Gemini 3 Pro का Terminal-Bench 2.0 स्कोर 54.2%

Google ने 18 नवंबर 2025 को क्या जारी किया

Google ने अपने नए फ़्लैगशिप मल्टीमॉडल मॉडल परिवार Gemini 3 को पेश किया और Gemini 3 Pro को उसी दिन Search, Gemini ऐप, Google AI Studio, Vertex AI, Gemini CLI और Antigravity नाम के नए डेवलपमेंट प्लेटफ़ॉर्म में उपलब्ध करा दिया। InfoQ नोट करता है कि पहले के Gemini रिलीज़ पहले प्रोडक्ट के छोटे सेट में पहुँचते थे; यह कंज़्यूमर और एंटरप्राइज़ इस्तेमाल के लिए एक प्लेटफ़ॉर्म के रूप में आया।

ज़्यादा रिसर्च-गहन मोड Gemini 3 Deep Think आगे और सुरक्षा टेस्टिंग पास करने के बाद Google AI Ultra सब्सक्राइबरों के लिए आएगा। समय कसा हुआ था: TechCrunch के अनुसार लॉन्च Gemini 2.5 के सात महीने बाद, OpenAI के GPT 5.1 जारी करने के एक हफ़्ते से कम बाद और Anthropic के Sonnet 4.5 जारी करने के दो महीने बाद हुआ।

मॉडल कोडिंग और रीज़निंग टेस्ट पर कैसा स्कोर करता है

Google का मुख्य कोडिंग आँकड़ा Terminal-Bench 2.0 पर 54.2% का स्कोर है, जो टर्मिनल के ज़रिए कंप्यूटर चलाने के लिए टूल इस्तेमाल करने की मॉडल की क्षमता परखता है। Google यह भी कहता है कि मॉडल 1487 Elo के साथ WebDev Arena लीडरबोर्ड में सबसे ऊपर है और इमेज व वीडियो रीज़निंग के लिए MMMU-Pro और Video MMMU पर नए रिकॉर्ड बनाता है।

स्वतंत्र लीडरबोर्ड भी उसी ओर इशारा करते हैं। TechCrunch ने Humanity's Last Exam पर 37.4 का स्कोर बताया, जो अब तक का सबसे ऊँचा है, जबकि पिछला रिकॉर्ड GPT-5 Pro के पास 31.64 का था, और यूज़र संतुष्टि मापने वाले LMArena पर पहला स्थान। InfoQ में उद्धृत डेवलपर फ़ोरम बेंचमार्क कंटैमिनेशन के जोखिम पर बहस करते हैं और प्रतिबद्ध होने से पहले आंतरिक मूल्यांकन चलाने की सलाह देते हैं।

Google Antigravity डेवलपर्स के लिए क्या करता है

Antigravity मॉडल के इर्द-गिर्द बना Google का एजेंटिक डेवलपमेंट प्लेटफ़ॉर्म है। डेवलपर्स वर्कस्पेस में एजेंट प्रबंधित करते हैं, जबकि केंद्र में जाना-पहचाना AI कोड एडिटर रहता है; एजेंट एडिटर, टर्मिनल और ब्राउज़र में सॉफ़्टवेयर टास्क की योजना बनाते और करते हैं, और विस्तृत आर्टिफ़ैक्ट के ज़रिए अपना काम रिपोर्ट करते हैं।

"एजेंट आपके एडिटर, टर्मिनल और ब्राउज़र के साथ काम कर सकता है, ताकि वह आपको सबसे अच्छे तरीके से वह एप्लिकेशन बनाने में मदद करे।" — Koray Kavukcuoglu, DeepMind के CTO

पब्लिक प्रीव्यू MacOS, Windows और Linux के लिए मुफ़्त है। मॉडल Gemini CLI, Android Studio और Cursor, GitHub, JetBrains, Manus और Cline जैसे थर्ड-पार्टी टूल में भी चलता है।

डेवलपर्स को एक्सेस कैसे मिलता है और लागत क्या है

मॉडल Google AI Studio और Vertex AI में Gemini API के ज़रिए प्रीव्यू में है, 200k टोकन या उससे कम के प्रॉम्प्ट के लिए $2 प्रति मिलियन इनपुट टोकन और $12 प्रति मिलियन आउटपुट टोकन पर। Google AI Studio में यह रेट लिमिट के साथ मुफ़्त है।

InfoQ के अनुसार यह 1,048,576 टोकन तक की कॉन्टेक्स्ट विंडो में टेक्स्ट, इमेज, वीडियो, ऑडियो और PDF स्वीकार करता है, आउटपुट 65,536 टोकन पर सीमित है, और यह Firebase AI Logic और Gemini Enterprise के ज़रिए भी मिलता है। Google ने एक क्लाइंट-साइड bash टूल जोड़ा जिससे मॉडल शेल कमांड सुझा सकता है, अर्ली-एक्सेस पार्टनरों के लिए होस्टेड सर्वर-साइड bash टूल, और Grounding with Google Search व URL कॉन्टेक्स्ट को स्ट्रक्चर्ड आउटपुट के साथ जोड़ने का विकल्प।

Gemini का इस्तेमाल पहले से कौन करता है

रिलीज़ बड़े यूज़र बेस पर आई है। TechCrunch द्वारा रिपोर्ट किए Google के आँकड़ों के अनुसार Gemini ऐप के 650 मिलियन से ज़्यादा मासिक सक्रिय यूज़र हैं, और 13 मिलियन सॉफ़्टवेयर डेवलपर्स ने अपने वर्कफ़्लो में मॉडल इस्तेमाल किया है। आम कोड एडिटर में Gemini Code Assist यूज़र्स को Gemini 3 सबसे पहले एजेंट मोड में मिलता है, जो सिर्फ़ इनलाइन कंप्लीशन नहीं, बहु-चरण कोडिंग टास्क चलाता है।

सॉफ़्टवेयर और ऑपरेशंस टीमों के लिए क्या बदलता है

बिज़नेस के लिए Google जो काम पेश कर रहा है, वह एजेंट को सौंपा गया लंबा, बहु-चरण काम है। Google वित्तीय विश्लेषण, सप्लाई-चेन प्लानिंग और कॉन्ट्रैक्ट समीक्षा को उभारता है, और InfoQ नोट करता है कि मॉडल एक रिक्वेस्ट में लंबे PDF, स्क्रीनशॉट और वीडियो ले सकता है, इसलिए दस्तावेज़ विश्लेषण, लॉग ट्राइएज और मीडिया-भारी एनालिटिक्स अलग विज़न, स्पीच और लैंग्वेज सिस्टम की जगह एक मॉडल पर चल सकते हैं।

प्रकाशित कीमत टीम को पायलट से पहले प्रति टास्क लागत का अनुमान लगाने का तरीका देती है। Google ने लॉन्च के साथ कोई ग्राहक नतीजे नहीं दिए, इसलिए किसी कंपनी के लिए मापा गया मूल्य उसके अपने मूल्यांकन से आएगा, जो फ़ोरम पर डेवलपर्स की सलाह भी है।

सवाल और जवाब

Terminal-Bench 2.0 क्या है?

यह बेंचमार्क है जो टर्मिनल के ज़रिए कंप्यूटर चलाने के लिए टूल इस्तेमाल करने की मॉडल की क्षमता परखता है। Google के अनुसार Gemini 3 Pro उस पर 54.2% स्कोर करता है।

Google के नए मॉडल की कीमत कितनी है?

प्रीव्यू में Google 200k टोकन या उससे कम के प्रॉम्प्ट के लिए $2 प्रति मिलियन इनपुट टोकन और $12 प्रति मिलियन आउटपुट टोकन लेता है। Google AI Studio में यह रेट लिमिट के साथ मुफ़्त है।

Google Antigravity क्या है?

Antigravity Google का एजेंटिक डेवलपमेंट प्लेटफ़ॉर्म है, जहाँ डेवलपर्स ऐसे एजेंट प्रबंधित करते हैं जो एडिटर, टर्मिनल और ब्राउज़र में काम करते हैं। इसका पब्लिक प्रीव्यू MacOS, Windows और Linux के लिए मुफ़्त है।