背景

Google 於 2026 年 2 月發布了 Gemini 3 Deep Think 的重大更新，這是一款專為科學、研究與工程領域設計的推理模式。該模型在數學、物理與化學奧林匹亞競賽中展現了金牌水準的表現，並透過與學術機構合作，成功在高度專業的論文中發現人類同儕審查漏掉的邏輯缺陷，目前已開放給 Google AI Ultra 訂閱者及部分 API 早期測試者使用。

社群觀點

Hacker News 的討論首先聚焦於 Google 在 AI 領域的強勢回歸。許多使用者觀察到 Google 近幾個月在模型實力上已逐漸超越競爭對手，特別是在生物學等專業領域，Gemini 的審查機制較為合理，不會像其他模型那樣過度拒絕回答無害的科學問題。然而，社群對於「領先」的定義存在分歧，有觀點認為 Google 雖然在原始運算能力與長文本處理上表現優異，但在代理人工作流與自主行為方面仍落後於 OpenAI 或 Anthropic。這種「跳台式」的競爭態勢讓開發者感到模型間的差距正在縮小，各家廠商在不同的專業維度上各據山頭。

關於基準測試的爭議是本次討論的核心。Gemini 3 Deep Think 在 ARC-AGI-2 測試中取得了 84.6% 的驚人成績，這被視為邁向通用人工智慧（AGI）的重要指標。部分留言者對此感到震撼，認為這代表 AI 的流體智力已達到新高度；但質疑聲浪也隨之而來，批評者指出這類測試可能存在數據洩漏或針對基準進行過度優化的風險。儘管 ARC-AGI 的設計初衷是為了抵抗預訓練干擾，但社群擔心在強大的商業競爭壓力下，開發商可能會採取不透明的手段來提升分數。此外，也有人提出「莫拉維克悖論」來反思，即便 AI 能解決高難度的數學題，在處理物理世界的簡單動作（如開車門）時依然面臨巨大挑戰。

討論的另一個深度維度轉向了意識與 AGI 的定義。當模型表現得越來越像人類時，社群開始爭論「意識」是否應與「自我意識」或「產出能力」掛鉤。有觀點認為，如果一個系統聲稱自己具有意識且人類無法證偽，我們或許別無選擇只能相信它，否則可能會重演歷史上對特定群體去人性化的悲劇。然而，反對者則冷靜地指出，LLM 本質上只是詞彙網絡的預測，它們會根據提示詞宣稱任何事情，甚至連「不知道」這個簡單的回答都難以啟齒。這種關於 AI 是否具備主觀經驗的辯論，反映了技術社群在面對指數級進步時，對於機器與人類本質界線的集體焦慮。

延伸閱讀

• ARC-AGI 測試基準詳情：介紹該測試如何衡量 AI 的流體智力與學習新任務的能力。
• 莫拉維克悖論（Moravec's paradox）：探討為何對人類而言困難的高階推理對 AI 較容易，而簡單的感知運動技能卻極其困難。
• Gemini 3 Deep Think 技術評估報告：Google 官方發布的詳細基準測試方法與數據。