编辑｜sia

推理模子赛道，，，，，，，已经近乎肉搏。。。。。

一边是 OpenAI o1 系列，，，，，，，主打「多想一步」的强化推理蹊径，，，，，，，用更长思索时间换更稳的结论。。。。。

一边是 Anthropic 的 Claude Thinking，，，，，，，深耕研究与剖析场景，，，，，，，强调长上下文下的审慎与可靠。。。。。

现在，，，，，，，谷歌也重兵压上——Gemini 3 Deep Think 迎来重大升级。。。。。

不过真正吸睛的，，，，，，，早就不是又赢了几个 benchmark，，，，，，，而是它的定位：「加入科研和工程决议」的实力。。。。。

业内一直撒播一套很经典的民间压力测试，，，，，，，让模子天生「一只骑自行车的鹈鹕」（A pelican riding a bicycle）的 SVG 代码。。。。。

问题看起来像 meme，，，，，，，但懂的人都知道，，，，，，，它同时卡三件事：空间逻辑、结构准确性、细节遵从能力。。。。。

已有网友放出相当惊艳的版本，，，，，，，也是我见过最好的一张。。。。。

案例来自 https://simonwillison.net/

加码难度，，，，，，，上硬核约束：

Generate an SVG of a California brown pelican riding a bicycle. The bicycle must have spokes and a correctly shaped bicycle frame. The pelican must have its characteristic large pouch, and there should be a clear indication of feathers. The pelican must be clearly pedaling the bicycle. The image should show the full breeding plumage of the California brown pelican.

难度瞬间从「会绘图」，，，，，，，跃迁到「会建模 + 会生物 + 会物理」。。。。。

尤其是，，，，，，，画出「加州褐鹈鹕滋生羽」。。。。。这不是随便涂个颜色就能瞎搅的。。。。。滋生期它的头部会偏黄，，，，，，，颈部呈红棕色，，，，，，，要求模子具备很是专业的生物知识。。。。。

「正在蹬踏」要求 AI 能准确处置惩罚肢体与机械的交互：动物的脚丫子，，，，，，，必需瞄准踏板。。。。。

效果，，，，，，，Gemini 3 Deep Think 还能稳固交出质量很高的 SVG。。。。。

案例来自 https://simonwillison.net/

这里释放的信号着实很清晰：Gemini 3 Deep Think 追求的不是「更会想」，，，，，，，而是在科研级、工程级、多条件约束问题上，，，，，，，能更可靠地把事情做对。。。。。

从「纸上谈兵」进化到「下手造物」，，，，，，，更显着的用例，，，，，，，是它能把用户的要求、草图甚至照片，，，，，，，直接建模成可 3D 打印的实体文件

来自谷歌软件工程师@rakyll

着实，，，，，，，谷歌也在推广中主打Deep Think会剖析图纸，，，，，，，构建重大的形状，，，，，，，并天生文件，，，，，，，使用3D打印机建设实体工具。。。。。

要知道 AI 以前只是个画家，，，，，，，你给它看一张锅的照片，，，，，，，它能摹仿出一张一模一样的画，，，，，，，但那只是平面的影子。。。。。

现在，，，，，，， Gemini 3 Deep Think 看一眼照片，，，，，，，就能脑补全这张锅在各个角度的长宽高、厚度甚至把手的弧度，，，，，，，直接变出一个立体实物原型。。。。。

换句话说，，，，，，，它不止要会空间推理（明确结构、体积、厚度、毗连），，，，，，，还要思量一个更现实的问题：这工具能不可被制造出来、能不可被真实使用。。。。。

谜底是一定的。。。。。

它甚至最先带着审美与结构意图去做天生设计。。。。。

这是它设计的一个花盆。。。。。

来自x网友@ytiskw，，，，，，，「请设计一个全新的时尚花盆，，，，，，，并使用 Python 输出为 STL 文件。。。。。条件：可以排水……」

从差别角度看，，，，，，，「面」和「角」的视觉会爆发转变，，，，，，，立体感和现代感都很强，，，，，，，不像是纯粹堆几何体，，，，，，，更像是在做造型语言。。。。。

尚有更硬核的玩法。。。。。

这位 MIT 教授先给它一张 3D 蜘蛛网图片，，，，，，，要求天生交互式设计工具。。。。。

效果，，，，，，，它一步到位，，，，，，，直接产出了一整套完整的设计套件，，，，，，，涵盖程序化控制、仿真与优化流程，，，，，，，并支持 STL 文件导出。。。。。

https://x.com/ProfBuehlerMIT/status/2022635227609268480

教授甚至用这套工具设计了全新的超质料结构，，，，，，，以及一款受蜘蛛网启发的桥梁计划。。。。。

3D 打印后，，，，，，，还做了受力测试（用的是 nvidia DGX Spark ，，，，，，，约莫 2 斤半重），，，，，，，确认结构在工程上也立得住。。。。。

想象一下，，，，，，，你在网上刷到一个造型奇异的设计。。。。。

已往你想 3D 打印一个相近的，，，，，，，得会 Blender、Fusion 360 这类软件，，，，，，，拉曲面、调尺寸、做厚度，，，，，，，新手往往得学好几周。。。。。

现在，，，，，，，截图给 AI → 输出 STL → 丢进 3D 打印机 → 几小时后实物到手，，，，，，，即是把专业 3D 建模险些压缩成了「一键天生」。。。。。

再看看另一个用例。。。。。用 Deep Think 把周围的 WiFi 网络空间化、可视化，，，，，，，用 3D 方法展示信号强度和可能的物理位置关系。。。。。

平时手机里的 WiFi 列表按信号强度（RSSI）排序，，，，，，，但在物理空间里，，，，，，，强度不即是距离。。。。。好比，，，，，，，离你 2 米、隔着承重墙的路由器，，，，，，，可能比 10 米外空旷区域的路由器还要弱。。。。。

这里，，，，，，， Deep Think 智慧地引入了统计关联，，，，，，，如皮尔逊相关剖析，，，，，，，去推断哪些 AP在物理上更可能相互靠近。。。。。

别的，，，，，，，尚有更典范的科研叙事。。。。。好比，，，，，，，Deep Think 能审阅高度专业的数学论文，，，，，，，指出偕行评审遗漏的细微逻辑缺陷，，，，，，，也被用于优化半导体晶体生长流程。。。。。

换句话说，，，，，，，谷歌想证实的不是它更会「想」，，，，，，，而是它最先真的能「干活」。。。。。

它盯住的是科研与工程里的硬骨头：没有明确界线、没有唯一谜底、数据又脏又乱的真实研究问题。。。。。

并且，，，，，，，不但是卷数学、编程，，，，，，，而是把触角伸向化学、物理（包括理论物理）等多个科学领域，，，，，，，周全铺开。。。。。

随着通用对话能力快速商品化，，，，，，，那些真正能处置惩罚重大财务模子、实验数据与工程设计的深度推理能力，，，，，，，正在成为新的竞争高地。。。。。

谷歌正在试图把大模子从信息助德瑞汽车零部件有限公司手，，，，，，，推向科研与工程系统里的「第二大脑」。。。。。若是后续真实接纳率跟得上，，，，，，，这一步的分量，，，，，，，可能会比纯粹的性能提升更大。。。。。