Um aspecto do nosso modelo Gemini 3 Pro a considerar é como ele se comporta em capacidades multimodais. Trabalhámos para que ele funcione muito bem em uma variedade de casos de uso multimodais, como compreensão de documentos, vídeos, características espaciais, dados biomédicos e telas de computador, e ser capaz de raciocinar sobre informações visuais. Para testá-lo, forneci a imagem original do post do blog abaixo e perguntei: Por favor, faça uma versão desta figura com a coluna do Gemini Pro anotada com a melhoria relativa em relação ao melhor resultado das outras três colunas em vermelho. (Isto em si é uma tarefa de raciocínio visual bastante difícil! Ele se saiu muito bem ao fazer isso com precisão em algumas verificações pontuais, e essas melhorias de precisão relativas são bastante grandes em alguns dos benchmarks!) Leia mais abaixo ou no post do blog em: