Gemini 3 Pro
Gemini 3 Pro — проприетарная нативно мультимодальная модель рассуждений компании Google DeepMind, открывшая третье поколение семейства Gemini. Cогласно модельной карте Google, она построена на основе трансформерной архитектуры с разреженной смесью экспертов (MoE), поддерживает обработку текста, изображений, аудио и видео и ориентирована на агентные сценарии, сложное программирование и алгоритмическую разработку. Модель была представлена 18 ноября 2025 года.
Оценка
Gemini 3 Pro оценивалась по широкому набору тестов (бенчмарков), охватывающих способности к рассуждению, мультимодальные возможности, использование инструментов в агентных сценариях, многоязычную обработку данных и работу с длинным контекстом. Дополнительные тесты, сведения о подходе к оценке, результатах и применяемых методологиях опубликованы в методологии оценки Gemini 3 Pro.
Согласно Model Card Google DeepMind, Gemini 3 Pro значительно превосходит Gemini 2.5 Pro в ряде бенчмарков, требующих развитых способностей к рассуждению и мультимодальной обработке данных. Приведённые ниже результаты актуальны по состоянию на ноябрь 2025 года.[1]
| Benchmark | Description | Gemini 3 Pro | Gemini 2.5 Pro | Claude Sonnet 4.5 | GPT-5.1 | |
|---|---|---|---|---|---|---|
| Humanity’s Last Exam | Academic reasoning | No tools With search and code execution |
37.5% 45.8% |
21.6% — |
13.7% — |
26.5% — |
| ARC-AGI-2 | Visual reasoning puzzles | ARC Prize Verified | 31.1% | 4.9% | 13.6% | 17.6% |
| GPQA Diamond | Scientific knowledge | No tools | 91.9% | 86.4% | 83.4% | 88.1% |
| AIME 2025 | Mathematics | No tools With code execution |
95.0% 100% |
88.0% — |
87.0% 100% |
94.0% — |
| MathArena Apex | Challenging Math Contest problems |
23.4% | 0.5% | 1.6% | 1.0% | |
| MMMU-Pro | Multimodal understanding and reasoning |
81.0% | 68.0% | 68.0% | 76.0% | |
| ScreenSpot-Pro | Screen understanding | 72.7% | 11.4% | 36.2% | 3.5% | |
| CharXiv Reasoning | Information synthesis from complex charts |
81.4% | 69.6% | 68.5% | 69.5% | |
| OmniDocBench 1.5 | OCR | Overall Edit Distance, lower is better |
0.115 | 0.145 | 0.145 | 0.147 |
| Video-MMMU | Knowledge acquisition from videos |
87.6% | 83.6% | 77.8% | 80.4% | |
| LiveCodeBench Pro | Competitive coding problems from Codeforces, ICPC, and IOI |
Elo Rating, higher is better |
2,439 | 1,775 | 1,418 | 2,243 |
| Terminal-Bench 2.0 | Agentic terminal coding | Terminus-2 agent | 54.2% | 32.6% | 42.8% | 47.6% |
| SWE-Bench Verified | Agentic coding | Single attempt | 76.2% | 59.6% | 77.2% | 76.3% |
| τ2-bench | Agentic tool use | 85.4% | 54.9% | 84.7% | 80.2% | |
| Vending-Bench 2 | Long-horizon agentic tasks | Net worth (mean), higher is better |
$5,478.16 | $573.64 | $3,838.74 | $1,473.43 |
| FACTS Benchmark Suite | Held out internal grounding, parametric, MM, and search retrieval benchmarks |
70.5% | 63.4% | 50.4% | 50.8% | |
| SimpleQA Verified | Parametric knowledge | 72.1% | 54.5% | 29.3% | 34.9% | |
| MMMLU | Multilingual Q&A | 91.8% | 89.5% | 89.1% | 91.0% | |
| Global PIQA | Commonsense reasoning across 100 Languages and Cultures |
93.4% | 91.5% | 90.1% | 90.9% | |
| MRCR v2 (8-needle) | Long context performance | 128k (average) 1M (pointwise) |
77.0% 26.3% |
58.0% 16.4% |
47.1% not supported |
61.6% not supported |
- ↑ Google DeepMind. Gemini 3 Pro — Model Card. Выпуск: ноябрь 2025 года; последнее обновление: май 2026 года. С. 5.