Google 發表 Gemini 3 Deep Think 與 AI 數學家 Aletheia

Google 憑藉 Gemini 3 Deep Think 與 Aletheia 重新定義科學發現

本週人工智慧領域的發展態勢發生了劇烈變化，Google DeepMind 發布了一系列突破性的進展，旨在解決人類最複雜的科學挑戰。此次發布的核心是 Gemini 3 Deep Think，這是一個升級版的推理模型，利用推理時間擴展（Inference-time scaling）技術超越了競爭對手；以及 Aletheia，這是一個專門的 AI 代理（AI agent），已成功從解決奧林匹亞數學（Math Olympiad）題目轉型為生成自主且具備發表水準的研究。

這次雙重發布標誌著一個關鍵時刻：AI 正在從單純的輔助工具跨入自主發現（Autonomous discovery）的領域，挑戰了既有的基準測試，並為自主代理在理論物理、高等數學和藥物設計中能達到的成就樹立了新標準。

Gemini 3 Deep Think：掌握「思考更久」的藝術

這些新能力的關鍵在於強化後的 Gemini 3 Deep Think。Google 從根本上重新設計了模型的推理模式，重點關注一種稱為「推理時間擴展（Inference-time scaling）」的技術。這種方法允許模型在查詢階段分配更多的運算資源——實際上就是讓它「思考更久」——以便在確定答案之前探索多條推理路徑。

這種架構轉變的結果令人驚嘆。在直接對比中，據報導 Gemini 3 Deep Think 在各項嚴格的基準測試中均優於主要競爭對手，包括 OpenAI 的 GPT-5.2 和 Anthropic 的 Claude Opus 4.6。該模型在需要深層邏輯推演和多模態理解（Multimodal understanding）的任務中表現尤為出色。

效能亮點：

ARC-AGI-2： 在需要抽象推理的視覺謎題中獲得了頂級評分。
CMT-Benchmark： 在理論物理領域得分為 50.5%，展現了對複雜科學概念的深刻理解。
效率： 與 2025 年的前代產品相比，2026 年 1 月版的 Deep Think 在處理奧林匹亞等級的問題時，所需的運算量減少了 100 倍。

這種效率的提升至關重要。透過優化模型處理資訊的方式，Google 使高等級推理在實際應用中變得觸手可及，讓工程師能透過程式碼模擬物理系統，並幫助研究人員解釋龐大且不完整的數據集。

Aletheia：首位真正的 AI 數學家

雖然 Gemini 3 Deep Think 提供了推理骨幹，但 Aletheia 則代表了這種能力的專門化應用。Aletheia 旨在縮小競賽數學與專業研究之間的「評估差距」，它是一個能夠應對開放式數學問題模糊性的 AI 代理。

與擅長處理定義明確問題的傳統解題工具不同，Aletheia 透過一個複雜的 代理迴圈（Agentic Loop） 運作。這種架構模仿了人類數學家的工作流程，將解決問題的過程分解為不同的階段。

代理架構

為了確保準確性並減少大型語言模型（LLMs）常見的「幻覺（Hallucinations）」，Aletheia 採用了一個三方系統：

生成器（Generator）： 為特定的研究問題提出候選解決方案和證明策略。
驗證器（Verifier）： 一種非正式的自然語言機制，用於審查提議是否存在邏輯缺陷或引用錯誤。
修訂器（Reviser）： 反覆修正驗證器識別出的錯誤，直到輸出符合嚴格的邏輯標準。

這種職責分離讓系統能夠發現自己的錯誤——這在以前是 AI 在形式科學領域的一大障礙。此外，Aletheia 利用 Google Search 來驗證引用，確保它引用的是真實世界的數學文獻，而不是捏造來源。

基準測試歷史：Aletheia 對決同類產品

Aletheia 代理方法的影響，從其在 IMO-ProofBench Advanced 上的表現可以得到最佳體現，該基準測試被認為是自動化數學推理的黃金標準。

表 1：數學基準測試的對比表現

基準測試	先前最佳水準（SOTA）	Aletheia 表現	提升倍數
IMO-ProofBench Advanced	65.7%	95.1%	+29.4%
FutureMath Basic (博士級)	< 60% (估計)	業界領先水準	顯著飛躍
艾狄胥開放問題（Erdős Open Problems）	0 個已解決	自主解決 4 個	無限增長

在 IMO-ProofBench Advanced 上達到 95.1% 的準確率 不僅僅是漸進式的改進；這是一個範式轉移，表明 AI 現在可以可靠地處理證明類數學，其水準以往僅限於頂尖的人類專家。

解決不可解之題：自主研究的突破

Aletheia 能力的真正考驗不在於通過考試，而在於產生新知識。Google DeepMind 報告稱，該代理在數學領域已經實現了幾項「首創」。

最值得注意的是，Aletheia 自主生成了一篇名為 Feng26 的研究論文，該論文計算了算術幾何（Arithmetic geometry）中被稱為「特徵權重（Eigenweights）」的結構常數。這篇論文是在沒有人類干預的情況下完成的，並被歸類為「Level A2」自主等級——本質上是自主的且具有發表品質。

此外，當針對著名的 艾狄胥猜想（Erdős conjectures）（由多產的 Paul Erdős 提出的一系列開放式數學問題）進行部署時，Aletheia 找到了 63 個技術上正確的解答，並完全解決了 4 個先前未解的問題。這種為人類知識體系貢獻原創真理的能力，證實了該模型作為科學家合作夥伴的潛力。

超越數學：使用 IsoDDE 加速藥物設計

Gemini 3 Deep Think 的進步從抽象數學延伸到了生物化學的實體世界。除了 Aletheia，Google 還推出了 IsoDDE（Isomorphic Drug Design Engine），這是其子公司 Isomorphic Labs 的新工具。

IsoDDE 以 AlphaFold 的成果為基礎，在預測準確度上比 AlphaFold 3 高出兩倍。其主要的突破在於能以空前的精確度預測藥物的 結合親和力（Binding affinity）。透過識別蛋白質結構中藥物分子可以附著的隱藏「口袋」，IsoDDE 為設計針對複雜生物系統（包括抗體和大型生物結構）的治療方案提供了一個可擴展的框架。

定義 AI 自主的新標準

隨著這些產品的發布，Google DeepMind 也在推動 AI 貢獻分類的標準化。該公司提出了一套新的 AI 自主分類法（Taxonomy for AI Autonomy），模仿了自動駕駛汽車使用的等級。

Level 0（主要由人類完成）： AI 提供的原創性微乎其微（例如：標準的奧林匹亞解題工具）。
Level 1（協作）： AI 提供「大方向」策略，但由人類進行嚴格的證明。
Level 2（本質上自主）： AI 在極少或沒有人類監督的情況下生成可發表的研究（例如：Feng26 論文）。

這套框架為產業提供了必要的詞彙，以區分僅僅是檢索資訊的 AI 與能夠創造資訊的 AI。隨著 Gemini 3 Deep Think 和 Aletheia 開始在科學期刊上發表其發現，人類與機器發現之間的界限將變得越來越模糊，預示著一個加速創新的新時代即將到來。