-AGI-2 Benchmark。这个测试很挑升想，它不是考大数据顾忌，而是考Few-shot Learning（少样本学习）以致是元学习。它的独创东说念主认为，那种靠背数据的不是智能，信得过的智能是看一两个例子就能速即索取出Pattern（模式）。

之前人人在这个榜单上都是个位数或者百分之十几，Gemini 3一下子达到了百分之三十几，这是一个质的飞跃。我认为这归功于它的Multimodal Reasoning（多模态推理）。

曩昔的Chain of Thoughts（想维链），模子是在那里自言自语，是纯谈话维度的单模态鼓动。但Gemini 3是Model Native的，它把视觉、代码、谈话的数据全部Mesh up together（夹杂在一说念）作念预考验。是以它在推理的时期，可能是一边看着屏幕上的图像，一边在谈话层面作念逻辑推演。这种跨模态的化学反映，掀开了许多新契机的大门。

陈羽北：加州大学戴维斯分校助理讲授、Aizip聚积独创东说念主

陈羽北：我这两天太忙还没我方跑，但我相聚了咱们团队不同小组的一手反馈，这里面有一些很挑升想的Negative Feedback（负面反馈）。

首先是Vision组的反馈。他们在作念一些里面Benchmark测试时发现，Gemini 3在Real-world Visual Understanding（实在寰宇视觉领略）上性能反而下跌了。这听起来很反直观对吧？

具体来说，即是当触及到安防录像头、门铃这种实在场景，去分析用户行径、潜在风险事件的时期，它的发扬不如上一代。他们去查了Gemini 3的技能论述，发现论述里信得过触及到Real-world Visual Understanding的benchmark只须一个，而且并莫得遮盖这种复杂场景。

这其实裸露了一个行业通病：公榜benchmark和施行落地场景之间存在巨大的Gap。 淌若人人都为了刷榜去优化模子，那在施行居品中的性能可能会走偏。

另外，Coding组的学生也跟我说，在作念Scientific Writing（科学写稿）和缓助编程时，他们反而认为Gemini 2.5更顺遂。Gemini 3固然Reasoning的长度加多了2到3倍，但在处理需要反复多跳（Multi-hop）搜索、整合二十年财报这种相等复杂的任务时，似乎如故不如OpenAI的GPT-5 Pro踏实。天然，这可能是早期版块人人还没摸透Prompt的原因。

02 谷歌技能玄机：是“Deep Thinking”如故“超才略”?谷歌从过时到追平以致反超，Gemini神色肃穆东说念主曾流露玄机在于“改造了预考验和后考验”。这句看似官方的回话背后，避讳着谷歌怎么的技能阶梯图？是算法自己的生效，如故堆算力的暴力好意思学？

谷歌DeepMind首席科学家Oriol Vinyals X平台推文

陈茜：谷歌这次不仅是追逐，险些是卓著。Gemini神色肃穆东说念主在发布会中提到了新版块“改造了预考验和后考验”，这是否意味着Scaling Law并莫得“撞墙”？谷歌的玄机火器到底是什么？

田渊栋：说真话，“改造了预考验和后考验”这句话基本等于妄言（笑）。因为作念模子蓝本即是个系统工程，数据更好、架构微调、考验踏实性增强，每一块都好小数，临了截止确定强。

但我更真贵的是，淌若预考验作念得填塞好，模子自己变得相等“聪惠”，那它在后考验阶段就会发扬得像个天才学生，给几个样本就通了，不需要花恣意气去教。当今看来Gemini 3的基座才略如实很强。

对于它是不是用了什么玄机火器，我听到一些传言，说Google终于把之前考验过程里的一些Bug给修掉了。天然这是传言啊，无法阐发。不外对于Google这种量级的公司，只须工程上不犯错，把扫数细节拉满，Scaling Law天然会阐发作用。

Gavin Wang：前Meta AI工程师，肃穆Llama 3后考验及多模态推理

Gavin Wang：我昨天试着跟Gemini 3聊了一下，问它“你为什么这样犀利？”（笑）。它跟我领会了一下，提到了一个认识叫Tree of Thoughts（想维树）。

曩昔咱们作念CoT (Chain of Thoughts) 是线性的，像链表一样一步步推。但Gemini 3似乎在模子里面领受了树状搜索，况且合作了一个Self-rewarding（自我奖励）的机制。也即是说，它在里面会同期跑多条想路，然后我方有一个打分机制，认为哪条路不Make sense就Drop掉，哪条路有出路就接续Adapt。

这其实是Engineering Wrapper（工程封装）和Model Science（模子科学）的深度伙同。曩昔咱们要在外面写Prompt搞这些，当今谷歌把它作念进了模子里面环境里。这不仅是Scaling Law在垂直想法的堆料，更是在水平方朝上引入了MoE和Search的机制。这让我想起三年前的GPT时刻，技能上相等Impressive。

Nathan Wang：我补充一个细节，我在查阅Gemini建树者API文档时，发现里面藏了一个彩蛋。它在一转注释里写说念：\"Context Engineering is a way to go.（语境工程是势在必行）\"

这句话让我想考了很久。曩昔咱们说Prompt Engineering，当今谷歌提Context Engineering。我我方在使用时的体感是，比如我想写一条能引起“病毒式传播”的推文，我会先让AI去搜索“怎么写一条火爆的推文”，让它先把设施论记忆出来，行为Context，然后再把我的内容填进去生成。

谷歌似乎把这个过程自动化了。它在模子生成谜底之前，可能仍是在后台自动合手取了大批有关的Context，构建了一个极其丰富的想维链环境，然后再生成截止。这可能即是为什么它用起来认为“懂你”的原因。它不单是是在回话，而是在一个engineered environment（工程环境）里想考。

陈羽北：除了算法层面，我想提一个更底层的经济学视角。我的一又友Brian Cheng提过一个不雅点，我认为相等刀刀见血：谷歌之是以能如此顽强、透顶地实施Scaling Law，是因为它领有无法比较的硬件上风——TPU。

人人想一下，淌若其他公司要考验大模子，必须买NVIDIA的显卡。NVIDIA的硬件利润率高达70%以上。但谷歌不同，它是完全的软硬件整合。它用我方的 TPU，莫得中间商赚差价。这让它的Unit Economy（单元经济模子） 极其优秀。在雷同的预算下，谷歌可以考验更大的模子、跑更多的数据、作念更上流的多模态实验。

是以，只须Scaling Law还需要堆算力，谷歌这种硬件上的分离称上风就会对OpenAI和Anthropic变成巨大的挤压。除非NVIDIA降价，或者其他家也造出我方的芯片，不然这个护城河相等深。

03 建树者生态：Coding之争扫尾了吗？跟着Gemini 3和AntiGravity的发布，以止境在SWE-bench等代码榜单上的屠榜，莽撞媒体上出现了“Coding之争已扫尾”的言论。谷歌是否正在阁下其雄伟的生态系统（Chrome, Android, Cloud）构建一条让Cursor等创业公司无法进步的护城河？

陈茜：许多东说念主说Coding之争仍是扫尾了，Gemini 3合作谷歌全家桶将横扫一切。这对Cursor等等这样的创业公司意味着什么？

Gavin Wang：我认为谷歌这次如实有点“降维打击”的真义。AntiGravity径直对标Codex加Cursor，而且它因为领有Chrome的底层权限，可以作念到视觉与代码的完好对皆。

当今的体验是，AI一边看着网页（视觉），一边帮你改代码，这种Multimodal Native（多模态原生）的体验是Next Level的。相比之下，Figma或Cursor目下还更像是一个Chatbot。淌若谷歌把Chrome、Cloud、IDE全部买通，对于创业公司来说，这如实很悲凉。

但这也催生了新的契机。比如Palantir 提议的Forward Deployed Engineer（前置部署工程师）认识。将来的工程师可能不再只是写代码，而是买通从生意化、居品界说（PM）到前后端建树的全链路。既然基模才略水长船高，咱们应该造一艘“划子”，站在巨东说念主的肩膀上创造价值，而不是去卷基模仍是能作念的事。

就像Nathan说的，Web Coding这种简便的前端责任可能会被谷歌包圆，但这就逼着咱们去寻找新的Business Model和Product Shape（居品形态）。

Nathan Wang：资深AI建树者、硅谷101特约讨论员

Nathan Wang：我认为说“扫尾”还言之过早。AntiGravity如实强，但我发当今施行使用中，它在处理后端（Backend）部署、复杂的系统架构时，依然很容易卡住。

比如我在用Browser use上传文献作念测试时，它通常会停在那儿，需要我去打扰。它目下更像是一个极其遒劲的前端生成器。而且，对于许多企业来说，把代码全部交给谷歌的生态系统，在数据苦衷上亦然有畏怯的。Cursor这种寂静厂商依然有它的生活空间，迥殊是它在无邪性和特定谈话优化上。

田渊栋：对，我也认为网上的Demo有点误导性。当今的Demo许多是一键生成酷炫的前端页面，人人看的是“漂亮进度”和“完整性”。

但信得过写Code的东说念主，真贵的是Instruction Following（教唆解任）。比如我要把这段代码的逻辑略略改小数点，或者我要处理一个相等琐碎的Corner Case（边际情况），模子能不成听懂？能不成改对？

我试过让它写一个3D第一东说念主称射击游戏。它如实写出来了，画面也可以，但我一跑发现——想法键是反的。这种小Bug看起来不碍事，但在大界限工程里即是可怜。是以对于专科设施员来说，它目下如故一个能够缩短门槛的缓助器具，而不是替代者。

04 后LLM期间：AI是否“打单”了好意思国GDP？尽管谷歌解释了Scaling Law依然有劲，但硅谷的眼神仍是投向了更远的地点。近期，一批被称为“NeoLab”的非主流AI实验室（如Reflection AI、Periodic Labs）受到风投追捧，融资额都相等高。在LLM以外，AI的下一个范式移动将在何处发生？

来源：The Information

陈茜：除了Scaling Law，人人看到什么非主流的、值得真贵的AI发展趋势？迥殊是像NeoLab们所真贵的那些界限。

田渊栋：我一直以来的不雅点是：Scaling Law是一个很有效的工程规则，但淌若不去探索本体，咱们总有一天会面对资源缺乏。难说念咱们真的要把扫数这个词地球变成一块巨大的显卡吗？淌若算力需求是指数增长，而地球资源是有限的，这条路终究走欠亨。

是以我一直对峙作念AI的可解释性（Interpretability）和 顿悟（Grokking）机制的讨论。我服气一个如此高效的神经相聚，背后一定有一个优好意思的数学内核。淌若咱们能从First Principle（第一性道理）开赴，领略它是如何产生流露（Emergence）的，也许有一天咱们会发现，根蒂不需要梯度下跌（Gradient Descent），就能找到更好的算法。

另外，我也在用AI加快我的讨论。比如最近是ICML的Rebuttal（同业评审中的反驳/探讨过程）期间，我有个新想法，径直丢给Cursor，3分钟代码写完，丹青出来，我随即就能考证这个Idea行不行。这种效果栽植成百上千倍，这自己也会加快咱们对AI本体的探索。

陈羽北：我相等答应渊栋学长的不雅点。淌若Scaling Law是惟一的定律，那东说念主类的将来太悲不雅了。咱们既莫得那么多电，以后数据也都交给AI了，那东说念主类除了当宠物还有什么价值？

我不雅察到天然界有一个悖论，这可能是一个打破口：越高档的智能，其实越依赖学习，但所需的数据却越少。

你看东说念主类小孩，在13岁之前，他构兵到的扫数Token（谈话数据），加起来可能不到10Billion（100亿）。相比当今大模子动不动几Trillion的数据考验量，东说念主类的数据效果是极高的。但东说念主类的大脑结构相等复杂（上千亿神经元）。是以，大模子随机大在数据，可能应该大在架构。

我认为咱们当今的LLM更像是在Distill our existing civilization（蒸馏咱们现存的精雅），把它压缩得更好小数。但我但愿将来的AI，比如Robotics（机器东说念主）或者World Model（寰宇模子），能够像生物一样去探索未知，Invent a new civilization（发明新的精雅）。这需要咱们这些Researcher去作念一些看起来 \"Weird\"（歪邪）或者 \"Crazy\" 的讨论，去寻找Scaling Law以外的第二条弧线。

Gavin Wang：顺着羽北的话说，我认为World Model（寰宇模子）完全是下一个战场。

当今的LLM如故纯谈话维度的。但信得过的寰宇模子，是要能领略物理规则的。目下主要有三条阶梯：一是像Genie 3这种Video-based的，固然是2D视频但模拟3D寰宇；二是Mesh/Physics-based的，带有物理碰撞体积；三是像李飞飞敦朴团队作念的Gaussian Splatting（高斯泼溅），用点云来表征空间。

另外，我迥殊想号令人人真贵Open Source（开源）和Small Language Models（端侧小模子）。

当今的智能其实被“囚禁”在GPU Data Center里。普通东说念主要用智能，得付费买 API，这就像咱们还要给空气付费一样。这其实是一种Digital Centralization（数字集权）。

淌若端侧小模子能发展起来，让每个东说念主在我方的手机、电脑上就能跑得动高性能的 AI，不需要联网，不需要付上流的订阅费，这才是信得过的AI for Everyone。这也需要咱们在模子架构上作念许多优化，而不单是是堆显卡。

05 泡沫如故奇点？

Gemini 3的发布，某种进度上是Google对“AI泡沫论”的一次强力起义。它解释了只须有填塞的算力、数据和工程优化，Scaling Law仍有巨大的红利可吃。

关系词，今天直播中许多嘉宾们的不雅点，也都在指出单纯的Scaling并不是通向AGI的惟一齐径。

今天咱们的直播，其实咱们不仅想聊聊Gemini 3发布下的谷歌“技能秀肌肉”，还有来自硅谷一线的、幽静而深远的想考。Gemini 3暂时率先了当今的战役，这对谷歌来说是贫穷的一个里程碑；但AI的大战役，才刚刚运行。