Gemini 3 Deep Think 重大升級：ARC-AGI-2 達 84.6%，這是 AGI 嗎？ 重大更新

什麼是 Deep Think？跟一般 Gemini 有什麼不同？

要理解 Deep Think 的重要性，首先要區分 Google 的三個 Gemini 3 層級：

心理學家 Daniel Kahneman 在《快思慢想》中提出的「System 1 vs System 2」正是 Deep Think 的設計哲學：

• Flash/Pro：像人類的直覺反應——看到問題就立刻回答，速度快但容易犯錯
• Deep Think：像人類的深度思考——不急著回答，先探索多條路徑、自我質疑、排除錯誤，最後才給出答案

技術層面上，Deep Think 不是簡單地「思考更久」。它採用平行推理引擎（Parallel Reasoning Engine），在生成任何輸出之前，會先在內部產生多條「思維軌跡」（thought traces），同時評估不同解法，最後收斂出最佳答案。²

四項破紀錄的 Benchmark 成績

1. ARC-AGI-2：84.6% — 接近人類水準

這是最具爆炸性的成績。ARC（Abstraction and Reasoning Corpus）測試的核心理念是：測量 AI 解決「從未見過的」新問題的能力。

2. Humanity's Last Exam：48.4%

這項測試被設計為「AI 不可能通過的考試」，內容涵蓋跨領域的抽象推理——例如將生物學概念應用到物理問題上。48.4% 的成績（無工具輔助）代表模型能夠在不相關的學科之間建立創造性的連結。³

3. Codeforces：3455 Elo（傳奇大師）

在競程世界中，3455 Elo 將 Deep Think 列入「Legendary Grandmaster」等級——全球僅極少數人類程式設計師能達到這個分數。更重要的是，競程題目需要的不是記住演算法，而是針對全新問題即時發明解法。²

4. IMO 2025：金牌水準

Deep Think 在 2025 年國際數學奧林匹克的題組中解出 6 題中的 5 題，展現了嚴謹的形式化證明能力。這不是「猜答案」，而是完整的數學推導。

核心技術：平行推理引擎

Deep Think 的秘密武器是多假設軌跡搜索（Multi-Hypothesis Trajectory Search），與傳統的鏈式推理有根本性的區別：

這個流程分三個階段：

1. 發散（Divergence）：針對問題提出 5-10 種不同的解題策略
2. 評估（Evaluation）：模擬每種策略的結果，預測成功率
3. 收斂（Convergence）：剪掉死路，將成功分支的洞察合併成最終答案

效果是顯著的：在數學和邏輯推理任務上，Deep Think 的幻覺率（hallucination rate）接近零。

實際應用：不只是跑分

Google 特別強調這次升級是與科學家和研究人員密切合作開發的，目標是解決「缺乏明確答案、數據不完整」的真實研究問題：²

手繪草圖 → 3D 列印

Deep Think 能理解 2D 草圖中的 3D 空間關係，推斷深度、結構和接合力學，直接生成可列印的 STL 檔案。它不只是「辨識圖形」，而是像 CAD 工程師一樣思考立體結構。

科學同儕審查

在一個已發表的案例中，Deep Think 發現了一個通過人類同儕審查的邏輯缺陷。它不是靠查詢資料庫找出問題，而是從頭推導作者的結論，發現推理過程中的不一致。³

化學與物理研究

在化學和物理奧林匹克級的任務中，Deep Think 不僅能平衡化學方程式，還能在全新情境中預測反應結果。物理方面則涵蓋理論領域的複雜數據解讀和物理系統模型建構。

AGI 之辯：84.6% 意味著什麼？

ARC-AGI-2 的 84.6% 引發了 AI 社群最激烈的討論：我們離 AGI 還有多遠？

支持「接近 AGI」的論點：

• ARC 測試的是流體智力——解決從未見過的問題的能力
• 84.6% 已進入人類平均表現範圍
• 如果 AI 能在未知環境中自適應，這就是 AGI 的核心定義之一

反對的論點：

• Humanity's Last Exam 仍只有 48.4%，「超級專家」級別的推理仍有巨大差距
• ARC 是視覺邏輯測試，不能代表所有認知能力
• Deep Think 的推理速度（10-60 秒）與人類的即時反應差距很大
• 模型在簡單任務上會「過度思考」，缺乏人類的「知道何時不需要深想」的元認知

現實可能介於兩者之間：Deep Think 證明了 AI 在特定的深度推理領域已達人類水準，但距離「全面的」通用智能仍有一段路。

與競爭對手的比較

三家的策略分歧很明確：Google 押注推理寬度（同時探索更多可能性），Anthropic 押注代理協作（Agent Teams 的分工合作），OpenAI 押注推理深度（更長的思考鏈）。誰的路線正確，目前還沒有定論。

可用性與已知限制

誰可以用？

• 消費者：Gemini app 中的 AI Ultra 訂閱者可立即使用
• 開發者：透過 Gemini API（Vertex AI）早期存取，需申請等候名單
• 計費：預計按「推理 token」或計算時間計費，成本比 Flash 高 10-50 倍

已知限制

• 延遲高 — 回應需要 10-60 秒開始串流，不適合即時聊天或語音互動
• 過度思考 — 簡單問題（如「法國的首都是？」）會浪費計算資源去驗證顯而易見的答案
• 成本高 — 推理成本是 Gemini 3 Flash 的 10-50 倍，不適合大量批次處理
• 非通用型 — 專為科學和工程設計，日常對話和創意寫作不是它的強項

總結：推理 AI 的新里程碑

Gemini 3 Deep Think 的這次升級代表了一個重要的分水嶺：AI 首次在「解決未知問題」的能力上達到接近人類的水準。

ARC-AGI-2 的 84.6% 不只是一個數字，它代表 AI 具備了「流體智力」——不靠記憶，而是靠推理來面對全新挑戰。這正是 AGI 研究人員數十年來追求的能力。

2026 年 2 月正在成為 AI 歷史上最密集的一個月：Anthropic 的 Opus 4.6（2/5）、OpenAI 的 GPT-5.3-Codex（2/5）、Claude Cowork Windows（2/10）、Google 的 Deep Think 升級（2/12）。三大巨頭在同一個月內各自展示了截然不同的 AI 未來願景。對用戶來說，這是最好的時代——選擇從未如此豐富。