IXThinker·2025-12-06 00:45

Gemini 3 Pro主打視覺與空間推理

谷歌稱Gemini 3 Pro是其迄今最強大的多模態模型，標誌着從簡單識別邁向真正的視覺與空間推理，在MMMU Pro、Video MMMU等複雜視覺推理基準上創下新高，文檔理解能力尤為突出。

複雜文檔理解

模型能高效處理現實中結構混亂的複雜文檔，包括混合圖像、手寫文字、嵌套表格、數學公式與非線性排版，全面提升OCR精度，實現端到端的文檔智能處理。