AREX Feed Article
Google 发布 Gemini 3：Hassabis 称登顶 LMArena、HLE、GPQA，当日全渠道推出
「我们密集打磨 Gemini 3 已经有一段时间了。」2025 年 11 月 18 日（北京时间 19 日凌晨），Google DeepMind CEO Demis Hassabis 在 X 上连发三条帖子，宣布 Gemini 3 正式推出。写道：「当然，它登顶了各大排行榜，包括 @arena、HLE、GPQA 等」，并称抛开基准不谈，这是他「迄今为止最喜欢用的模型——因为它的风格与深度，以及它对日常任务的帮助」。
同日上线的由 Hassabis 与 Google DeepMind CTO Koray Kavukcuoglu 代表 Gemini 团队署名，确认了相同的推出节奏：Gemini 3 当天进入 Gemini App、搜索 AI Mode、AI Studio、Vertex AI 与企业端，随附新 agentic（智能体式）开发平台 Google Antigravity。首发形态是 Gemini 3 Pro 预览版；帖子本身只给出结论，没有附第三方复核。
官方口径的榜单成绩，和它自己表格里的一个反例
帖中点名的三个榜单，博客都给出了具体数字：Gemini 3 Pro 以 1,501 Elo 登顶 LMArena 排行榜；在无工具条件下以 37.5% 在 Humanity's Last Exam（HLE，学术推理基准）取得最高分，借助搜索与代码执行为 45.8%；GPQA Diamond（科学知识基准）拿到 91.9%。博客还列出 WebDev Arena 1,487 Elo、MathArena Apex 23.4%、MMMU-Pro 81%、Video-MMMU 87.6%、SimpleQA Verified 72.1%，给出 100 万 token 上下文窗口的规格，并称其在每一项主要 AI 基准上都显著超过 Gemini 2.5 Pro。
不过，Google 自己放出的对比表保留了至少一处不利数字：在测试编码代理的 SWE-bench Verified 上，Gemini 3 Pro 为 76.2%，低于 Claude Sonnet 4.5 的 77.2%。这张表把 Gemini 3 Pro 与 Gemini 2.5 Pro、Claude Sonnet 4.5、GPT-5.1 并列呈现，博客的措辞是「在一系列关键 AI 基准上达到 SOTA（业内最佳水平）」，而非每一项都第一。以上数字均出自 Google 口径，博客同时公布了评估方法论页面供外界查证。作为前作参照，Sundar Pichai 在博客附言中提到，Gemini 2.5 Pro 曾在 LMArena 排行榜上保持第一超过六个月。
当天上线的入口：从 Gemini App 到企业端
列出了当天起推送的全部入口：Gemini App「任何人都可以试」；开发者可用 Google AI Studio、新 agentic 开发平台 Antigravity 和 Gemini CLI；Google AI Pro 与 Ultra 订阅者可在搜索的 AI Mode 中使用；企业经 Google Cloud 在 Vertex AI 与 Gemini Enterprise 接入。博客逐项对应，并补充 Cursor、GitHub、JetBrains、Manus、Replit 等第三方平台同步可用。
其中一项被特意标为「第一次」：Pichai 在附言中写道，这是 Gemini 首次在发布第一天就进入搜索——AI Mode 里的 Gemini 3 会根据查询即时生成沉浸式界面和交互工具。附言同时给出了规模参照：Gemini App 月用户超过 6.5 亿，AI Overviews 每月服务 20 亿用户，累计 1,300 万开发者用其生成式模型构建过产品。
Antigravity：与模型同日亮相的 agentic 开发平台
Antigravity 在帖子里只有一句定位——「我们新的 agentic 开发平台」，博客则给出了当天发布的工作机制：它的核心仍是开发者熟悉的 AI IDE，但 agent 被抬升到一个专属界面，可以直接操作编辑器、终端和浏览器，自主规划并执行端到端的软件任务，同时校验自己写出的代码。除 Gemini 3 Pro 外，Antigravity 还内置用于浏览器控制的 Gemini 2.5 Computer Use 模型，以及图像编辑模型 Nano Banana（Gemini 2.5 Image）。博客的定位表述是：把 AI 从「工具箱里的工具」变成「主动的伙伴」。
几小时重建 Theme Park：Hassabis 的深夜演示
榜单和渠道之外，Hassabis 用给了一个更个人化的演示：「比如，我最近在 Google AI Studio 里用 Gemini 3 做了不少深夜 vibe coding，特别有趣！我在几个小时里重建了一个我 90 年代编程的游戏 Theme Park 的测试版，细到让玩家可以调整薯条上的盐量（玩过这款游戏的人会懂这个梗）。」帖子附带一段视频。
博客把 Gemini 3 称作 Google「迄今最强的 vibe coding 与 agentic 编码模型」——vibe coding 指用自然语言对话驱动模型生成、迭代代码的写法。
个人主页标注现职 OpenAI、曾就职 DeepMind 的 Tim Zaman 在 9 分多钟后追问：「你觉得当年做 Theme Park World 一共投入了多少个小时？这款游戏和它的画面从我小时候起就完全刻在脑子里了。太棒的游戏，恭喜发布。」Google AI Studio 产品与设计负责人 Ammaar Reshi 则回复：「太喜欢这个例子了。」
Deep Think 缺席，安全评估先行
首发范围里缺了一块：增强推理模式 Gemini 3 Deep Think 没有随首发开放。博客给出的测试成绩更高——HLE 41.0%、GPQA Diamond 93.8%、ARC-AGI-2（带代码执行）45.1%——但 Google 表示要为额外的安全评估和安全测试员的反馈留出时间，「未来几周」内才向 AI Ultra 订阅者开放。
安全条款是这份公告里着墨最多的部分：博客称 Gemini 3 经历了 Google AI 模型迄今最全面的一轮安全评估，讨好倾向（sycophancy）更少、对 prompt 注入的抵抗力更强、对网络攻击滥用的防护更好。评估并非全部由 Google 自行完成——除内部 Frontier Safety Framework 测试外，博客列出了向 UK AISI 等机构提供的早期访问，以及 Apollo、Vaultis、Dreadnode 等机构出具的独立评估，细节归档在已发布的 Gemini 3 Pro 模型卡中。
博客结尾承诺「很快」推出 Gemini 3 系列的更多模型。就这份公告而言，当天真正可用的只有 Gemini 3 Pro 预览版；Deep Think 没有给出确切日期。