Google stärkt Gemini 3 Deep Think für Wissenschaft, Ingenieurwesen und Programmierung

Google hat beschlossen, aufs Gaspedal zu treten mit Zwillinge 3 Tiefgründiges Denken, sein auf tiefgehendes Denken spezialisiertes KI-Modell. Diese Version, konzipiert als fortgeschrittener Modus innerhalb des Zwillinge-FamilieEs wurde feinabgestimmt, um sich darum zu kümmern wissenschaftliche, Forschungs- und Ingenieurprobleme wenn die Daten unvollständig sindDie Grenzen des Problems sind verschwommen, und es gibt nicht immer eine einzige richtige Antwort.

Im Vergleich zu generalistischen Modellen Deep Think plädiert für eine Arbeitsweise, die der eines Forschungsteams ähnlicher ist.: Denken Sie länger nach, erkunden Sie mehrere Routen parallel Es beseitigt Widersprüche, bevor es ein endgültiges Ergebnis liefert. Googles Ziel ist es nicht nur, dass das System überzeugend klingt, sondern auch anspruchsvolle Aufgaben wie die Überprüfung mathematischer Beweise, die Interpretation von Laborergebnissen oder die Entwicklung physikalischer Bauteile präzise und zuverlässig zu gestalten.

Eine Denkweise, die für offene Probleme konzipiert wurde

Gemini 3 Deep Think wurde entwickelt in enger Zusammenarbeit mit Wissenschaftlern und Forschernmit dem Ziel, sich Herausforderungen zu stellen, die wenig Ähnlichkeit mit einer Multiple-Choice-Prüfung aufweisen. In der realen Forschung ist es üblich, mit verrauschte Daten, halb formulierte Hypothesen und sich ändernde ZieleGenau da will Google mit diesem Modus seine Stärken ausspielen.

Deep Think führt in seiner internen Architektur einen Mechanismus ein für erweitertes Denken oder „paralleles Denken“Bei komplexen Anfragen generiert das Modell mehrere Lösungsansätze, vergleicht diese miteinander und filtert diejenigen heraus, die logische Widersprüche enthalten. Dieser Ansatz weicht vom üblichen „eindimensionalen Denken“ ab und ähnelt eher einer Gruppe von Personen, die an einem Whiteboard diskutieren, bis sie eine tragfähige Lösung gefunden haben.

Wie das Unternehmen selbst erklärt, ermöglicht diese Strategie die Bewältigung von Problemen, bei denen die Anforderungen von Anfang an nicht klar definiert sind. Anstatt einfach nur die Lücken zu füllen, kann Deep Think … Mögliche Interpretationen des Problems vorschlagen und deren Übereinstimmung mit den Daten überprüfen. und Validierungsschritte vorschlagen, was besonders wichtig ist, wenn der Kontext nicht „sauber“ vom Hersteller kommt.

Google beharrt darauf, dass die Absicht darin besteht, zu kombinieren fundiertes wissenschaftliches Wissen mit praktischen technischen AnwendungenMit anderen Worten sollte das Modell nicht im Bereich der abstrakten Theorie verbleiben, sondern vielmehr bei der Entscheidungsfindung, beim Schreiben von Code für Simulationen oder bei der Anpassung von Parametern eines Experiments helfen.

Benchmark-Leistung: von Humanity's Last Exam bis Codeforces

Zur Unterstützung des Updates veröffentlicht Google Ergebnisse zu einigen der anspruchsvollere Prüfungen der aktuellen Landschaft der KI. In Die letzte Prüfung der Menschheit, ein Maßstab, der sehr schwierige Themen zusammenführt Mathematik, Naturwissenschaften und IngenieurwesenZwillinge 3 Tiefes Denken reicht um 48,4 % ohne Verwendung externer Toolsdamit liegt es über Modellen wie GPT-5.2 und Claude Sonett/Opus bei solchen Aufgaben.

En ARC-AGI-2eine Reihe von Rätseln, die zur Messung entwickelt wurden Abstraktions- und GeneralisierungsfähigkeitDas Modell erreicht etwa 84,6%Eine Zahl, die laut Google von der ARC Prize Foundation bestätigt wurde. Bei dieser Art von Test wird nicht nur „auswendig gelerntes Wissen“ bewertet, sondern vielmehr, inwieweit das System Muster erkennen kann, wenn sich die Anweisungen ändern.

Im Bereich des Wettbewerbsprogrammierens unterzeichnet Deep Think einen Vertrag. Elo-Wertung von 3455 bei CodeforcesDamit liegt es auf einem Niveau, das mit erstklassigen menschlichen Profilen vergleichbar ist. Diese Kennzahl bestärkt die Annahme, dass KI dazu fähig ist. komplexe, reale Programmierprobleme lösen, mit Zeitbeschränkungen und typischen Wettbewerbsfallen.

Das Update fasst außerdem die Ergebnisse von Goldmedaillenniveau bei der Internationalen Mathematik-Olympiade 2025Mit einer Leistung von rund 81,5 % in den internen Evaluierungen von DeepMind. Darüber hinaus erzielt das Modell in den schriftlichen Teilen der Olympiaden Medaillenleistungen. Physik und Chemie des Jahres 2025und Markierungen um 50,5 % im CMT-Benchmark der theoretischen Festkörperphysik.

All dies ergibt ein recht klares Bild: Gemini 3 Deep Think konkurriert nicht nur mit geschlossenen Fragen, sondern bewältigt auch Verlängertes Schlussfolgern, Zwischenschritte und interne ÜberprüfungUnverzichtbare Elemente bei der Arbeit mit heiklen Tests, Berechnungen oder Simulationen.

Naturwissenschaften: Mathematik, Physik, Chemie und darüber hinaus

Der Schwerpunkt des Updates liegt darauf, die Rolle von Deep Think als Werkzeug für Spitzenwissenschaft und -technologieIn der Mathematik, Google und DeepMind Sie hatten zuvor bereits auf Gemini basierende Systeme demonstriert, die Folgendes erreichen konnten: Goldmedaillen-Ergebnisse bei der IMOsowie die Lösung eines signifikanten Prozentsatzes von Problemen in Wettbewerben wie dem ICPC.

Mit Gemini 3 erweitert sich diese Produktlinie. Das Modell beschränkt sich nicht auf Berechnungen: Es kann Verfolgen Sie lange Demonstrationen, erkennen Sie Schwachstellen und alternative Testmethoden vorschlagen. In einem Fachgebiet, in dem ein winziger logischer Fehler ganze Seiten Arbeit ungültig macht, ist diese Fähigkeit für Teams, die Artikel, Dissertationen oder technische Berichte prüfen, von offensichtlichem Wert.

In Physik und Chemie zeigt Deep Think Fortschritte in Wettbewerbsaufgaben und schriftliche PrüfungenInteressant ist jedoch die Übertragung in Labore und die Industrie. Viele Arbeiten in diesen Bereichen bestehen darin, komplexe Phänomene in mathematische Modelle zu übersetzen, Parameter anzupassen und zu entscheiden, was als Nächstes gemessen werden soll. Das Modell soll dabei helfen. Verknüpfung physikalischer Intuitionen, Gleichungen und experimenteller Daten ohne den roten Faden zu verlieren, wenn der Kontext umfangreicher wird.

Die Ergebnisse in Benchmarks wie dem CMT-Benchmark deuten darauf hin, dass KI sich immer leichter bewegen kann. fortgeschrittene theoretische PhysikIn diesem Feld verschmelzen natürliche Sprache mit komplexen mathematischen Formulierungen und Querverweisen. Dies eröffnet die Möglichkeit für Assistenten, die europäische Forschungsgruppen in den Bereichen Materialwissenschaften, Quantenoptik oder numerische Simulationen im Arbeitsalltag unterstützen können.

DeepMind erforscht außerdem „Agenten“-Konfigurationen rund um Deep Think, bei denen das Modell nicht nur reagiert, sondern Arbeitszyklen planen, eigene Schritte überprüfen und passt die Strategie den Ergebnissen entsprechend an, mit dem Ziel, logische Fehler und Halluzinationen in besonders sensiblen Bereichen zu reduzieren.

Praxisbeispiele: wissenschaftliche Arbeiten, Halbleiter und 3D-Design

Über die Ergebnistabellen hinaus bietet Google im Rahmen des Updates Folgendes an: Frühe Anwendungsbeispiele, die veranschaulichen, was Gemini 3 Deep Think heute leisten kann.Eines der am meisten diskutierten Themen ist das von Lisa Carbone, Mathematikerin an der Rutgers Universitydie das System zur Überprüfung einer hochtechnischer Mathematikartikel in einem Bereich, der in den üblichen Trainingsdaten kaum vorkommt.

Laut Angaben des Unternehmens Deep Think konnte einen subtilen logischen Fehler identifizieren. das unbemerkt geblieben war während des menschlichen Peer-Review-Verfahrens. Diese Art der Unterstützung ersetzt nicht die Arbeit der Gutachter, bietet aber eine Eine zusätzliche Verifizierungsebene, die für europäische wissenschaftliche Zeitschriften oder Forschungsgruppen von Interesse sein könnte. die sich mit hochspezialisierten Manuskripten befassen.

Ein weiterer Fall stammt von Wang-Labor an der Duke UniversityDer Fokus lag auf der Entwicklung neuer Materialien. Berichten zufolge nutzte das Team Deep Think, um Optimierung der Kristallwachstumsprozesse Mit dem Ziel, Halbleiterschichten mit einer Dicke von mehr als 100 Mikrometern herzustellen – was mit bisherigen Methoden schwierig war –, schlug AI ein experimentelles „Rezept“ vor, das Fortschritte bei der Entwicklung von Materialien ermöglichte, die für … geeignet sind. Elektronische Geräte der nächsten Generation.

Im Bereich der angewandten Ingenieurwissenschaften ist die Arbeit von Anupam Pathak, verantwortlich für Forschung und Entwicklung im Bereich Plattformen und Geräte bei Google. Hier wurde Deep Think eingesetzt, um die Konstruktion physischer Komponenten beschleunigen, wobei sowohl der konzeptionelle Teil als auch die Umsetzung in konkrete technische Parameter unterstützt werden, was für europäische Unternehmen, die mechanische oder elektronische Prototypen iterativ weiterentwickeln, von großer Bedeutung ist.

Eine besonders eindrucksvolle Demo veranschaulicht die Fähigkeit des Modells, Eine Skizze in ein Objekt umwandeln, das für den 3D-Druck bereit istDas System interpretiert die Zeichnung, ermittelt die Geometrie, generiert das Modell und erzeugt die zum Drucken des Bauteils benötigte Datei. In der Praxis ist es vergleichbar mit dem Zeigen einer schnellen Skizze und dem Erhalt nutzbarer Baupläne, was in Industriedesignstudios oder kleinen Hardware-Werkstätten viele Iterationen ersparen kann.

Visuelle Fähigkeiten, Langzeitkontext und multimodale Aufgaben

Das Gemini 3 Deep Think-Update beschränkt sich nicht auf die Textverarbeitung. Google hebt hervor, dass sich das Modell bei Aufgaben verbessert hat, die mehr erfordern. visuelles Sehen und logisches Denken verbindenwie zum Beispiel die Interpretation von komplexe Flussdiagramme, Schaubilder oder wissenschaftliche GrafikenDie KI „sieht“ das Bild nicht nur, sondern integriert es auch in die Entscheidungskette, um kohärente Entscheidungen zu treffen.

Diese Funktion ist beispielsweise bei der Analyse nützlich. Abbildungen aus einem wissenschaftlichen Artikel, technische Zeichnungen oder Screenshots von MessgerätenAnstatt den Benutzer aufzufordern, alles in Textform zu beschreiben, kann das System direkt mit der visuellen Darstellung arbeiten und diese mit dem übrigen Kontext abgleichen.

Ein weiterer von Google hervorgehobener Punkt ist das Management von lange KontexteDeep Think kann Dokumente mit Hunderten von Seiten verarbeiten – von europäischen Projektberichten bis hin zu umfangreichen technischen Anhängen – ohne den Überblick zu verlieren. Dies ermöglicht es ihm Kreuztabellierung unterschiedlicher Variablen, verschiedene Versionen eines Experiments vergleichen oder Inkonsistenzen aufdecken, die in verschiedenen Abschnitten desselben Berichts versteckt sind.

Für Universitäten, Forschungs- und Entwicklungszentren oder Ingenieurabteilungen spanischer und europäischer Unternehmen passt diese Kombination aus Bild, Text und umfassendem Kontext gut zu realen Arbeitsabläufen: Berichte, Präsentationen, experimentelle Daten, Code und Diagramme existieren im selben Projekt nebeneinander und sind selten perfekt organisiert.

Deep Think positioniert sich somit als persönlicher Assistent Die Fähigkeit, zwischen verschiedenen Formaten zu wechseln und verstreute Informationen zu strukturieren, ist besonders wertvoll, wenn Teams unter Zeitdruck an wichtigen Telefonkonferenzen oder regulatorischen Abgabeterminen arbeiten.

Deep Think positioniert sich damit als Assistent, der zwischen verschiedenen Formaten wechseln und bei der Strukturierung verstreuter Informationen helfen kann – etwas, das besonders wertvoll ist, wenn Teams unter Zeitdruck an wichtigen Telefonkonferenzen oder regulatorischen Abgabeterminen arbeiten.

Insgesamt ist die neue Version von Zwillinge 3 Tiefgründiges Denken Es präsentiert ein Werkzeugprofil, das für komplexe Probleme konzipiert wurde: Es vereint tiefgreifendes Denken, solide Ergebnisse in anspruchsvollen Tests und praktische Beispiele, die von der Auswertung wissenschaftlicher Artikel über die Halbleiterfertigung bis hin zur Entwicklung druckbarer Bauteile reichen. Für Forschungsteams und Technologieunternehmen in Spanien und Europa liegt das Interesse weniger in spektakulären Zahlen als vielmehr in den Möglichkeiten, Integrieren Sie diese Art von KI in reale Prozesse, mit Kontrolle, Verifizierung und einem Fokus auf messbare Ergebnisse..

Verwandter Artikel:

So möchte Google Ihre Suchanfragen mit Gmail und Google Fotos dank persönlicher Intelligenz verändern.

Alberto Navarro

Ich bin ein Technik-Enthusiast, der seine „Geek“-Interessen zum Beruf gemacht hat. Ich habe mehr als 10 Jahre meines Lebens damit verbracht, modernste Technologie zu nutzen und aus purer Neugier an allen möglichen Programmen herumzubasteln. Mittlerweile habe ich mich auf Computertechnik und Videospiele spezialisiert. Das liegt daran, dass ich seit mehr als fünf Jahren für verschiedene Websites zum Thema Technologie und Videospiele schreibe und Artikel erstelle, die Ihnen die Informationen, die Sie benötigen, in einer für jeden verständlichen Sprache vermitteln möchten.

Bei Fragen reicht mein Wissen von allem rund um das Windows-Betriebssystem bis hin zu Android für Mobiltelefone. Und mein Engagement gilt Ihnen, ich bin immer bereit, ein paar Minuten zu investieren und Ihnen bei der Lösung aller Fragen in dieser Internetwelt zu helfen.