Google Gemini 3 Flash 升级：引入“智能体视觉”功能，AI可像专家一样深度分析图像
发布日期：2026年1月28日
来源：AIbase Daily
核心摘要
谷歌为其轻量级模型 Gemini 3 Flash 引入了一项名为“智能体视觉”的强大功能。该升级突破了以往AI视觉模型仅能“快速一瞥后猜测”的限制，通过主动探索和深度推理，使AI能够像人类专家一样分析图像。
技术原理与突破
- 解决传统痛点：以往AI在处理信息密集的图像（如远处的路标、复杂的电路图或微小文字）时，由于只能一次性处理全局信息，常常丢失细节。
- 新工作机制：“智能体视觉”引入了“思考、行动、观察”的循环机制。当用户提出复杂的视觉问题时，Gemini 3 Flash 会：
- 思考：首先制定分析计划。
- 行动：使用自动生成并执行的Python代码，对图像进行裁剪、旋转或局部标注。
- 观察：基于这些处理后的高清细节，提供最终答案。
- 性能提升：这种调查式的工作模式，使Gemini在处理困难视觉任务时的准确率提升了5%至10%。AI不再仅仅是识别像素，而是学会了根据需要“放大”寻找证据。
发布与可用性
- 当前：该功能已率先在 Gemini AI Studio 和 Vertex AI 平台上向开发者提供。开发者只需启用“代码执行”功能即可使用。
- 未来：谷歌表示，未来该功能也将通过Gemini应用中的“思考模式”直接向普通用户开放，使移动AI助手具备这种深度视觉推理能力。
关键要点总结
- 技术融合：谷歌推出的“智能体视觉”技术，将视觉推理与Python代码执行相结合，脱离了传统的静态图像识别模式。
- 机制创新：引入“循环分析”机制，允许AI自主裁剪、放大、标注图像，显著提升了识别复杂细节的准确率。
- 部署路线：该功能现已通过API向开发者开放，未来将集成至Gemini应用的“思考模式”中供普通用户使用。
（注：原始材料中包含的其他多条AI新闻简报，如百度智能云目标调整、英国AI培训计划、小米与支付宝合作、腾讯混元模型开源等，因其与本文核心主题“Google Gemini 3 Flash升级”无关，已按指令移除。本文仅整理并保留了与主题直接相关的完整信息。）
