Google představil 12. února zásadní aktualizaci modelu Gemini 3 Deep Think, specializovaného režimu umělé inteligence určeného k řešení složitých problémů v oblasti vědy, výzkumu a inženýrství. Model byl vyvinut v úzké spolupráci s vědci a výzkumníky, aby dokázal řešit náročné výzkumné problémy, kde často chybí jasná pravidla nebo jediné správné řešení a data bývají neúplná nebo nepřesná.
Aktualizovaný Deep Think je nyní dostupný v aplikaci Gemini pro předplatitele Google AI Ultra. Poprvé je také model zpřístupněn prostřednictvím Gemini API vybraným výzkumníkům, inženýrům a podnikům, kteří mohou projevit zájem o předběžný přístup.
Výsledky na akademických testech
Model Gemini 3 Deep Think dosahuje bezprecedentních výsledků na nejnáročnějších akademických benchmarcích. Na testu Humanity's Last Exam, který je navržen k testování limitů moderních AI modelů, dosáhl 48,4 % bez použití nástrojů. Na benchmarku ARC-AGI-2 získal 84,6 %, což potvrdila ARC Prize Foundation.
V oblasti programování dosáhl model na platformě Codeforces hodnocení Elo 3455, což je výjimečný výkon v soutěžním programování. Na Mezinárodní matematické olympiádě 2025 dosáhl úrovně zlaté medaile.
Model také exceluje v širokých vědeckých oblastech jako chemie a fyzika. Dosáhl výsledků na úrovni zlaté medaile na písemných částech Mezinárodní fyzikální olympiády 2025 a Chemické olympiády 2025. V pokročilé teoretické fyzice dosáhl skóre 50,5 % na CMT-Benchmark.
Využití ve výzkumu
Lisa Carbone, matematička z Rutgers University, pracuje na matematických strukturách potřebných pro komunitu vysokoenergetické fyziky k propojení Einsteinovy teorie gravitace s kvantovou mechanikou. V oboru s velmi malým množstvím existujících trénovacích dat použila Deep Think k recenzi vysoce technického matematického článku. Model úspěšně identifikoval jemnou logickou chybu, která dříve prošla lidským recenzním řízením bez povšimnutí.
Na Duke University využila laboratoř Wang Lab model Deep Think k optimalizaci výrobních metod pro složitý růst krystalů za účelem potenciálního objevu polovodičových materiálů. Deep Think úspěšně navrhl recept pro pěstování tenkých filmů větších než 100 μm, což splnilo přesný cíl, kterého předchozí metody nedokázaly dosáhnout.
Anupam Pathak, vedoucí výzkumu a vývoje v divizi Platforms and Devices společnosti Google a bývalý generální ředitel Liftware, testoval nový Deep Think k urychlení návrhu fyzických komponent. Model dokáže proměnit náčrtek ve 3D tisknutelnou realitu – analyzuje kresbu, modeluje složitý tvar a generuje soubor pro vytvoření fyzického objektu pomocí 3D tisku.
Matematický výzkumní agent Aletheia
Pro řešení výzkumných matematických problémů vytvořil tým výzkumného agenta s interním kódovým označením Aletheia, poháněného modelem Gemini Deep Think. Agent obsahuje verifikátor v přirozeném jazyce, který identifikuje chyby v kandidátních řešeních a umožňuje iterativní proces generování a revize řešení. Agent dokáže přiznat neschopnost vyřešit problém, což je klíčová funkce zvyšující efektivitu pro výzkumníky.
Agent navíc využívá Google Search a procházení webu k navigaci složitým výzkumem, čímž předchází falešným citacím a výpočetním nepřesnostem při syntéze publikované literatury.
Od dosažení standardu zlaté medaile na IMO v červenci 2025 Gemini Deep Think rychle pokročil a dosahuje až 90 % na pokročilém testu IMO-ProofBench. Aletheia již umožnila několik pokroků v matematickém výzkumu, včetně autonomního výzkumného článku generovaného AI bez lidského zásahu, který vypočítává určité strukturní konstanty v aritmetické geometrii zvané eigenweights.
Průlomy v informatice a fyzice
Model Gemini Deep Think prokázal přínos také v informatice a fyzice. Při spolupráci s experty na 18 výzkumných problémech pomohl pokročilý model vyřešit dlouhodobé překážky v algoritmech, strojovém učení, kombinatorické optimalizaci, teorii informací a ekonomii.
Mezi klíčové úspěchy patří vyřešení klasických problémů informatiky jako Max-Cut a Steiner Tree pomocí pokročilých nástrojů z nesouvisejících odvětví spojité matematiky. Model také vyvrátil desetiletou domněnku v online submodulární optimalizaci vytvořením vysoce specifického kombinatorického protipříkladu.
Ve fyzice kosmických strun našel model nové řešení pomocí Gegenbauerových polynomů, které přirozeně absorbovalo singularity a zkolabovalo nekonečnou řadu do uzavřené formy konečného součtu.
Spolupráce člověka a AI
Tato práce demonstruje, že obecné základní modely využívající agentní pracovní postupy mohou působit jako silný vědecký společník. Pod vedením expertních matematiků, fyziků a informatických vědců prokazuje Gemini Deep Think svou užitečnost v oborech, kde je složitá matematika, logika a uvažování klíčové.
Model funguje jako násobitel síly pro lidský intelekt, zpracovává získávání znalostí a rigorózní ověřování, takže se vědci mohou soustředit na koncepční hloubku a kreativní směřování. Ať už jde o zdokonalování důkazů, hledání protipříkladů nebo propojování oddělených oborů, AI se stává cenným spolupracovníkem v další kapitole vědeckého pokroku.
