Google新一代視覺AI稱霸？Gemini 3 Pro視覺推理分數超車GPT‑5.1

記者鄧天心／綜合報導

Google宣布多模態模型Gemini 3 Pro在最新一輪視覺AI評測中拿下多項最高分，特別是在MMMU‑Pro和Video‑MMMU這兩個專門測試複雜影像與影片理解的基準上表現突出，甚至在多項指標上超前對手OpenAI的GPT‑5.1與Anthropic的Claude Opus 4.5。

依照Google公布與外部整理的數據，Gemini 3 Pro在MMMU‑Pro約拿下81%成績，在Video‑MMMU則接近87.6%，相較上一代Gemini 2.5 Pro以及目前市面上的其他旗艦模型，分數都有成長。

延伸閱讀：

每天省下1小時？OpenAI調查發現每天用AI 省下40至60分鐘！

Google說明，Gemini 3 Pro的能力已從「看得懂圖片」進一步擴展到「看得懂文件」，可以分析文件排版、表格欄位、數學公式與各式圖表，並按照題目需求一步步推理，在CharXiv等文件推理測試中，表現甚至超過人類平均水準，另一方面，模型也具備精細的空間理解能力，能在畫面上標出具體位置與物體，讓它特別適合用在機器人操作、AR/VR導引，或是替使用者「看螢幕、按按鈕」的AI代理情境。

在實際應用方面，Google表示，Gemini 3 Pro將優先用於處理大量專業資料的領域，包括教育、醫療影像、金融分析與法律文件等，協助完成診斷輔助、冗長報告閱讀、合約審閱與財務數據整理等工作，Gemini 3 Pro目前已開放Google AI Studio與API給開發者試用，並開放調整影像解析度與視覺token用量，讓企業可依照預算與延遲需求自行取捨效能與成本。

資料來源：Gemini 3 Pro