Ethan Mollick 認為，Gemini 3 的出現意味著具備自主行動能力的「代理模型」正在崛起，它雖然並非完美無缺，但它犯的錯誤已不再是無中生有的「幻覺」，而更接近人類在判斷或意圖理解上的偏差。隨著 AI 能力的提升，人機協作正從「人類修正 AI 的錯誤」進化為「人類指導 AI 的工作」。
谷歌最新發佈的 Gemini 3 模型正標誌著人工智慧領域的一個關鍵轉折點。
華爾街見聞先前提及，美東時間 18 日週二，谷歌正式發佈備受期待的該公司迄今最強大的 AI 模型 Gemini 3，並於發佈首日立即在谷歌搜尋、Gemini 應用程式 App 及多個開發者平台同步上線，在多個獲利產品中投入使用。
谷歌高管在新聞發佈會上強調，在衡量 AI 模型效能的幾個熱門產業排行榜上，Gemini 3 處於領先地位。谷歌 AI 研究實驗室 DeepMind 的 CEO Demis Hassabis 表示，Gemini 3 是「世界上最好的多模態理解模型」，也是公司迄今最強大的智能體和程式碼生成模型。
根據沃頓商學院教授 Ethan Mollick 的深度評測，Gemini 3 的發佈及其配套工具「Antigravity」展示了驚人的「代理」能力。與三年前的 GPT-3 模型相比，AI 不再僅僅是生成文字，而是能夠編寫程式碼、建構可互動的應用程式、執行多步驟任務。
Mollick 指出，這種從「描述」到「行動」的飛躍，意味著 AI 正從一個對話夥伴，演變為一個可以接入電腦並完成實際工作的通用工具。
Mollick 的結論是，我們正從「聊天機器人時代」邁向「數位同事時代」。Gemini 3 雖然並非完美無缺，但它犯的錯誤已不再是無中生有的「幻覺」，而更接近人類在判斷或意圖理解上的偏差。
這表明，人機協作的模式正在改變，人類所做的將不再是修正 AI 的低階錯誤，而是為其提供高階的策略指引和方向。這或許是自 ChatGPT 發佈以來，AI 領域發生的最大變革。
以下為 Ethan Mollick 評測文章全文：
三年，從 GPT-3 到 Gemini 3
從聊天機器人到智能體
Ethan Mollick
2025 年 11 月 19 日
我一直在測試谷歌新發佈的 Gemini 3 模型。它非常出色。但与其羅列基準數字，不如讓 AI 親自示範這三年我們走了多遠——我就是這樣做的。
ChatGPT 發佈至今已近三年。在它上線前幾天，我在這份 Substack 上寫了第一篇關於 OpenAI 更早期的 GPT-3 的文章。隨後 ChatGPT 橫空出世，我立刻又寫了一篇：「我通常對技術預測很謹慎，但這次它會比我們預期得更快、更劇烈地改變我們的世界。不再只是自動化重複、危險的工作，現在第一批被 AI 顛覆的，可能是更偏分析、創意、寫作與溝通的職位。」
今天來看，我說對了。
（插圖：三年前我用 GPT-3.5 後的首篇文章截圖）
我可以口頭解釋初代 ChatGPT 與今天谷歌發佈的 Gemini 3 有多大差距，但沒必要。我把上面那張截圖丟給 Gemini 3，只寫了一句話：
我：「做點東西，讓大夥兒看看 AI 這三年進步了多少。」
Gemini：「當然可以。你這條推文來自 2022 年 11 月——現代 AI 熱潮的前夜。當時最大的「哇哦」是 AI 能寫一段通順的文字，或者給「糖果動力超光速飛船逃離水獺」這種傻題目寫首小詩。
為了展示進步，我不僅用文字描述，而是直接給你做了一個可互動、可遊玩的「糖果動力超光速飛船模擬器」。
2022 年，AI 只能描述引擎；2025 年，AI 能把引擎寫出來、把介面畫出來，還讓你親自開飛船。」
它真的做了一個迷你遊戲：我得靠糖果能量擺脫追殺的水獺，途中穿插小詩和各種搞笑更新。讀這篇部落格的人大概早知道 AI 能寫程式碼，但更有趣的是——當你不再把 Gemini 3 當成「聊天框」，而当成「別的東西」時，它還能幹什麼。
會寫程式碼的工具，不只是「寫程式碼的工具」
伴隨 Gemini 3，谷歌還發佈了 Antigravity。程式設計師一看就懂：它跟 Claude Code、OpenAI Codex 類似，給你電腦權限，能在指導下自主寫程式。
如果你不是程式設計師，可能會忽略它——我覺得這是錯的。「會寫程式碼」不等於「當程式設計師」，而是「能完成任何在電腦上才能完成的活兒」。於是，這些工具的本質被徹底改寫。
Gemini 3 極擅長寫程式碼，這一點即使你不自認「程式設計師」也與你息息相關。AI 界的一個底層視角是：你在電腦上做的任何事，歸根到底都是程式碼；只要 AI 能寫程式碼，它就能建儀表板、抓網站、做簡報、讀檔案…… 這讓「會寫程式碼的智能體」成了通用工具。Antigravity 把這一理念產品化：給我一個「收件箱」，我把任務派給智能體，它們需要批准或幫助時會通知我。
（插圖：四個智能體同時跑，一個在幹活，一個等我回應）
我跟它們不用程式碼，用英文；它們用程式碼替我幹活。Gemini 3 擅長做計畫，知道該幹什麼、何時請示。比如我把歷年 newsletter 的稿子全放在一個資料夾，然後吩咐：
「給我做一個漂亮的網頁，彙總我對 AI 的所有預測，再上網搜搜哪些說對了哪些說錯了。」
它讀完所有檔案、跑程式碼、先遞給我一份可編輯的方案——這是它第一次開口問我，理解之精準讓我驚訝。我小改幾處，放它去幹。
隨後它搜網頁、建站、接管瀏覽器驗效果，再把成品打包給我。我像對真人同事一樣提修改意見，它繼續迭代。
它並非完美無缺——智能體還沒到那一步。我沒發現幻覺，但確有地方需要我糾正，不過那些錯誤更像「人類同事會有的判斷偏差或誤解」，而非傳統 AI 的離譜幻覺。重要的是，我感覺自己能夠掌控 AI 的決策，因為 AI 會定期檢查並確認其工作，而且我的操作過程清晰可見。這種感覺更像是管理一位隊友，而不是透過聊天介面與 AI 進行溝通。
博士級智力？
Antigravity 並非唯一驚喜。另一重震撼在於——它展現了真正的「判斷力」。
我常吐槽：AI benchmark 已經捲成一鍋粥。Gemini 3 在大多數榜單上領先（也許還打不過 200 美元的 GPT-5 Pro，但等 Gemini 3 的「深度思考」版出來可能就翻盤）。產業愛用一句廣告詞：「博士級智力」。我決定真刀真槍測一下。
我把十年前眾籌研究的一堆舊檔案丟給它——檔案名稱像「project_final_seriously_this_time_done.xls」，格式還是上古 STATA。命令只有一句：
「自己摸懂資料結構，把 STATA 檔案清理好，準備做新分析。」
它真的把損壞的資料恢復了，把複雜環境摸透了。
接著我給了它一個典型「博士二年級小論文」任務，不加任何提示：
「很好，現在用這些資料寫一篇原創論文。深入調研領域，把主題拔高到創業或策略理論的層面，做嚴謹統計，寫成期刊格式。」
它自己選題、提假設、跑統計、出圖表、排版成文——最難的「選題與可執行性平衡」它自己走鋼索搞定了。我僅含糊地說「再充實、再改進」，最終拿到 14 頁論文。
（插圖：論文前兩頁）
更驚豔的是，它自創了一個指標：用 NLP 把專案描述與海量描述做數學比對，衡量「眾籌創意獨特性」。程式碼自己寫，結果自己驗。
所以，這算「博士級」嗎？
如果你指「能幹頂尖高校裡一個合格研究生的活」，部分答案是「yes」。但它也有研究生通病：統計方法有瑕疵、理論跳躍過大、證據鏈不夠嚴謹…… 我們已越過「幻覺」階段，進入更微妙、更「人類」的缺陷區。有趣的是，當我像帶學生一樣給開放建議（「再多補眾籌文獻以確立方法」），它提升顯著——也許再多引導就能接近「博士」。
Gemini 3 是什麼？
它是一個極出色的「思考+執行」夥伴，全球數十億人可隨手調用；也是一面鏡子，照出 AI 並未放緩、智能體崛起、人類需學會管理「聰明 AI」等多重趨勢。
三年前，我們為「機器能寫水獺詩」而驚嘆；不到 1000 天後，我在跟一個自建研究環境的智能體辯論統計方法。
聊天機器人時代正在讓位於「數位同事」時代。
沒錯，Gemini 3 仍不完美，需要會指揮、會核查的「人類經理」。但「人在迴路」正從「人替 AI 擦屁股」演變為「人指導 AI 幹活」——這也許是 ChatGPT 發佈以來最大的範式遷移。
彩蛋：
我讓 Gemini「純用程式碼給我做一張 Substack 封面圖，先查尺寸」，它先上網搜規格，再純靠數學畫圖，一條龍搞定。
obligatory 警告：
讓 AI 智能體獲得電腦權限有風險——它可能不經詢問就移動/刪除檔案，甚至洩露文件。等工具面向非程式設計師時會好很多；當下務必謹慎。