نشرت جوجل ديب مايند المنهجية والنتائج الخاصة بتقييم Gemini 3 Pro، حيث تقيس أدائه في مجالات الاستدلال، والقدرات متعددة الوسائط، واستخدام الأدوات الوكيلية، والمهام متعددة اللغات، ونوافذ السياق الطويلة. يعتمد التقييم على قياس pass@1 بإعدادات المحاولة الواحدة عبر Gemini API، ويقارن النموذج بالمنافسين مثل Claude Sonnet 4.5 وGPT-5.1 باستخدام بيانات القوائم المتصدرين المبلغ عنها ذاتياً أو الرسمية حيثما أمكن.
- تشمل معايير الاستدلال Humanity's Last Exam وARC-AGI-2 وMathArena Apex، مع استقاء النتائج من ScaleAI وموقع ARC Prize أو matharena.ai.
- تم اختبار قدرات الصور على MMMU-Pro وScreenSpotPro وCharXiv Reasoning وOmniDocBench 1.5، باستخدام معاملات API محددة مثل media_resolution للإدخالات عالية الدقة.
- قيس أداء الفيديو باستخدام Video-MMMU بإعداد موصى به يبلغ 280 توكن لكل إطار ودرجة حرارة تساوي 0.
- غطى تقييم البرمجة LiveCodeBench Pro (تقييم ELO) وTerminal-Bench 2.0 وSWE-bench Verified، مع استخدام هيكلية المحاولة الواحدة للآخر.
- تم تقييم استخدام الأدوات عبر τ2-bench في فئات التجزئة والطيران والاتصالات، جنباً إلى جنب مع نتائج Vending-bench 2 من Andon Labs.
- قيس المصداقية وقدرات السياق الطويل باستخدام FACTS Benchmark Suite وSimpleQA Verified وMRCR v2 لنوافذ سياق تبلغ 128k و1M.
تذكر المقالة أن Gemini 3 Pro يتفوق بشكل كبير على Gemini 2.5 Pro عبر المعايير المُقيّمة اعتباراً من نوفمبر 2025.