Google stellte am 12. Februar eine grundlegende Aktualisierung des Modells Gemini 3 Deep Think vor, eines spezialisierten KI-Modus zur Lösung komplexer Probleme in Wissenschaft, Forschung und Ingenieurwesen. Das Modell wurde in enger Zusammenarbeit mit Wissenschaftlern und Forschern entwickelt, um anspruchsvolle Forschungsprobleme lösen zu können, bei denen häufig klare Regeln oder eine einzige richtige Lösung fehlen und die Daten unvollständig oder ungenau sind.
Das aktualisierte Deep Think ist nun in der Gemini-App für Abonnenten von Google AI Ultra verfügbar. Erstmals wird das Modell über die Gemini API auch ausgewählten Forschern, Ingenieuren und Unternehmen zugänglich gemacht, die ihr Interesse an einem Vorabzugang bekunden können.
Ergebnisse bei akademischen Tests
Das Modell Gemini 3 Deep Think erzielt beispiellose Ergebnisse bei den anspruchsvollsten akademischen Benchmarks. Beim Test Humanity's Last Exam, der darauf ausgelegt ist, die Grenzen moderner KI-Modelle zu testen, erreichte es ohne den Einsatz von Werkzeugen 48,4 %. Beim Benchmark ARC-AGI-2 erzielte es 84,6 %, was von der ARC Prize Foundation bestätigt wurde.
Im Bereich Programmierung erreichte das Modell auf der Plattform Codeforces eine Bewertung von Elo 3455, was eine außergewöhnliche Leistung im kompetitiven Programmieren darstellt. Bei der Internationalen Mathematik-Olympiade 2025 erreichte es Goldmedaillenniveau.
Das Modell zeichnet sich auch in breiten wissenschaftlichen Bereichen wie Chemie und Physik aus. In den schriftlichen Teilen der Internationalen Physik-Olympiade 2025 und der Chemie-Olympiade 2025 erzielte es Ergebnisse auf Goldmedaillenniveau. In fortgeschrittener theoretischer Physik erreichte es beim CMT-Benchmark eine Punktzahl von 50,5 %.
Einsatz in der Forschung
Lisa Carbone, Mathematikerin an der Rutgers University, arbeitet an mathematischen Strukturen, die die Hochenergiephysik benötigt, um Einsteins Gravitationstheorie mit der Quantenmechanik zu verbinden. In einem Fachgebiet mit sehr wenigen vorhandenen Trainingsdaten setzte sie Deep Think zur Begutachtung eines hoch technischen mathematischen Artikels ein. Das Modell identifizierte erfolgreich einen subtilen logischen Fehler, der zuvor im menschlichen Peer-Review-Verfahren unbemerkt geblieben war.
An der Duke University nutzte das Wang Lab Deep Think zur Optimierung von Herstellungsmethoden für komplexes Kristallwachstum, um möglicherweise neue Halbleitermaterialien zu entdecken. Deep Think schlug erfolgreich ein Verfahren zur Züchtung dünner Schichten von mehr als 100 μm vor und erfüllte damit genau das Ziel, das mit früheren Methoden nicht erreicht werden konnte.
Anupam Pathak, Leiter für Forschung und Entwicklung in Googles Geschäftsbereich Platforms and Devices und ehemaliger Geschäftsführer von Liftware, testete das neue Deep Think, um die Entwicklung physischer Komponenten zu beschleunigen. Das Modell kann eine Skizze in eine 3D-druckbare Realität verwandeln – es analysiert die Zeichnung, modelliert die komplexe Form und erzeugt eine Datei zur Herstellung des physischen Objekts mittels 3D-Druck.
Mathematischer Forschungsagent Aletheia
Zur Lösung mathematischer Forschungsprobleme entwickelte das Team einen Forschungsagenten mit der internen Codebezeichnung Aletheia, der vom Modell Gemini Deep Think angetrieben wird. Der Agent enthält einen Prüfer für natürliche Sprache, der Fehler in Lösungsvorschlägen identifiziert und einen iterativen Prozess zur Generierung und Überarbeitung von Lösungen ermöglicht. Der Agent kann eingestehen, dass er ein Problem nicht lösen kann, was eine entscheidende Funktion zur Steigerung der Effizienz für Forscher ist.
Darüber hinaus nutzt der Agent Google Search und das Durchsuchen des Internets, um durch komplexe Forschungsgebiete zu navigieren. Dadurch werden falsche Zitate und rechnerische Ungenauigkeiten bei der Synthese veröffentlichter Literatur vermieden.
Seit dem Erreichen des Goldmedaillenstandards bei der IMO im Juli 2025 hat Gemini Deep Think rasche Fortschritte gemacht und erzielt beim fortgeschrittenen Test IMO-ProofBench bis zu 90 %. Aletheia hat bereits mehrere Fortschritte in der mathematischen Forschung ermöglicht, darunter einen autonomen Forschungsartikel, der ohne menschliches Eingreifen von KI erstellt wurde und bestimmte Strukturkonstanten in der arithmetischen Geometrie berechnet, die als Eigenweights bezeichnet werden.
Durchbrüche in Informatik und Physik
Das Modell Gemini Deep Think hat seinen Nutzen auch in der Informatik und Physik unter Beweis gestellt. Bei der Zusammenarbeit mit Experten an 18 Forschungsproblemen half das fortschrittliche Modell dabei, langjährige Hindernisse in den Bereichen Algorithmen, maschinelles Lernen, kombinatorische Optimierung, Informationstheorie und Wirtschaftswissenschaften zu überwinden.
Zu den wichtigsten Erfolgen gehört die Lösung klassischer Informatikprobleme wie Max-Cut und Steiner Tree mithilfe fortgeschrittener Werkzeuge aus nicht verwandten Bereichen der kontinuierlichen Mathematik. Das Modell widerlegte zudem eine seit zehn Jahren bestehende Vermutung in der Online-Submodular-Optimierung, indem es ein hochspezifisches kombinatorisches Gegenbeispiel konstruierte.
In der Physik kosmischer Strings fand das Modell eine neue Lösung mithilfe von Gegenbauer-Polynomen, die Singularitäten auf natürliche Weise absorbierte und eine unendliche Reihe zu einer geschlossenen Form einer endlichen Summe zusammenfasste.
Zusammenarbeit zwischen Mensch und KI
Diese Arbeit zeigt, dass allgemeine Basismodelle, die agentenbasierte Arbeitsabläufe nutzen, als leistungsstarke wissenschaftliche Partner fungieren können. Unter der Anleitung erfahrener Mathematiker, Physiker und Informatiker stellt Gemini Deep Think seinen Nutzen in Fachgebieten unter Beweis, in denen komplexe Mathematik, Logik und Schlussfolgerungsvermögen entscheidend sind.
Das Modell fungiert als Kraftmultiplikator für den menschlichen Intellekt und übernimmt die Wissensbeschaffung sowie die rigorose Überprüfung, sodass sich Wissenschaftler auf konzeptionelle Tiefe und kreative Ausrichtung konzentrieren können. Ob es um die Verfeinerung von Beweisen, die Suche nach Gegenbeispielen oder die Verknüpfung getrennter Fachgebiete geht – KI wird zu einem wertvollen Partner im nächsten Kapitel des wissenschaftlichen Fortschritts.
