A tegnapi bejelentés óta égnek a vonalak a fejlesztői fórumokon. A Google nem aprózta el: a Gemini 3 Deep Think nem egy egyszerű „gyorsabb/okosabb” frissítés. Ez a modell a „reasoning”, azaz a mélyszintű következtetés képességét emeli olyan szintre, amit eddig csak sci-fikben láttunk. A célközönség pedig egyértelműen nem az átlagfelhasználó, aki recepteket keres, hanem a kutatók, mérnökök és tudósok, akiknek precíz, ellenőrzött válaszokra van szükségük.
Miért nagy durranás a Gemini 3 Deep Think?
A legtöbb nyelvi modell (LLM) statisztikai alapon működik: megjósolja a következő szót. A Deep Think ezzel szemben úgy viselkedik, mint egy megfontolt kutató. Nem vágja rá azonnal a választ. Helyette lépésekre bontja a problémát, hipotéziseket gyárt, teszteli azokat, és képes az önkorrekcióra is. Ez a fajta „lassú gondolkodás” (System 2 thinking) teszi lehetővé, hogy megbirkózzon a zajos adatokkal vagy a hiányos információkkal – ami a valódi tudományos munka szerves része.
Éles tesztek: Amikor az AI kijavítja a professzort
A Google a bejelentés mellé konkrét, már megtörtént eseteket is csatolt, amik bizonyítják a modell erejét:
- A matematikus új szeme: A Rutgers Egyetemen Lisa Carbone matematikus a húrelmélet és a kvantummechanika matematikai alapjait kutatja. A Deep Thinkkel átnézetett egy szigorúan szakmai, már lektorált tanulmányt. Az eredmény? Az AI kiszúrt egy olyan logikai hibát, ami az emberi ellenőrök figyelmét elkerülte. Ez a szintű precizitás eddig példátlan volt.
- Kristálynövesztés felsőfokon: A Duke Egyetem kutatói a kristálynövesztés optimalizálására használták a modellt. A Deep Think egy olyan eljárást (receptet) generált vékonyfilmek növesztésére, amivel sikerült átlépniük a bűvös 100 mikrométeres vastagságot – ezt korábban nem tudták stabilan elérni.
- Hardverfejlesztés: Anupam Pathak, a Liftware korábbi vezetője fizikai alkatrészek tervezését gyorsította fel vele, drasztikusan lerövidítve a fejlesztési ciklust.
A számok bűvöletében: Benchmark rekordok
A tech sajtóban mindig a benchmarkok a legbeszédesebbek. A Gemini 3 Deep Think tegnapi adatai alapján jelenleg ez a modell uralja a mezőnyt:
- Humanity’s Last Exam: Ezen a kifejezetten nehéz, modern modellek határait feszegető teszten 48.4%-ot ért el külső eszközök segítsége nélkül. Ez jelenleg a csúcs.
- Codeforces (Programozás): Itt a legdurvább a helyzet: 3455-ös Elo pontszám. Ez a „legendary grandmaster” szint, ami azt jelenti, hogy a modell jobb kódot ír és old meg algoritmikus problémákat, mint a világ legjobb emberi versenyprogramozóinak 99%-a.
- ARC-AGI-2: A logikai és absztrakt gondolkodást mérő teszten 84.6%-ot ért el, amit az ARC Prize Foundation is hitelesített.
- Tudományok: Aranyérmes szint a Nemzetközi Fizikai és Kémiai Diákolimpiákon.
Személyes vélemény: A „hűha” faktor visszatért
Őszintén szólva, az utóbbi hónapokban kicsit belefásultam az AI hírekbe. De a Gemini 3 Deep Think kipróbálása után (a Google AI Ultra előfizetéssel már elérhető) visszatért a lelkesedésem.
Ami engem a leginkább megfogott, az nem is a sebesség – sőt, a Gemini 3 Deep Think néha kifejezetten lassúnak tűnhet, ahogy „gondolkodik” –, hanem a válaszok minősége. Kódolásnál például nem csak odaböfög egy megoldást, hanem kommenteli, miért azt választotta, és felhívja a figyelmet a lehetséges edge case-ekre. Olyan érzés, mintha egy nagyon tapasztalt senior kolléga ülne melletted.
Ez a technológia már nem játék. Ha egy AI képes kijavítani egy matematikai tanulmányt vagy optimalizálni egy laboratóriumi folyamatot, akkor átléptünk a „segéd” kategóriából a „partner” kategóriába. Ez hatalmas lehetőség, de egyben kihívás is: hogyan integráljuk ezt a tudást a mindennapi munkánkba anélkül, hogy teljesen átengednénk az irányítást?
Így próbálhatod ki te is
A Google tegnap óta fokozatosan teszi elérhetővé a modellt:
- Google AI Ultra előfizetőknek: A Gemini appban már kiválasztható a Gemini 3 Deep Think mód.
- Fejlesztőknek és kutatóknak: A Gemini API-n keresztül is elérhető, de egyelőre „Early Access” (korai hozzáférés) formájában, amire várólistán lehet jelentkezni.
Te mit gondolsz? Segítség lesz a tudományban, vagy lustává tesz minket?
