Gemini 3 Pro

Gemini 3 Pro는 한 세션에서 약 100만 토큰을 담는다. 책 한 권, 몇 시간짜리 동영상, 큰 코드베이스를 한 번에 넣을 수 있는 양이다. 긴 입력도 맥락을 유지하므로 문서 중간을 물어도 처음 부분을 잊지 않는다. 쪼갤 필요가 없다. 바로 그게 핵심이다.

이 모델은 텍스트, 이미지, 오디오, 동영상을 함께 학습했으며 조각을 이어 붙인 것이 아니다. 그래서 시각을 나중에 덧붙인 모델보다 형식을 넘나드는 질문이 더 잘 버틴다. 실제로 레시피 사진을 주면 단계가 나오고, 강의 동영상을 넘기면 학습 카드가 돌아온다. 쓸모 있다. Google에 따르면 멀티모달 벤치마크 MMMU-Pro에서 81%를 기록했다.

Google은 GPQA Diamond에서 91.9%, MathArena Apex에서 23.4%를 보고했으며 둘 다 최전선 모델로는 높은 수치다. 이런 숫자는 단순 조회가 아니라 여러 추론 단계를 잇는 문제에서 가장 크게 작용한다. 다단계 논리, 증명, 이전 모델이 멈춰 서던 구조적 문제에서 드러난다. 큰 차이다.

Gemini 3 Pro는 자동 완성만이 아니라 코딩 작업을 계획하고 실행한다. 여러 도구 사용과 터미널 벤치마크에서 선두에 섰고, 여러 단계에 걸쳐 일을 계획하는 에이전트를 중심으로 만든 Google의 Antigravity IDE를 구동한다. 작업을 지정하면 코드를 쓰고, 실행하고, 고치게 할 수 있다.

화면 이해가 크게 뛰어올라 모델이 사용자 인터페이스를 읽고 조작한다. 이로써 컴퓨터 사용형 에이전트가 실용화된다. 화면을 보고 버튼을 찾아 워크플로를 클릭으로 진행한다. 자동화에 큰 전환이다.

Gemini 앱, Google 검색의 AI 모드, Google AI Studio, Vertex AI를 통해 모델에 닿을 수 있다. 그래서 종속이 없다. Cursor와 Replit 같은 제3자 플랫폼도 연결되므로 팀은 워크플로를 처음부터 다시 짜지 않고 기존 도구에 끼워 넣는다.