Gemini 3 Deep Think 更新：從奧賽金牌走向研究級數學

2026 年 2 月 11 日，Google DeepMind 在官方部落格發布 Gemini 3 Deep Think 的重大更新。這個專為專業研究設計的推理模式，目標不是把奧賽題解得更快，而是在數學、物理與電腦科學研究者指導下處理開放式研究問題。文章由 Thang Luong 與 Vahab Mirrokni 帶隊，Terence Tao 位列致謝——DeepMind 把「AI for Science」當主戰線的訊號很明確。

從奧賽金牌到研究級推理

Deep Think 是 Gemini 3 的專門推理模式。DeepMind 表示，它在 2025 年夏季的國際數學奧林匹亞（IMO）達到金牌水準，稍後版本在 ICPC 追平同等標準。這次更新的主角是 2026 年 1 月版本：在內部評測中顯著超越 IMO 金牌版本，而且用更低的推理算力達到更好的推理品質。換句話說，能力還在往上走，成本曲線同時在往下走。

Aletheia：會承認失敗的數學代理人

更新中最值得工程師注意的是 Aletheia——以 Deep Think 為核心的數學研究代理人。它用自然語言驗證器檢查自己的證明、可以透過 Google 搜尋與網頁瀏覽查文獻，而且設計上允許「承認失敗」。

這對 agent 工程極為關鍵：不會說「我做不到」的研究代理人，比流暢產出錯誤證明的更危險。自然語言驗證器也讓數學家能用習慣的方式審查機器推理。

90% 的 IMO-ProofBench Advanced 與推理縮放

在 IMO-ProofBench Advanced 上，Deep Think 隨推理期算力增加最高可達 90%，而且 DeepMind 報告這條縮放曲線一路延伸到博士級習題（內部 FutureMath Basic 基準）。對產品團隊的含義直接：當品質可以用算力換，準確率、延遲與成本就成了同一組可調旋鈕。

18 個研究問題的實績與自我設限

DeepMind 給出罕見具體的實績清單：跨 18 個研究問題，產出至少一篇 ICLR 2026 接受論文。亮點包括 Feng26（算術幾何 eigenweights 的全自主論文）、在 Bloom 的 Erdős 猜想庫 700 個開放問題中自主解出 4 個（含 Erdős-1051）、用三元素反例推翻 2015 年的線上次模最佳化猜想，並協助 STOC 2026 論文審稿。

報告同時自我設限：目前只達 Level 2「可發表品質」，沒有 Level 3 或 4 突破——這種克制反而提高可信度。

取得方式與限制

Deep Think 目前在 Gemini App 向 Google AI Ultra 訂閱者開放；API 端僅限獲選的研究者、工程師與企業透過 Early Access Program 申請，尚未進入一般 pay-as-you-go 的 Gemini API。Demis Hassabis 隨後在 X 宣布這次升級在「最嚴格的數學與科學基準」上創下新紀錄；India Today 的後續報導則指出它在 Humanity’s Last Exam 拿到及格分數。

為什麼開發者該關注

三點。第一，驗證器設計：自然語言驗證加上「允許失敗」是可借鑑的 agent 架構模式。第二，推理算力作為產品變數：90% 背後是一條可控的品質—成本曲線，值得寫進 eval 與定價設計。第三，差異化戰場從通用基準轉向專業研究工作流。延續2026 開年觀察的路線分歧：Deep Think 選「往深處走」，同週開源陣營正「往便宜走」。

參考來源

本文由 AI 協助自上述來源整理，經人工審核後發布。