Gemini 3創大模型里程碑（車品覺）
本文作者車品覺，為港交所獨立非執行董事、香港基因組中心董事、香港大學中國商業學院客座副教授，為《信報》撰寫專欄「全民大數據」。
朋友問筆者平時用哪一個大模型，毫不猶豫地我的答案是Gemini及DeepSeek，這可比擬為駕車：開得暢順肯定較為穩定。當然筆者認為，它們有可能會是未來中美大模型的贏家。話說Google最近發布新一代大型語言模型Gemini 3，標誌着人工智能（AI）發展的一個轉捩點，該模型不僅在多項性能基準測試中刷新紀錄，超越了市場上的主要對手，更核心的轉變是，它從一個被動的「問題回答者」，變成一個主動的「任務完成者」。
Gemini 3在模型能力上實現三大飛躍。其多模態整合能力大幅提升，能夠同時處理文本、圖像、影片、音訊和程式碼等多種資訊格式，並擁有高達100萬Token（詞元）的上下文視窗，能夠理解和處理複雜任務。Gemini 3更能準確地判斷何時需要呼叫外部工具（如應用程式介面API），甚至能組合多個工具，協作完成一項複雜的任務。開發者可以透過Google Antigravity平台，讓Gemini自主執行程式碼，成為真正的智能代理（Agent）。
與Gemini 3一同發布的圖像生成模型Nano Banana Pro，是本次升級一大亮點。它不僅能生成高達2K和4K解像度的高品質圖像，還解決了過往模型難以控制圖像長寬比的痛點。用戶最多可以提供14張參考圖像，結合文本指令，模型便能精準地融合各種元素，生成風格統一、構圖自然，且人物與服裝保持一致的合成照片。這使得它從一個簡單的圖像生成工具，躍升為一個能支援分鏡級、導演級創作的圖像引擎。上周我在電視台開會的時候，就目睹製作團隊在運用Nano快速生成不同視角與構圖的功能。
在自動化辦公方面，Gemini 3的智能體模式，可以自主完成複雜多步驟的任務。例如，用戶只需發出「整理我的收件箱」指令，Gemini便會掃描分析近期電郵，自動草擬需要回覆的郵件，並根據內容分類、建立待辦事項，最後生成一份完整的整理計劃交由用戶確認。一經批准，所有操作便會自動執行。
未來，贏家或許不是最「聰明」的模型，而是最「順手」的智能體應用。Gemini 3正朝着這個方向，全速前進。
（編者按：車品覺著作《覺悟．大數據》現已發售）
歡迎訂購：實體書、電子書
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
