当前位置：首页 > news >正文

如何高效使用-Gemini-3-Pro

news 2026/7/15 16:21:00

如何高效使用 Gemini 3 Pro

原文：towardsdatascience.com/how-to-use-gemini-3-pro-efficiently/

Gemini 刚刚发布了其最新的 LLM：Gemini 3。这个模型备受期待，在发布前已经广泛讨论。在这篇文章中，我将介绍我对这个模型的第一印象以及它与其他前沿人工智能语言模型的不同之处。

文章的目的是分享我使用 Gemini 3 的第一印象，突出哪些方面做得好，哪些方面做得不好。我会强调我在控制台使用 Gemini 3 以及与之编码时的体验。

这张信息图表突出了本文的主要内容。我将讨论我使用 Gemini 3 的第一印象，无论是通过 Gemini 控制台还是与之编码。我会强调我喜欢这个模型的部分以及我不喜欢的部分。图由 ChatGPT 提供。

为什么你应该使用 Gemini 3

在我看来，Gemini 2.5 Pro 在发布 Gemini 3 之前已经是最好的对话式人工智能语言模型（LLM）。我认为另一个人工智能语言模型做得更好的领域是 Claude Sonnet 4.5 的思考，用于编码。

我认为 Gemini 2.5 Pro 是最好的非编码人工智能语言模型（LLM），原因如下：

高效查找正确信息的能力
幻觉少
它愿意与我意见不一致

我认为最后一个观点是最重要的。有些人想要温暖的人工智能语言模型（LLM），与人交谈感觉良好；然而，我认为你（作为一个问题解决者）总是希望得到相反的结果：

你需要一个直接切入要点并且愿意指出你错误的人工智能语言模型（LLM）

我的经验是，与 GPT-5、Grok 4 和 Claude Sonnet 4.5 等其他人工智能语言模型相比，Gemini 2.5 在这方面做得更好。

考虑到在我看来，谷歌已经拥有了最好的 LLM，因此，新的 Gemini 模型的发布非常有趣，而且我发布后立即开始测试。

值得指出的是，谷歌发布了 Gemini 3 Pro，但尚未发布闪存替代品，尽管人们自然会认为这样的模型很快就会发布。

我不是这篇文章的谷歌推荐者。

Gemini 3 在控制台中的使用

我首先在控制台中开始测试 Gemini 3 Pro。第一印象是，与 Gemini 2.5 Pro 相比，它相对较慢。然而，这通常不是问题，因为当然，我更重视智能而非速度，但有一个特定的阈值。尽管 Gemini 3 Pro 较慢，但我绝对不会说它太慢。

另一点我注意到的是，在解释时，Gemini 3 会创建或使用更多的图片。例如，当与 Gemini 讨论 EPC 证书时，模型找到了下面的图片：

这是一张 Gemini 3 Pro 的图片，我用它来回答关于 EPC 证书的问题。Gemini 3 Pro 拍摄。

我还注意到它有时会生成图像，即使我没有明确提示。在 Gemini 控制台中的图像生成速度惊人。

我对 Gemini 3 的能力印象最深刻的时候是在分析第一篇关于扩散模型的研究论文时，我与 Gemini 讨论以理解这篇论文。该模型当然擅长阅读论文，包括文本、图像和方程式；然而，这也是其他前沿模型所具备的能力。我最印象深刻的是在与 Gemini 3 讨论扩散模型时，试图理解它们。

我对这篇论文有一个误解，以为我们在讨论条件扩散模型，尽管我们实际上在研究无条件的扩散。请注意，我在知道“条件”和“无条件”扩散术语之前就讨论了这一点。

Gemini 3 随后指出我误解了概念，有效地理解了我问题的真正意图，并极大地帮助我深化了对扩散模型的理解。

这张图片突出了与 Gemini 3 Pro 的良好互动，模型理解了我对当前话题的误解，并指出了这一点。在我看来，能够指出这类事情是 LLM 的重要特质。图片来自 Gemini。

我还用 Gemini 2.5 Pro 在 Gemini 控制台中运行的一些旧查询，再次运行了完全相同的查询，这次使用的是 Gemini 3 Pro。它们通常是更广泛的问题，尽管不是特别困难的问题。

我得到的回应总体上相当相似，尽管我注意到 Gemini 3 在告诉我我不知道的事情，或者揭示我（或 Gemini 2.5 Pro）之前未曾考虑过的话题/领域方面做得更好。例如，我讨论了我是如何写文章的，以及我可以做些什么来改进，我相信 Gemini 3 在这方面提供了更好的反馈，并提出了更多创造性的改进写作的方法。

因此，总结一下，控制台中的 Gemini 3 是：

有点慢
聪明，提供良好的解释
很擅长揭示我未曾考虑过的事情，这在处理问题解决时非常有帮助。
愿意与你意见相左，并帮助指出模糊之处，我认为这些特质在 LLM 助手中非常重要。

使用 Gemini 3 进行编码

在控制台使用 Gemini 3 工作后，我开始通过 Cursor 使用它进行编码。我的总体体验是，它确实是一个很好的模型，尽管我仍然更喜欢 Claude Sonnet 4.5 作为我的主要编码模型。主要原因在于 Gemini 3 经常提出更复杂的解决方案，并且是一个较慢的模型。然而，Gemini 3 绝对是一个非常有能力的编码模型，可能比我所处理的编码用例更适合其他编码场景。我主要在编码围绕 AI 代理和 CDK 堆栈的基础设施。

我尝试了两种主要方式使用 Gemini 3 进行编码：

从这个X 帖子中的游戏截图制作展示的游戏
编码一些代理基础设施

首先，我尝试根据 X 帖子制作游戏。在第一次提示下，模型制作了一个包含所有方块的 Pygame，但它忘记了添加所有精灵（艺术作品）、左侧的条形栏等等。基本上，它制作了一个非常简约的游戏版本。

然后，我编写了一个后续提示，内容如下：

Make it look properly like this game  with the design and everything. Use

注意：在编码时，你的指令应该比我的提示更具体。我使用这个提示是因为我实际上在游戏中感到兴奋，想看看 Gemini 3 Pro 从头开始创建游戏的能力。

在运行上述提示后，它制作了一个可工作的游戏，其中客人四处走动，我可以购买人行道和不同的机器，游戏基本上按预期工作。非常令人印象深刻！

我继续使用 Gemini 3 进行编码，但这次是在一个更符合生产级别的代码库上。我的总体结论是，Gemini 3 Pro 通常能完成任务，尽管我使用 Claude 4.5 Sonnet 时更经常遇到代码膨胀或更糟糕的情况。此外，Claude Sonnet 4.5 要快得多，这使得它成为我编码时的首选模型。然而，我可能会将 Gemini 3 Pro 视为我使用过的第二好的编码模型。

我还认为，哪种编码模型最好很大程度上取决于你正在编码的内容。在某些情况下，速度更重要。在特定的编码形式中，另一个模型可能更好，等等，所以你真的应该尝试不同的模型，看看哪个最适合你。使用这些模型的价格正在迅速下降，你可以轻松撤销任何更改，这使得测试不同模型变得超级便宜。

值得一提的是，谷歌发布了一个名为 Antigravity 的新 IDE（Antigravity），尽管我还没有尝试过。