Gemini 3: что Google обещает новой линейкой моделей

Google анонсировала Gemini 3 — очередное поколение семейства мультимодальных моделей, которое компания позиционирует как шаг к более точному рассуждению, работе с агентными задачами и обработке больших объёмов текста, кода, изображений и аудио в одном запросе. Линейка приходит на смену Gemini 2.0 и 2.5, вокруг которых Google строит и потребительские продукты (приложение Gemini), и API для разработчиков через Google AI Studio и Vertex AI.

Ниже — то, что можно сказать по официальным материалам, и то, что стоит проверять самостоятельно перед тем, как строить на этом продукт.

Что именно анонсировали

Gemini 3 — это не одна модель, а семейство разного размера, как и предыдущие поколения. Google традиционно делит линейку на несколько уровней: более лёгкие и дешёвые варианты для массовых задач и высокоскоростного инференса, и более мощные — для сложного рассуждения и агентных сценариев. Точный состав линейки, названия вариантов и их доступность в вашем регионе уточняйте на официальных страницах Google DeepMind и Google AI, потому что раскатка идёт волнами и набор моделей меняется.

Основные направления, на которые Google делает упор в новом поколении:

• Рассуждение (reasoning). Улучшенная способность разбивать сложную задачу на шаги — то, что в маркетинге называют "thinking". Модель тратит больше вычислений на обдумывание перед ответом.
• Мультимодальность из коробки. Текст, изображения, аудио и видео обрабатываются в рамках одного запроса, а не через отдельные модули.
• Агентные задачи. Работа с инструментами, вызовы функций, планирование многошаговых действий — то, ради чего строят автономных агентов¹.
• Длинное контекстное окно². В линейке Gemini Google ранее заявляла окно до 1–2 млн токенов у отдельных моделей. Конкретный лимит для каждой модели Gemini 3 сверяйте в документации API.

Главный вопрос к любому новому поколению моделей не "насколько оно умнее", а "насколько стабильно оно решает мою конкретную задачу и сколько это стоит на моём объёме запросов".

Как это сравнить с предыдущей линейкой и конкурентами

Прямое сравнение по абсолютным цифрам бенчмарков стоит смотреть только в первоисточниках: компании публикуют результаты на разных наборах тестов и в разных условиях, и цифры быстро устаревают. Ниже — сравнение по характеру возможностей, а не по конкретным баллам, которые я не могу подтвердить источником.

Главное преимущество Google — не отдельная модель, а её встроенность в продукты, которыми люди уже пользуются: поиск, Gmail, Docs, Android. Для конечного пользователя это часто важнее, чем разница в пару процентов на бенчмарке.

Сколько это стоит

Потребительский доступ к топовым моделям Gemini Google продаёт через платную подписку (ранее — Google One AI Premium и последующие тарифы Gemini). Стоимость и состав подписки меняются, поэтому актуальную цену смотрите на странице тарифов Google в вашей стране — не ориентируйтесь на цифры из старых обзоров.

Для разработчиков оплата идёт по токенам через API. Цена за миллион входных и выходных токенов у разных моделей линейки отличается в разы: лёгкие модели дешевле, флагманские с режимом рассуждения — заметно дороже, потому что тратят больше вычислений на "обдумывание". Точные ставки — в прайс-листе Google AI и Vertex AI на день покупки.

Кому это пригодится, а кому нет

Новое поколение — не универсальное "всем срочно переходить". Разберём по сценариям.

Пригодится

• Тем, кто уже в экосистеме Google. Если ваша работа завязана на Workspace, а данные лежат в Google Cloud, интеграция снимает половину проблем с внедрением.
• Задачам с длинным контекстом. Анализ больших документов, кодовых баз, транскриптов встреч целиком, без ручной нарезки на куски.
• Мультимодальным сценариям. Разбор изображений и видео вместе с текстом в одном запросе — например, анализ скриншотов интерфейса или диаграмм.
• Прототипированию агентов. Вызов инструментов и многошаговые задачи, где нужно планирование.

Скорее не пригодится

• Простым однотипным запросам. Если вы генерируете короткие тексты пачками, флагманская модель с режимом рассуждения — переплата. Лёгкая модель линейки или конкурента может выйти дешевле при том же результате.
• Проектам с жёсткими требованиями к локализации данных. Проверьте, где физически обрабатываются запросы и допустимо ли это по вашим внутренним правилам и законодательству.
• Тем, кто уже глубоко интегрировал другого вендора. Миграция ради нескольких процентов на бенчмарке редко окупается.

Что проверить перед внедрением

1. Доступна ли нужная модель в вашем регионе и через какой канал (приложение, AI Studio, Vertex AI).
2. Актуальная цена за токены именно той модели, которую вы планируете использовать.
3. Реальный лимит контекстного окна выбранной модели по документации, а не по обещаниям из анонса.
4. Результат на вашей собственной задаче — прогоните пилот на реальных данных, а не на демо-примерах.
5. Условия обработки данных: используются ли ваши запросы для обучения, как это отключить.

¹ Агент — программа на основе языковой модели, которая не просто отвечает текстом, а сама выбирает и вызывает инструменты (поиск, код, API), чтобы выполнить многошаговую задачу.

² Контекстное окно — максимальный объём текста (в токенах), который модель удерживает "в памяти" в рамках одного запроса. Всё, что не влезло, модель не видит.