Gemini 3: Googles leistungsstärkstes LLM

Nur wenige Stunden nach der Vorstellung von Grok 4.1 durch xAI legt Google nach und kündigt Gemini 3 an. Das neueste Gemini‑Modell ist bislang das intelligenteste von Google und ab sofort in der Gemini‑App sowie in AI Studio und Vertex AI verfügbar.

Gemini 3 wird außerdem unmittelbar den KI‑Modus in der Suche antreiben. Zusätzlich hat Google den Gemini 3 Deep Think‑Modus und Google Antigravity, eine neue agentische Entwicklungsplattform, angekündigt.

In diesem Artikel fasse ich alles zusammen, was Google angekündigt hat, ordne es für den LLM‑Bereich ein und teste Gemini 3 hands‑on, um zu sehen, wozu es fähig ist. Außerdem findest du unsere Anleitung zur Gemini 3 API mit einem Praxisprojekt, unser Tutorial zu Google Antigravity und den Guide zum Erstellen eines Gemini 3 Flash‑Projekts.

Was ist Gemini 3 Pro?

Gemini 3 Pro ist das neueste und fortschrittlichste Large‑Language‑Modell von Google. Es ist jetzt in der Gemini‑App, in AI Studio und in Vertex AI verfügbar. Google bezeichnet es als sein bislang smartestes Modell mit verbesserter Leistung bei Reasoning, Coding und multimodalen Aufgaben.

Das neue Modell baut auf dem Erfolg des erst vor sieben Monaten erschienenen Gemini 2.5 Pro auf. Gemini 3 führt die LMArena‑Bestenliste an und verdrängte Grok 4.1 nach nur wenigen Stunden.

Google behauptet, Gemini 3 Pro verfüge über Reasoning auf PhD‑Niveau, und das Modell erzielt neue Top‑Scores auf diversen KI‑Benchmarks, darunter Humanity’s Last Exam, GPQA Diamond und MathArena Apex. Dieses beeindruckende Ergebnispaket bedeutet, dass es Modelle wie das neue GPT‑5.1 von OpenAI und Claude Sonnet 4.5 von Anthropic übertrifft.

Neue Funktionen in Gemini 3

Was bringt Gemini 3 im Vergleich zum Vorgänger und zur aktuellen Welle neuer Modelle? Neben einem großen Leistungssprung wirbt Google damit, dass du mit Gemini 3 „alles lernen, bauen und planen“ kannst. Eine steile Ansage. Schauen wir uns die neuen Features an und was sie bedeuten:

Verbesserte Performance

Eines der Top‑Features des neuen Gemini‑3‑Modells ist seine Spitzenperformance. Selbst ohne Deep Think führt dieses Release die Humanity’s Last Exam‑Bestenliste an – mit 37,2% ohne Tools (41% mit Deep Think) gegenüber 26,5% bei GPT‑5.1.

Gemini 3 glänzt nicht nur bei Text. Mit 23,4% auf dem MathArena‑Apex‑Benchmark ist es das derzeit bestplatzierte Spitzenmodell für Mathematik. Ähnlich erzielt es beim Video‑MMMU, einem multimodalen und multidisziplinären Video‑Benchmark zur Wissensextraktion aus Lernvideos, 87,6% und setzt sich damit erneut an die Spitze der Rangliste.

Ich weiß, dass man sich leicht in Benchmark‑Zahlen verlieren kann und die eigentliche Probe die Nutzbarkeit sein sollte. Aber Gemini 3 Pro ist ganz offensichtlich ein beeindruckender Schritt nach vorn bei der LLM‑Leistung.

Was ist der Gemini 3 Deep Think‑Modus?

Wie schon bei Gemini 2.5 Pro nutzt der Gemini 3 Deep Think‑Modus paralleles Denken und Reinforcement Learning, um Antworten deutlich zu verbessern (bei längerer Antwortzeit). Deep Think macht Gemini detaillierter, kreativer und „nachdenklicher“.

Mit Gemini 3 Deep Think sehen wir Verbesserungen gegenüber Gemini 3 Pro ohne Thinking in Bereichen wie Reasoning, naturwissenschaftlichem Wissen und visuellen Knobelaufgaben. Das sollte bedeuten, dass Deep Think neue, ungewohnte Herausforderungen besser lösen kann.

Deep Think befindet sich derzeit in der Evaluierungsphase. Tester prüfen es, bevor es „in den kommenden Wochen“ für Google‑AI‑Ultra‑Abonnentinnen und ‑Abonnenten verfügbar wird.

Echte Multimodalität

Gemini 3 führt eine neue multimodale Architektur ein, die Text, Bild, Audio, Video und Code in einem einzigen Transformer‑Stack verarbeitet – statt über separate Encoder.

Diese Vereinheitlichung ermöglicht echtes Cross‑Modal‑Reasoning. Gemini 3 kann eine Skizze interpretieren und lauffähigen Code generieren oder ein Video analysieren und die wissenschaftlichen Konzepte erklären. Die Benchmark‑Ergebnisse auf Video‑MMMU und MMMU‑Pro bestätigen den großen Sprung im räumlichen und visuellen Verständnis. Wie Gemini 2.5 Pro verfügt es außerdem über ein Kontextfenster mit einer Million Tokens, um Ideen über große und sehr unterschiedliche Eingaben hinweg zu verknüpfen.

Agentische Kreativität

Gemini 3 wechselt von passiver Generierung zu agentischer Erstellung – möglich durch neue Fortschritte bei Tool‑Nutzung, Planung und „Vibe Coding“. Die Architektur des Modells unterstützt Reasoning‑Schleifen über lange Zeithorizonte, sodass es mehrstufige Workflows planen, ausführen und validieren kann – etwa ein spielbares Game coden oder ein interaktives UI bauen – alles aus einem einzigen Prompt.

Diese Fähigkeiten werden auch über das ebenfalls gerade angekündigte Google Antigravity ausgerollt – eine Entwicklungsplattform, auf der Agenten direkten Zugriff auf Editor, Terminal und Browser haben. Es ist die erste Gemini‑Version, die als Co‑Developer gedacht ist und mit strukturierter Autonomie und Echtzeit‑Tool‑Integration kreative Ideen in funktionale Systeme verwandelt.

Alles lernen, bauen und planen?

Google zeigt mehrere Beispiele, wie dir das neueste Modell beim Lernen, Bauen und Planen hilft.

Der Fokus liegt stark auf Multimodalität – also Geminis Fähigkeit, Informationen über Text, Bilder, Video, Audio und Code hinweg zu verstehen und zu erzeugen.

Da „Vibe Coding“ aktuell für viele ein Schwerpunkt ist, soll Gemini 3 es Entwicklerinnen und Entwicklern noch leichter machen, Ideen zum Leben zu erwecken. Google behauptet, es sei stark in One‑Shot‑Generierung – du erhältst also hochwertige Ergebnisse aus einem einzigen Prompt. Komplexe Anweisungen meistert es ebenfalls, was nötig ist, damit Projekte wirklich lebendig und reaktionsfähig wirken.

Gemini 3 steht Entwicklerinnen und Entwicklern zur Verfügung, um agentische Projekte in Google AI Studio, Vertex AI, der Gemini CLI und der neu angekündigten Plattform Google Antigravity (dazu gleich mehr) zu bauen.

Eine letzte, durchaus beeindruckende Aussage: Gemini 3 Pro kann Tool‑Nutzung und Entscheidungsfindung über ein simuliertes Betriebsjahr hinweg konsistent aufrechterhalten. Wer ein Google‑AI‑Ultra‑Abo hat, kann sofort auf das neue experimentelle Feature Gemini Agent zugreifen – damit baust du mehrstufige Agenten, die diese Fähigkeiten nutzen.

Gemini 3 Pro: Beispiele

Dank des Kontextfensters mit 1 Million Tokens war Gemini 2.5 Pro schon lange einer meiner Favoriten. Umso gespannter bin ich, was Gemini 3 mit verbesserter multimodaler Performance im gleichen Kontextfenster leistet. Zum Einstieg hier ein paar Tests:

Ein simples Spiel im Half‑Life‑3‑Stil

Wie schon mit Gemini 2.5 habe ich mit einem Prompt von rund zehn Wörtern Gemini 3 Pro ein Side‑Scroller‑Game im Stil von Half‑Life 3 erstellen lassen. Hier der Prompt: Make me a simple side-scrolling Half-Life 3-inspired game

Mit wenig Denkzeit und ähnlich kurzer Coding‑Zeit hat Gemini 3 Pro (über AI Studio) angesichts des knappen Prompts ein solides Ergebnis geliefert. Es läuft, ist ein Side‑Scroller und klar vom Ausgangsmaterial inspiriert.

Hier ist das Video, wie es geworden ist:

Nach diesem Experiment wollte ich etwas Klassischeres probieren. Konkret dachte ich an das Chrome‑Dinosaurier‑Spiel, das erscheint, wenn du den Browser ohne Internet öffnest.

Make me a simple side-scrolling game like the Chrome dinosaur that jumps over cactuses when the internet is down.

Und so entstand Gemini Runner:

Die kleinen Details sind mir nicht entgangen. Gemini Runner hatte denselben sternenklaren Nachthimmel – obwohl das gar nicht im Prompt stand. Und wenn ich verlor, stand „Extinct“ auf dem Bildschirm.

Multimodale Fähigkeiten

Um die Multimodalität zu testen, habe ich ein Bild hochgeladen, das ein sechsjähriges Kind gezeichnet hat.

Dann bat ich das Modell, die Szene in ein einfaches Spiel zu verwandeln. Das war mein Prompt:

Generate a simple browser game using the elements in this image. Base the game on what’s shown.

In diesem Prompt habe ich bewusst nichts aus dem Bild benannt, um zu sehen, ob es die visuellen Inhalte interpretiert und ein Spiel darum baut.

Das Ergebnis war ein kleines Spiel namens Snowy’s Day, in dem man die Strichfigur bewegen konnte, um fallenden Schnee einzusammeln.

Wie du siehst, wurden die Elemente des Spiels direkt aus dem Bild übernommen. Die Nähe zur Vorlage hat mich beeindruckt – der Spielspaß war allerdings überschaubar. Vielleicht macht es einem Sechsjährigen aber durchaus Spaß.

Eine kleine Anekdote: Gemini hat korrekt erkannt, dass es Schnee ist. Ich hatte erst ein schlechtes Gewissen, weil ich dachte, es wären Sterne!

Gemini 3: Benchmarks

Google hat umfangreiche Benchmark‑Daten sowohl für Gemini 3 Pro als auch für Gemini Deep Think veröffentlicht – und die Ergebnisse sind durchweg beeindruckend.

Gemini 3 Pro: Benchmarks

Bei der reinen Schlussfolgerungsfähigkeit zeigt Gemini 3 Pro, was Google „Reasoning auf PhD‑Niveau“ nennt. Die Highlights:

Visuelles Reasoning

Beim visuellen Reasoning gibt es einen gewaltigen Sprung nach vorn.

Auf ARC‑AGI‑2 erzielt Gemini 3 Pro 31,1%. Das ist ein riesiger Sprung von 4,9% bei Gemini 2.5 Pro und deutlich vor Claude Sonnet 4.5 und GPT‑5.1.
Ähnlich erreicht Gemini 3 Pro auf ScreenSpot‑Pro, einem Test für Bildschirmverständnis, 72,7% und dominiert damit Claude Sonnet 4.5 (36,2%) und GPT‑5.1 (3,5%) klar.

Beides sind riesige Fortschritte darin, wie gut das Modell visuelle Informationen verstehen und darüber schlussfolgern kann.

Mathematik

Mit 23,4% auf MathArena Apex lässt Gemini 3 Pro die Konkurrenz hinter sich. Zum Vergleich: Gemini 2.5 Pro kam auf 0,5%, Claude Sonnet 4.5 auf 1,6% und GPT‑5.1 auf 1,0%. Das setzt einen neuen Maßstab für Spitzenmodelle im mathematischen Reasoning.

Langfristige Planung

Zur Messung langfristiger Planung gibt es den Benchmark Vending‑Bench 2, der den Betrieb eines Getränkeautomaten‑Geschäfts über ein volles Jahr simuliert. Das Modell muss fortlaufend Entscheidungen zu Bestand, Preisen und mehr treffen. Es prüft, ob eine KI über Tausende aufeinanderfolgende Entscheidungen hinweg konsistente, rationale Urteile fällt, ohne ihre Ziele aus den Augen zu verlieren oder erratisch zu werden.

Auf diesem Benchmark erreicht Gemini 3 Pro ein durchschnittliches Nettovermögen von 5.478,16 $. Zum Vergleich: Claude Sonnet 4.5 kommt auf 3.838,74 $ und GPT‑5.1 auf 1.473,43 $. Klingt nach einem Nischen‑Benchmark, aber für reale KI‑Agenten, die Aufgaben über Tage oder Wochen managen, zählt genau diese Zuverlässigkeit.

Weitere Benchmarks

Gemini 3 Pro liefert starke Werte auf einer breiten Palette weiterer Benchmarks. Es führt beim multimodalen Verständnis (MMMU‑Pro), beim Videoverständnis (Video‑MMMU), beim Diagramm‑Reasoning (CharXiv) und beim kompetitiven Coding (LiveCodeBench Pro).

Eine bemerkenswerte Ausnahme: Auf SWE‑Bench Verified, einem Software‑Engineering‑Benchmark, liegt Claude Sonnet 4.5 knapp vor Gemini 3 Pro.

Gemini 3 Deep Think: Benchmarks

Schauen wir uns nun die Benchmarks für Gemini Deep Think an – den erweiterten Reasoning‑Modus, der derzeit mit Safety‑Testern evaluiert wird, bevor er in den kommenden Wochen Ultra‑Abonnentinnen und ‑Abonnenten zur Verfügung steht.

Vielleicht fragst du dich: Wenn Gemini 3 Pro ohnehin die Leaderboards anführt, warum ist der Deep Think‑Modus wichtig? Manche Probleme profitieren von längerer Denkzeit. Deep Think nutzt paralleles und verlängertes Reasoning, um bei besonders kniffligen Aufgaben mehr Rechenaufwand zu investieren. Es ist darauf ausgelegt, länger zu brauchen – doch bei den schwierigsten Reasoning‑Problemen führt die zusätzliche Zeit zu spürbar besseren Ergebnissen, was sich in diesen Benchmarks zeigt:

Lösen neuartiger Probleme

Für mich sticht das ARC‑AGI‑2‑Ergebnis heraus. Gemini 3 mit Deep Think erreicht 45,1% auf ARC‑AGI‑2. (Das ist die offizielle verifizierte Version des Benchmarks aus dem ARC‑Prize‑Wettbewerb.) In diesem Test durfte das Modell als Reasoning‑Werkzeug Code schreiben und ausführen – es nutzte Programmierung also buchstäblich zum Nachdenken.

Warum ist das wichtig? ARC‑AGI‑2 testet gezielt die Fähigkeit eines Modells, neuartige, unbekannte Aufgaben zu lösen – Probleme, die es noch nie gesehen hat und nicht einfach aus Trainingsdaten pattern‑matchen kann. Das war historisch eine der härtesten Aufgaben für KI‑Systeme. Ein hoher Score deutet darauf hin, dass wir echtes Reasoning statt bloßer Memorierung sehen.

Extrem schwierige Fragen

Im Deep Think‑Modus erreicht Gemini 37,5% ohne Tools auf Humanity’s Last Exam. Mit Deep Think steigt das auf 41,0%. Zum Vergleich: GPT‑5.1 kam auf 26,5%.

Dieser Benchmark ist spannend, weil er Wissen und Reasoning am Rand des menschlichen Verständnisses testet – extrem schwierige Probleme, die tiefe Expertise erfordern. Dass Gemini 3 mit Deep Think mehr als ein Drittel dieser Fragen korrekt beantwortet, deutet darauf hin, dass es nicht nur Wissen aufsagt, sondern sehr komplexe, teils mehrdeutige Probleme tatsächlich durchdenkt.

Wissenschaft auf Master‑Niveau

Deep Think erzielt ein A – 91,9% – auf GPQA Diamond, einem Fragen‑Benchmark auf Master‑Niveau. Mit Deep Think steigt der Wert weiter auf 93,8%. Schon 91,9% sind beeindruckend, interessanter ist aber, dass Deep Think auf dieser Basis nochmals zulegen kann.

Wie komme ich an Gemini 3?

Gemini 3 Pro ist jetzt auf mehreren Plattformen verfügbar. Du kannst es sofort in der Gemini‑App nutzen. Es treibt auch den KI‑Modus in der Suche an – möglicherweise interagierst du also mit Gemini 3, ohne es zu merken.

Wenn du entwickelst, erreichst du Gemini 3 Pro über die Gemini API in Google AI Studio, Vertex AI und die Gemini CLI. Es ist außerdem auf der neu angekündigten Plattform Google Antigravity und in diversen Dritttools wie Cursor, GitHub, JetBrains, Manus und Replit verfügbar.

Google‑AI‑Ultra‑Abonnierende erhalten Zugang zu Gemini 3 Pro sowie zum experimentellen Feature Gemini Agent für mehrstufige Agenten. Deep Think befindet sich derzeit in der Sicherheits‑Evaluation und wird in den kommenden Wochen für Ultra freigeschaltet – allerdings erst nach weiteren Safety‑Checks.

Für Studierende hat Google einen kostenlosen Einjahres‑Plan eingeführt. Er umfasst Zugriff auf Gemini 3 Pro, unbegrenzte Bilduploads, 2 TB Speicher und weitere Tools wie NotebookLM.

So nutzt Google Gemini 3

Gemini 3 Pro ist bereits im Einsatz – Google nutzt es schon in zwei zentralen Features:

Google Search: AI Overviews

Google ist so überzeugt vom neuen Modell, dass es den ungewöhnlichen Schritt geht, es direkt in die Suche zu integrieren. Während AI Overviews seit April auf immer mehr Seiten ausgerollt werden, werden sie ab dem Launch‑Tag von Gemini 3 Pro angetrieben.

Gemini 3 und Google Antigravity

Ein weiterer spannender Teil der Ankündigung ist die neue agentische Entwicklungsplattform Google Antigravity.

Dieses Tool wird durch Geminis Reasoning‑, Tool‑ und Coding‑Fähigkeiten angetrieben. Google verspricht eine vertraute Umgebung wie eine KI‑IDE. Agenten erhalten direkten Zugriff auf Editor, Terminal und Browser, um eigenständig komplexe Projekte zu planen, zu schreiben und zu überprüfen.

Antigravity verbindet sich mit Gemini 3 Pro, dem Modell Gemini 2.5 Computer Use für Browsersteuerung und Nano Banana (Gemini 2.5 Image) für Bildbearbeitung.

Fazit

Mit diesem Release setzt Google ein klares Zeichen: Man ist zurück im Rennen um das leistungsfähigste KI‑Modell – und rollt es zügig und im großen Maßstab im gesamten Produktökosystem aus. Angesichts der Specs fällt es schwer zu widersprechen: Gemini 3 Pro wirkt wie das weltweit beste Modell für multimodales Verständnis.

Google ist wie immer gut positioniert. Die Cloud‑Infrastruktur, eigene Chips und der vertikal integrierte KI‑Stack verstärken sich gegenseitig und liefern eine Performance, an die nur wenige heranreichen. Weil die Fortschritte alles abdecken – von Reasoning über Coding und Multimodalität bis zu langfristiger Planung – spricht viel dafür, dass Google die Kernarchitektur von Gemini mit Gemini 3 Pro grundlegend verbessert hat. Zudem baut Google sichtbar mit konkreten Business‑Use‑Cases im Blick. Damit werden die Einsatzszenarien für KI schnell vielfältiger – und spannender.

Wenn du bei KI schnell aufholen willst, starte mit dem AI Fundamentals Skill Track.

Gemini 3: FAQs

Was ist der Unterschied zwischen Gemini 3 Pro und Gemini 3 Deep Think?

Gemini 3 Pro ist das Hauptmodell für Googles Apps und Entwicklerplattformen, optimiert für den Alltag. Deep Think ist ein optionaler Modus für langsamere, aber weiterreichende mehrstufige Schlussfolgerungen und steht Premium‑Usern zur Verfügung, sobald die Sicherheitstests abgeschlossen sind.

Wofür ist das Kontextfenster mit 1 Million Tokens gut?

Damit kann Gemini 3 riesige Eingaben verarbeiten – etwa ganze Forschungsarbeiten, komplette Codebasen oder lange Video‑Transkripte – ohne sie in Teile zu zerlegen. So wird tieferes, zusammenhängendes Reasoning über große Datensätze möglich.

Wie kann ich Gemini 3 Pro kostenlos ausprobieren?

Gemini 3 Pro ist für alle in der Gemini‑App verfügbar, ebenso für Google AI Pro‑ und Ultra‑Abonnierende. Es treibt außerdem den KI‑Modus in der Suche an. Für Entwicklerinnen und Entwickler gibt es Zugriff auf die API in AI Studio sowie auf der neuen agentischen Entwicklungsplattform Google Antigravity. Studierende können einen kostenlosen Einjahres‑Plan für Gemini Pro erhalten – inklusive Zugriff auf Gemini 3 Pro, 2 TB Google‑Drive‑Speicher und unbegrenzten Bilduploads.

Was ist Google Antigravity und wie unterscheidet es sich von AI Studio oder Vertex AI?

Antigravity ist Googles neue agentengetriebene Entwicklungsplattform – wie eine KI‑IDE, in der Agenten direkt Code schreiben, testen und Tools nutzen können. AI Studio und Vertex AI sind APIs bzw. Plattformen zum Bereitstellen von Modellen; Antigravity bündelt diese Fähigkeiten in einem praktischen, kollaborativen Workspace.

Warum sind Benchmark‑Scores für Gemini 3 Pro wichtig?

Benchmarks liefern messbare Nachweise für die Leistung eines Modells bei Reasoning, Coding und Multimodalität. Sie helfen dir, das passende Modell zu wählen – auch wenn Praxis‑Tests unverzichtbar bleiben, weil Benchmarks nicht jeden Use Case abbilden.

Autor

Matt Crabtree

Autorin und Redakteurin im Bereich der Bildungstechnologie. Engagiert bei der Erforschung von Datentrends und begeistert davon, Data Science zu lernen.