--- area: "work-career" category: ai-ml companies_orgs: - Google date: '2025-12-18' draft: true guest: '' insight: '' layout: post.njk products_models: - GPT-4 Turbo - Claude 4.5 - GPT-4 project: [] series: '' source: https://www.youtube.com/watch?v=6wuIT0DU1Jk speaker: AI超元域 status: evergreen summary: 本文深度评测了谷歌最新发布的**Gemini 3 Flash**模型。实测显示，该模型在OCR、视觉理解及成本效益方面表现出色，知识库更新至2025年1月。然而，在复杂编码任务上，尤其是在独立开发iOS应用时，其表现远不如预期，频繁出现错误，与基准测试结果存在显著差异。文章建议根据其强项（多模态、OCR）进行应用。 tags: - llm - multimodal-ai - ocr - performance title: 谷歌发布Gemini 3 Flash：OCR能力惊艳，但复杂编码挑战重重 --- 谷歌在今天凌晨发布了全新的 **Gemini 3 Flash**（Google推出的最新AI模型）模型。目前，我们可以直接在 **Google Studio**（一个用于使用Google AI模型的环境）中使用该模型，并且在谷歌推出的AI编程助手**中**，我们也可以直接使用这款模型。在模型列表中，只需下拉即可找到 **Gemini 3 Flash**。 ### 价格与性能 在 **SW benchmark**（一个衡量AI模型性能的基准测试）中，**Gemini 3 Flash** 的得分甚至超越了 **GPT-4 Turbo**（OpenAI推出的AI模型），这表明其代码能力有了很大的提升。而且在多模态能力方面，这款模型的得分也超过了 **GPT-4**（OpenAI推出的AI模型）。经过一上午的测试，**Gemini 3 Flash** 在OCR能力方面以及在视觉理解等方面有了非常大的提升。 然而，在编码能力方面，它并没有像 **SW benchmark** 中的得分那样超过了 **Claude 4.5**（Anthropic推出的AI模型）。但从响应速度和模型价格方面来看，这款模型的**性价比非常突出**。其输入价格每百万token仅为0.5美元，输出价格为3美元。相比之下，**GPT-4 Turbo** 的输入价格是1.75美元，输出价格是14美元；**Claude 4.5** 的输入价格是3美元，输出价格是15美元。 在价格方面，**Gemini 3 Flash** 的价格最低。在任务场景下，1000个 **SW benchmark** 任务，**Gemini 3 Flash** 的花费只需85美元，而 **Claude 4.5** 需450美元。在日常开发迭代场景下（每天100次迭代乘以22个工作日），**Gemini 3 Flash** 的花费仅需18.7美元，而 **Claude 4.5** 需99美元。在1轮智能体工作流的场景下，**Gemini 3 Flash** 的花费仅为0.85美元，而 **Claude 4.5** 需4.5美元。因此，**Gemini 3 Flash** 能够大幅度节省token成本，并且可能提高3倍的处理速度。 ### 知识库与音频测试 本期视频将重点测试 **Gemini 3 Flash** 的视觉能力、OCR能力以及编码能力。在测试之前，我们先询问它所知道的最新信息是几月几号，以便了解其知识库截止日期。它输出的知识截止日期是2025年1月，这个日期在当前系列模型中**还是非常新的**。 下面我们先测试这款模型的音频理解能力。在 **Google Studio** 中，我们选择了 **Gemini 3 Flash** 模型，并上传了一个音频文件（上期视频的完整音频）。输入提示词“根据音频文件生成SRT字幕”，然后观察其能否准确地将音频文件转为 **SRT**（一种字幕文件格式）字幕。 可以看到，它开始输出字幕内容，响应速度非常快，用时不到2分钟即输出完成。它成功识别出了上期视频制作的谷歌编程助手。唯一识别错误的地方是将 **Claude Ops 4.5** 识别成了3.5，但其他内容，包括提到的技术栈，都识别正确。它输出的内容也符合标准的 **SRT** 字幕格式。这样看来，它对音频的识别效果**还是比较不错的**。 ### 视觉理解能力 下面我们开始测试这款模型的视觉能力。我们提供了一张钟表的图像，输入的提示词是“图中的时间”。它成功识别出图中的时间是1点50分。这很重要，因为之前测试其他多模态模型时，它们都无法准确识别时钟上的时间。 为了加大难度，我们又提供了一张时钟图像，其中数字“2”被替换成了“十”，“十”被替换成了“2”。理论上显示的时间应为两点整。**Gemini 3 Flash** 的识别结果是：“这张图像中的时钟比较特殊，数字的排列顺序是打乱的。它识别到时针指向数字2，分针指向数字12。”给出的时间是两点整。通过这道题可以发现，**Gemini 3 Flash** **确实能够对图像进行推理**，它能真正识别出这个数字被替换的时钟的时间。 下面是第二个视觉能力测试题：提供了一个冒泡算法的流程图。输入的提示词是“用代码复刻图中的算法”。它用 **Python**（一种编程语言）复刻了流程图中的冒泡算法完整步骤。我们复制并运行了它给出的代码，发现代码可以成功对数字进行冒泡排序。这说明这款模型的视觉能力**确实相比其他的多模态模型有了非常大的提升**。 ### OCR能力实测 下面我们继续加大难度，测试这款模型的 **OCR**（光学字符识别）能力。我们准备了一张排版复杂、包含繁体字的古书截图。扫描的文字有不清晰的地方，纸张也有破损。 它提取的图像上的内容**完全保持了古书中繁体字的内容**，并且**提取的内容完全正确，没有出现任何错别字**，甚至连标点符号都保持了原文。这个测试题没有难住 **Gemini 3 Flash** 模型。 为了进一步加大难度，我们找了一张非常不清晰的图像进行测试。放大后可以看到很多文字的笔画都没有扫描出来。但是，**这张图像并没有难住 Gemini 3 Flash 模型**。它提取的封面上的内容完全正确，序言里的内容也完全正确，没有出现任何错误，甚至连最底部的页码也成功识别了出来。 为了加大难度，我们准备了一张手写的处方。处方上的手写文字非常潦草，如果不知道药材名，很难辨认。**Gemini 3 Flash** 提取的这个手写药方与原图相比**是完全正确的，没有任何错误的地方**。 我们又准备了一张排版非常复杂的模拟报纸截图，并对文字做了扭曲效果。**Gemini 3 Flash** 提取的结果**完全正确，没有任何遗漏的地方，也没有任何出错的地方**。 ### 编码能力（简单项目） 刚才我们测试的是 **Gemini 3 Flash** 模型的视觉能力与OCR能力。下面我们开始测试它的编码能力。我们先在 **Google Studio** 中用几个前端案例进行测试，然后我们会在 **Antigravity**（一个AI开发平台）中用更复杂的项目测试 **Gemini 3 Flash** 的复杂编码能力。 在 **Google Studio** 中，我们先用第一个测试题：让它使用 **P5.js**（一个JavaScript库）编写一个龙卷风模拟程序，要求龙卷风由灰色粒子组成，形成旋转的漏斗状，并允许用鼠标移动龙卷风位置。**Gemini 3 Flash** 给出的代码运行后，我们看到了这个龙卷风的模拟效果，并且可以用鼠标移动。 下面用第二个题目测试：让它生成一个交互式的模拟双摆动力学系统的完整程序，使用 **Three.js**（一个3D图形库），要求真实模拟两个摆臂和摆球的物理运动，考虑重力、能量守恒、非线性动力学。**Gemini 3 Flash** 给出的代码运行后，能够完全模拟真实的物理世界中的双摆运动。 我们再加大难度，让它用 **Python** 和 **Pygame**（一个游戏开发库）创建一个模拟**冒泡算法**的动画。要求画面中有12只小鸭子和一只更大的鸭子，排成一条水平线。这只更大的鸭子使用冒泡算法检查并交换小鸭子，让它们从小到大排序。 这个测试题，我们就在 **Antigravity** 中进行。选择 **Gemini 3 Flash** 模型，在对话模式下选择 **Fast** 模式，粘贴提示词后发送。**Gemini 3 Flash** 给出的代码运行后，弹出了**冒泡算法**动画。可以看到，这只更大的鸭子对下面的小鸭子进行交换，实现了从小到大排序的动画效果。虽然鸭子看起来不太像，但它实现的动画效果**还是不错的**。 ### 编码能力（复杂项目挑战） 刚才使用的几个测试题都比较简单。下面我们加大难度，让它开发一个原生的 **iOS**（苹果操作系统）单词应用，要求使用 **iOS 17**、**Swift 5.9**、**SwiftUI**（Apple UI框架）、**SwiftData**（Apple数据持久化框架）、还有 **Charts**（Apple图表库）。 这里是功能详情：首页包含今日学习进度、连续打卡天数、待复习单词数量；单词学习相关功能包括卡片翻转、练习测试、学习进度；还有具体设置。设计要求包括主色调、适配。要求最终交付完整的 **Xcode**（Apple的集成开发环境）项目，预置500个单词数据，并给出运行说明。 下面我们就用这个测试来检验它的真实编程能力。首先，我们需要打开 **Xcode** 创建一个项目。项目创建好之后，我们用 **Antigravity** 打开刚才用 **Xcode** 创建的项目。在 **Antigravity** 中，选择 **Planning** 模式，先让它制定计划，然后再粘贴刚才完整的提示词，点击发送。 可以看到它为我们创建了开发任务。任务创建好后，我们点击执行下一步，也就是进行真正的开发。等待了不到5分钟，它执行完成了任务，并给出了如何运行的说明以及英文版的 **read me** 文件。 下面我们在 **Xcode** 中运行一下这个项目，看是否会报错。点击运行后，**这里出现了报错**，并且给出了详细的报错内容。我们复制报错信息发送给 **Gemini 3 Flash** 看它能否修复。 同样的测试题，我在 **Claude Code Interpreter** 中使用 **Claude 4.5**，它就能一次完成开发，而且不会出现任何报错。而 **Antigravity** 中的它开发完成之后，运行反而出现报错。 **Gemini 3 Flash** 修复完后，我们回到 **Xcode** 重新运行，**这里还是报错**。我们将报错信息发送给它，它开始修改代码文件。修复完成，我们再回到 **Xcode** 运行，**这里依然报错**。我们将报错内容再次发送给它。 如果它修复超过5次以上，项目还是无法正常运行，我们就不再继续测试。因为 **Gemini 3 Flash** 模型虽然在 **SW benchmark** 上的得分要超过 **Claude 4.5**，但经过一早上真实的编程测试，发现这款模型只在代码量极少的前端项目上表现比较不错。但代码量一旦上升，比如我们刚才看到的 **iOS** 项目，那么这款模型的表现就**很不尽如人意了**。 我们运行一下，看这次能否正常运行。**这里还是报错**。**Gemini 3 Flash** 模型官方给出的各种测试案例，只是简单的、代码量非常少的前端应用，所以它的表现看上去就非常不错。但项目一旦复杂，代码量一旦达到一定程度，**Gemini 3 Flash** 的表现就**非常差了**。 在等待了大约5分钟左右，这里终于修复完成，并且对非常多的文件进行了更改。我们回到 **Xcode** 再次运行，看能否正确运行。**这里编译成功，然后这里出现了报错**。我们就不再让 **Gemini 3 Flash** 继续为我们修复这个报错了，因为它已经修复了非常多次，但每一次都能引入新的错误。 就像 **GPT-4 Turbo** 模型发布的时候，对于代码量极少的前端项目，它们完成得非常好。但是项目一旦复杂，代码量一旦上升，对 **Gemini 3 Pro**（Gemini的另一个版本）以及 **Gemini 3 Flash** 就非常具有挑战性了。所以谷歌官方给出的基准测试中，在 **SW benchmark** 这一项 **Gemini 3 Flash** 的表现超越了 **Claude 4.5** 以及 **GPT-4 Turbo**，**这个测试还是非常有水分的**。 但在多模态能力方面，**Gemini 3 Flash** 模型的表现**确实非常不错**。所以我们可以根据 **Gemini 3 Flash** 它真正擅长的方面进行应用，比如说，可以将 **Gemini 3 Flash** 用于图像理解以及OCR等场景。 本期视频就做到这里，欢迎大家点赞、关注和转发。谢谢大家观看。