Gemini 3: Google का अब तक का सबसे शक्तिशाली LLM

उस प्रयोग के बाद, मैं कुछ थोड़ा ज़्यादा क्लासिक आज़माना चाहता था। खास तौर पर, मैं Chrome के डायनासोर गेम के बारे में सोच रहा था जो तब आता है जब आप बिना इंटरनेट के ब्राउज़र खोलते हैं। 

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

पेश है, Gemini Runner:

छोटी-छोटी बारीकियाँ भी मुझसे छूटी नहीं। Gemini Runner में वही तारों से भरा रात का आसमान था, जिसका प्रॉम्प्ट में ज़िक्र तक नहीं था। जब मैं हारा, तो इसने “Extinct” भी लिखा।

मल्टीमॉडल क्षमताएँ

मल्टीमॉडल क्षमताओं की जाँच के लिए, मैंने छह साल के बच्चे द्वारा बनाई गई एक तस्वीर अपलोड की।

फिर मैंने इसे उस दृश्य को एक सरल गेम में बदलने को कहा। यहाँ वह प्रॉम्प्ट है जो मैंने इस्तेमाल किया:

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

इस प्रॉम्प्ट में, मैंने जानबूझकर तस्वीर में मौजूद किसी भी चीज़ को निर्दिष्ट नहीं किया क्योंकि मैं देखना चाहता था कि क्या यह दृश्य सामग्री की व्याख्या कर सकता है और जो वह देखता है उसके इर्द-गिर्द गेम बना सकता है।

परिणाम एक छोटा गेम था जिसका नाम था Snowy’s Day जिसमें आप स्टिक फिगर को हिलाकर गिरती हुई बर्फ़ इकट्ठा कर सकते थे। 

जैसा कि आप देख सकते हैं, गेम के तत्व सीधे मेरे द्वारा साझा की गई इमेज से लिए गए थे। मैं स्क्रीनशॉट की भावना के प्रति निष्ठा से प्रभावित था, लेकिन यह निश्चित रूप से दुनिया का सबसे मज़ेदार गेम नहीं था। हालाँकि शायद यह छह साल के बच्चे के लिए मज़ेदार गेम हो सकता है।

एक बात: Gemini ने समझ लिया कि इमेज में बर्फ़ है। मुझे बुरा लगा क्योंकि मुझे लगा उसने सितारे बनाए हैं!

Gemini 3 बेंचमार्क्स 

Google ने Gemini 3 Pro और Gemini Deep Think दोनों के लिए व्यापक बेंचमार्क डेटा साझा किया है, और परिणाम हर ओर से प्रभावशाली हैं। 

Gemini 3 Pro बेंचमार्क्स 

जब शुद्ध तर्क क्षमता की बात आती है, Gemini 3 Pro वह प्रदर्शित करता है जिसे Google "PhD-स्तरीय तर्क" कहता है। यहाँ प्रमुख परिणाम हैं:

विज़ुअल रीजनिंग

विज़ुअल रीजनिंग में भारी छलांग दर्ज हुई है। 

• ARC-AGI-2 पर, Gemini 3 Pro 31.1% स्कोर करता है। यह Gemini 2.5 Pro के 4.9% से बहुत बड़ी छलांग है और Claude Sonnet 4.5 तथा GPT-5.1 दोनों से काफी आगे है। 
• इसी तरह, ScreenSpot-Pro पर, जो स्क्रीन अंडरस्टैंडिंग का परीक्षण करता है, Gemini 3 Pro 72.7% हासिल करता है, और Claude Sonnet 4.5 (36.2%) तथा GPT-5.1 (3.5%) को पूरी तरह पछाड़ देता है।

ये दोनों ही इस बात में बहुत बड़ा उछाल हैं कि मॉडल दृश्य जानकारी को कितनी अच्छी तरह समझ और उस पर तर्क कर सकता है।

गणित

MathArena Apex पर 23.4% के स्कोर के साथ, Gemini 3 Pro प्रतिस्पर्धा को ध्वस्त कर देता है। संदर्भ के लिए: Gemini 2.5 Pro ने 0.5% स्कोर किया, Claude Sonnet 4.5 ने 1.6% और GPT-5.1 केवल 1.0% तक पहुंच पाया। यह गणितीय तर्क में फ्रंटियर मॉडलों के लिए एक नया मानक स्थापित करता है।

लंबी-अवधि की योजना

लंबी-अवधि की योजना को मापने के लिए Vending-Bench 2 नामक बेंचमार्क है जो एक साल तक वेंडिंग मशीन व्यवसाय चलाने का सिमुलेशन करता है। मॉडल को इन्वेंट्री, प्राइसिंग और बाकी हर चीज़ पर लगातार निर्णय लेने होते हैं। यह जाँचता है कि क्या कोई AI हज़ारों क्रमिक विकल्पों में अपने लक्ष्यों से भटके बिना या असंगत निर्णय लिए बिना सुसंगत, तर्कसंगत निर्णय-निर्धारण बनाए रख सकता है।

इस बेंचमार्क पर, Gemini 3 Pro $5,478.16 का औसत नेट वर्थ हासिल करता है। तुलना के लिए, Claude Sonnet 4.5 ($3,838.74) और GPT-5.1 ($1,473.43) हैं। यह भले ही एक विशेष बेंचमार्क लगे, लेकिन वास्तविक दुनिया के AI एजेंट्स जिन्हें दिनों या हफ्तों तक कार्य प्रबंधित करने पड़ सकते हैं, उनके लिए ऐसी विश्वसनीयता मायने रखती है।

अन्य बेंचमार्क

Gemini 3 Pro कई अन्य बेंचमार्क्स पर भी मजबूत प्रदर्शन दिखाता है। यह मल्टीमॉडल समझ (MMMU-Pro), वीडियो समझ (Video-MMMU), चार्ट रीजनिंग (CharXiv), और प्रतिस्पर्धी कोडिंग (LiveCodeBench Pro) में आगे है।

एक उल्लेखनीय अपवाद: SWE-Bench Verified, जो सॉफ्टवेयर इंजीनियरिंग बेंचमार्क है, उस पर Claude Sonnet 4.5 थोड़ा आगे निकलता है।

Gemini 3 Deep Think मोड बेंचमार्क्स

अब, आइए Gemini Deep Think के बेंचमार्क्स देखें, यह उन्नत तर्क मोड है जो फिलहाल सुरक्षा टेस्टरों के साथ मूल्यांकन में है और आने वाले हफ्तों में Google AI Ultra ग्राहकों के लिए उपलब्ध होगा।

आप सोच सकते हैं: जब Gemini 3 Pro पहले से ही लीडरबोर्ड्स में शीर्ष पर है, तो Deep Think मोड क्यों मायने रखता है? जवाब यह है कि कुछ समस्याएँ विस्तारित तर्क समय से लाभ उठाती हैं। Deep Think समानांतर और दीर्घ तर्क का उपयोग करता है ताकि विशेष रूप से चुनौतीपूर्ण कार्यों पर अधिक कंप्यूटेशनल प्रयास किया जा सके। इसे अधिक समय लेने के लिए डिज़ाइन किया गया है, लेकिन सबसे कठिन तर्क समस्याओं के लिए, यह अतिरिक्त प्रोसेसिंग समय वास्तविक रूप से बेहतर परिणामों में बदल जाता है, जैसा कि इन बेंचमार्क्स में दिखता है:

नए प्रकार की समस्याओं का समाधान

मेरे लिए ARC-AGI-2 का परिणाम सबसे अलग दिखता है। Deep Think मोड के साथ Gemini 3 ARC-AGI-2 पर 45.1% हासिल करता है। (यह ARC Prize प्रतियोगिता से जुड़े बेंचमार्क का आधिकारिक सत्यापित संस्करण है।) इस टेस्ट में, मॉडल को तर्क उपकरण के रूप में कोड लिखने और चलाने की अनुमति थी, यानी समस्याओं के बारे में सोचने में प्रोग्रामिंग की मदद ली गई।

यह क्यों मायने रखता है? ARC-AGI-2 विशेष रूप से किसी मॉडल की नई, अपरिचित चुनौतियों को हल करने की क्षमता का परीक्षण करता है। ये ऐसी समस्याएँ हैं जिन्हें उसने पहले कभी नहीं देखा और जिन पर वह सिर्फ़ प्रशिक्षण डेटा से पैटर्न-मैच नहीं कर सकता। ऐतिहासिक रूप से, यह AI सिस्टम्स के लिए सबसे मुश्किल चीज़ों में से एक रही है, इसलिए मजबूत स्कोर का मतलब है कि हम रटना नहीं, बल्कि वास्तविक तर्क क्षमता देख रहे हैं।

बेहद कठिन प्रश्न

Deep Think मोड Humanity's Last Exam पर बिना किसी टूल के 37.5% हासिल करता है। और Deep Think मोड सक्षम होने पर, यह 41.0% तक पहुँच जाता है। संदर्भ के लिए, GPT-5.1 का स्कोर 26.5% था। 

यह बेंचमार्क रोचक है क्योंकि इसे मानव समझ की सीमा पर ज्ञान और तर्क का परीक्षण करने के लिए डिज़ाइन किया गया है। ऐसे बेहद कठिन सवाल सोचें जिन्हें हल करने के लिए गहन विशेषज्ञता चाहिए। तथ्य यह है कि Gemini 3, Deep Think का उपयोग करते हुए, इन सवालों में से एक-तिहाई से अधिक के सही उत्तर दे सकता है, यह सुझाता है कि वह केवल जानकारी नहीं दोहरा रहा, बल्कि बहुत जटिल और बहुत अस्पष्ट समस्याओं पर वास्तविक तर्क कर रहा है।

स्नातकोत्तर-स्तरीय विज्ञान

Deep Think मोड GPQA Diamond पर A स्कोर—91.9%—हासिल करता है, जो स्नातकोत्तर-स्तरीय विज्ञान प्रश्नों का बेंचमार्क है। Deep Think स्कोर को और बढ़ाकर 93.8% तक ले जाता है। जबकि 91.9% अपने आप में प्रभावशाली है, उससे भी रोचक यह है कि यह एक बेसलाइन है जिसे Deep Think और भी सुधार सकता है।

मैं Gemini 3 तक कैसे पहुँच सकता/सकती हूँ?

Gemini 3 Pro अभी कई प्लेटफ़ॉर्म्स पर उपलब्ध है। आप इसे तुरंत Gemini ऐप में इस्तेमाल कर सकते हैं। यह सर्च में AI Mode को भी पावर दे रहा है, इसलिए हो सकता है आप बिना जाने ही Gemini 3 के साथ इंटरैक्ट कर रहे हों।

यदि आप डेवलपर हैं, तो आप Gemini 3 Pro तक Gemini API के माध्यम से Google AI Studio, Vertex AI और Gemini CLI में पहुँच सकते हैं। यह नए घोषित Google Antigravity प्लेटफ़ॉर्म और Cursor, GitHub, JetBrains, Manus और Replit जैसे कई थर्ड-पार्टी टूल्स में भी उपलब्ध है।

Google AI Ultra सब्सक्राइबर्स को Gemini 3 Pro तक पहुंच मिलती है, साथ ही मल्टी-स्टेप एजेंट्स बनाने के लिए प्रयोगात्मक Gemini Agent फीचर भी मिलता है। Deep Think फिलहाल सुरक्षा टेस्टरों के साथ मूल्यांकन में है और आने वाले हफ्तों में Ultra सब्सक्राइबर्स के लिए उपलब्ध होगा, लेकिन केवल अतिरिक्त सुरक्षा मूल्यांकन पूरे होने के बाद।

छात्रों के लिए, Google ने एक निःशुल्क एक-वर्षीय प्लान पेश किया है जो Gemini 3 Pro तक पहुँच, असीमित इमेज अपलोड्स, 2 TB स्टोरेज और NotebookLM जैसे अतिरिक्त टूल्स प्रदान करता है।

Google Gemini 3 का उपयोग कैसे कर रहा है 

Gemini 3 Pro पहले से ही उपलब्ध है, और Google इसे दो प्रमुख फीचर्स में काम पर लगा रहा है:

Google Search AI Overviews 

Google इस नए मॉडल के बारे में इतना आश्वस्त है कि वह इसे सीधे Google Search में इंटीग्रेट करने का असामान्य कदम उठा रहा है। जबकि AI Overviews अप्रैल से अधिकाधिक पेजों पर रोलआउट हो रहे हैं, लॉन्च डे से ही Gemini 3 Pro अब इन ओवरव्यूज़ को पावर देगा। 

Gemini 3 और Google Antigravity 

इस घोषणा का एक और बेहद रोमांचक हिस्सा है नया एजेंटिक डेवलपमेंट प्लेटफ़ॉर्म, Google Antigravity का शामिल होना। 

यह नया टूल Gemini 3 की तर्क, टूल उपयोग और एजेंटिक कोडिंग क्षमताओं से संचालित है। Google का वादा है कि यह एक AI IDE जैसा परिचित महसूस होगा, लेकिन एजेंट्स सीधे एडिटर, टर्मिनल और ब्राउज़र तक पहुँच सकेंगे ताकि वे अपने आप जटिल प्रोजेक्ट्स की योजना बना सकें, लिख सकें और जाँच सकें। 

Antigravity Gemini 3 Pro, Gemini 2.5 Computer Use मॉडल (ब्राउज़र नियंत्रण के लिए) और Nano Banana (Gemini 2.5 Image) के साथ इमेज एडिटिंग के लिए कनेक्ट होगा।

अंतिम विचार 

Google इस रिलीज़ के साथ साफ़ संदेश दे रहा है: वे सबसे सक्षम AI मॉडल की दौड़ में वापस हैं, और वे इसे अपने पूरे प्रोडक्ट इकोसिस्टम में बड़े पैमाने पर तेज़ी से शिप कर रहे हैं। स्पेक्स को देखते हुए, उनसे असहमत होना मुश्किल है; मल्टीमॉडल समझ के लिए Gemini 3 Pro दुनिया का सर्वश्रेष्ठ AI मॉडल महसूस होता है।

हमेशा की तरह, Google अच्छी स्थिति में है। इसका क्लाउड इन्फ्रास्ट्रक्चर, कस्टम चिप्स और वर्टिकली इंटीग्रेटेड AI स्टैक अब एक-दूसरे को मज़बूत कर रहे हैं ताकि ऐसा प्रदर्शन दिया जा सके जिसकी टक्कर कम ही प्रतिद्वंद्वी दे सकें। क्योंकि लाभ तर्क, कोडिंग, मल्टीमॉडल समझ और लंबी-अवधि की योजना—हर चीज़ में फैले हैं, यह मजबूती से सुझाता है कि Google ने Gemini 3 Pro के साथ Gemini की कोर आर्किटेक्चर में बुनियादी सुधार किए हैं। साथ ही, लगता है कि Google विशिष्ट बिज़नेस उपयोग मामलों को ध्यान में रखकर बना रहा है, इसलिए हम AI का उपयोग जिन तरीकों से करने जा रहे हैं, वे तेजी से अधिक विविध और अधिक रोचक होते जा रहे हैं।

यदि आपको AI से संबंधित हर चीज़ में गति पकड़नी है, तो मैं AI Fundamentals स्किल ट्रैक से शुरुआत करने की सलाह देता हूँ।