Hilo de karminski-牙医 (@karminski3)

¡Prueba real del Gemini 3.0 Pro! ¡Lo último en tecnología! ¡Pero se descubrieron dos problemas importantes! Aquí están los resultados de las pruebas de la versión preliminar de Gemini 3.0 Pro: La prueba de la pasta de dientes de elefante es de última generación (SOTA), con efectos de partículas increíblemente impresionantes. La forma en que se rocía la pasta es aún más realista que en la anterior prueba Kimi-K2-0905. Además, el modelado del matraz triangular alcanza el nivel de GPT-5; ambos aspectos (efectos de partículas y modelado físico) son de última generación. Sin embargo, la superficie del líquido no se adhiere perfectamente a la pared interna del matraz; en este sentido, la prueba claude-sonnet-4.5 ofrece un mejor rendimiento. La reacción en cadena de los petardos fue bastante intensa, pero la vibración de la cámara fue tan violenta que saltaron fuera del encuadre. El nuevo movimiento tourbillon también ha sido probado y actualmente se encuentra a la vanguardia (SOTA). Se observa que el modelado de los dientes del engranaje de Claude presenta problemas, mientras que el de Gemini es muy preciso. Por supuesto, ambos tienen escapes mal implementados. La prueba de vertido de agua de Python fue casi indistinguible de la de última generación Opus 4.1. A continuación, hablaré de los problemas que encontré en el modelo. En primer lugar, parece priorizar el rendimiento. En los escenarios que probé con Three.js para el modelado, a menudo no podía ver ciertas caras o partículas del modelo. Esto se debe a que usa frecuentemente el frustum culling, lo que significa que no renderiza elementos que no están dentro del encuadre. Sin embargo, suele cometer errores de cálculo, lo que provoca que elimine elementos que no deberían eliminarse. Otro problema importante que encontré al usar el cursor fue que el rendimiento del modelo disminuyó repentinamente cuando el contexto del modelo alcanzó aproximadamente los 100 000 elementos, llegando incluso a provocar fallos en las llamadas a las herramientas. Recomiendo encarecidamente prestar mucha atención al rendimiento del modelo con contextos grandes. Actualmente, no está claro si se trata de un error o de un problema real del modelo. En conclusión, ¡impresionante! Les recomiendo a todos que adopten su propio modelo de codificación de inmediato y lo prueben. Anthropic debe estar temblando de miedo ahora mismo. Con el lanzamiento de Gemini 3, Google también lanzó su propio IDE de IA; sin duda, están dando mucho de qué hablar. Finalmente, el motor del cohete Saturno V que viste al principio se implementó utilizando Gemini 3 tras varias modificaciones. ¿Qué te parece el resultado? #gemini #gemini3 #gemini3pro #google #KCORES Large Model Arena