Problem s AI rasuđivanjem do sada

Većina velikih jezičnih modela impresivna je u generiranju teksta, sažimanju dokumenata i pisanju koda. Ali zamolite ih da promišljaju kroz fizikalnu derivaciju u više koraka ili da uoče grešku u matematičkom dokazu od 40 stranica, i oni će se raspasti. Jaz između tečnog jezika i istinskog analitičkog razmišljanja jedan je od najvećih neriješenih izazova u umjetnoj inteligenciji.

Googleov odgovor jeGemini 3 Duboko razmisli, nadograđeni način razmišljanja objavljen u veljači 2026. koji je posebno usmjeren na složene znanstvene, matematičke i inženjerske probleme. Za razliku od standardne umjetne inteligencije temeljene na chatu koja generira brze odgovore, Deep Think dodjeljuje produljeno vrijeme računanja za metodičnu obradu problema prije nego što proizvede odgovor.

Ovo nije samo još jedno ažuriranje modela. Predstavlja bitno drugačiji pristup načinu na koji umjetna inteligencija rješava teške probleme, a prvi rezultati iz istraživačkih laboratorija sugeriraju da zapravo ispunjava obećano. Razdvojimo što je novo, što je stvarno i koja su ograničenja.

Kako Deep Think zapravo djeluje

Standardni AI modeli obrađuju vaš upit i generiraju odgovor token po token, optimizirajući brzinu. Deep Think to preokreće trošeći više vremena na interne lance rasuđivanja prije nego što se posveti odgovoru. Zamislite to kao razliku između odgovaranja na matematičko pitanje napamet i sjedenja s olovkom i papirom kako biste to rješavali korak po korak.

PremaDokumentacija Google DeepMinda, model koristi ono što nazivaju "prošireno razmišljanje" - proces u kojem AI generira interne tragove razmišljanja koje procjenjuje i dorađuje prije nego proizvede konačni rezultat. Ovo je po konceptu slično OpenAI-jevom o1 modelu, ali Google tvrdi da ima znatno bolju izvedbu na znanstvenim mjerilima.

Što ga razlikuje od lanca misli

Možda ćete pomisliti: "Nije li to samo poticaj u lancu misli?" Ne sasvim. Lanac misli je tehnika poticanja koja od modela traži da pokaže svoj rad. Deep Think ubacuje prošireno razmišljanje izravno u arhitekturu modela. Razlika je bitna jer:

Dublja pretraga:Model interno istražuje više putova rješenja i vraća se unatrag kada naiđe na slijepu ulicu, umjesto da se posveti prvom pristupu
Samoprovjera:Prije vraćanja odgovora, provjerava logičku dosljednost vlastitog rada
Prilagodljivo računanje:Teži problemi automatski dobivaju više vremena za razmišljanje, dok se na jednostavnija pitanja brzo odgovara

Za istraživače koji već koriste AI alate u svom tijeku rada, razumijevanje ovih razlika je važno. Ako istražujete kako AI preoblikuje analitički rad, naš pregledAI alati koji mijenjaju životpokriva nekoliko komplementarnih alata koje vrijedi upariti s Deep Think.

Rezultati mjerenja koji su zapravo važni

AI tvrtke vole razbacivati referentnim brojevima, pa se usredotočimo na one koji su istinski značajni za istraživače i inženjere.

Deep Think Benchmark Highlights

🏅

48,4% na posljednjem ispitu čovječanstva
Najteža AI benchmark, dizajnirana da baci u koštac trenutne modele

🧮

Razina zlatne medalje na IMO problemima
Standard natjecanja Međunarodne matematičke olimpijade

💻

Najbolji rezultati u natjecateljskom programiranju
Codeforces i izazovi algoritma na razini IOI

🔬

Novi rezultati u znanosti o materijalima
Generirani upotrebljivi recepti za izradu u stvarnim laboratorijima

ThePosljednji ispit čovječanstvarezultat je posebno zapažen. Ovu referentnu vrijednost osmislila je koalicija istraživača posebno kako bi bila nerješiva trenutnom umjetnom inteligencijom - uključuje pitanja iz napredne matematike, teorijske fizike i specijaliziranih domena koja zahtijevaju istinsko razmišljanje, a ne podudaranje uzoraka. Ostvarenje od 48,4% na njemu je značajan skok u odnosu na prethodne modele.

Rezultati matematičkog natjecanja jednako su rječiti. Deep Think postigao je standarde za zlatnu medalju na problemima Međunarodne matematičke olimpijade, koji zahtijevaju dokaze u više koraka koji se nadograđuju na srednje rezultate. Upravo je to vrsta strukturiranog rezoniranja s kojim su se prethodni modeli borili.

Stvarni laboratorijski rezultati: Proboj u znanosti o materijalima

Mjerila su korisna, ali rezultati iz stvarnog svijeta govore bolju priču. Jedna od najuvjerljivijih demonstracija došla je iz laboratorija za istraživanje poluvodiča koji je koristio Deep Think za rješavanje izazova proizvodnje materijala na kojem su zapeli mjesecima.

Tim je pokušavao uzgojiti visokokvalitetne tanke filmove za poluvodiče sljedeće generacije. Njihovi postojeći recepti proizveli su filmove veličine oko 50 mikrometara. Svoje eksperimentalne podatke, ograničenja i ciljeve unijeli su u Deep Think i zatražili od njega da predloži optimizirane parametre izrade.

Model je analizirao odnose između temperature, tlaka, vremena rasta i sastava supstrata, a zatim predložio modificirani recept koji tim nije uzeo u obzir. Kad su ga testirali u laboratoriju, novi pristup proizveo je filmove veće od 100 mikrometara, više nego udvostručivši njihove prethodne rezultate.

Ova vrsta aplikacije, u kojoj umjetna inteligencija može obraditi složene odnose s više varijabli i predložiti neočite kombinacije parametara, mjesto je u kojem se Deep Think istinski ističe u odnosu na standardne modele.

Pronalaženje pogrešaka koje su ljudi propustili

U drugom slučaju, istraživači u fizici visokih energija koristili su Deep Think za pregled matematičkog okvira koji su razvijali. Model je identificirao suptilnu logičku nedosljednost u jednoj od njihovih derivacija koja je preživjela višestruke krugove recenzije. Pogreška nije bila očita jer su konačni rezultati još uvijek izgledali uvjerljivi, ali srednje obrazloženje sadržavalo je grešku koja bi uzrokovala probleme u budućem radu na temelju tih rezultata.

Za timove koji rade sa složenom analizom podataka, alati poput našegAI alat za analizu tržištapokazati kako analiza pomoću umjetne inteligencije može otkriti uvide koji ručni pregled često propušta, čak i u manje tehničkim domenama.

Tko može pristupiti Deep Think (i koliko to košta)

Od veljače 2026. pristup Gemini 3 Deep Thinku dostupan je putem dva kanala:

Pretplata na Google AI Ultra:Pojedinačni istraživači i programeri mogu pristupiti Deep Think krozGoogle AI Studios AI Ultra planom. To vam daje potpuno iskustvo aplikacije Gemini s omogućenim razmišljanjem Deep Think.
Gemini API (rani pristup):Poduzeća i istraživačke institucije mogu se prijaviti za API pristup putemGemini API portal za razvojne programere. API podržavakonfiguracija načina razmišljanja, što vam omogućuje da kontrolirate koliko vremena za razmišljanje model troši po zahtjevu.

API integracija je jednostavna. Evo osnovnog primjera korištenja Python SDK-a:

import google.generativeai kao genai

genai.configure(api_key="VAŠ_API_KEY")

model = genai.GenerativeModel(
    model_name="gemini-3-deep-think",
    generation_config={
        "thinking_config": {"thinking_budget": 24576}
    }
)

odgovor = model.generate_content(
    "Analizirajte ovaj matematički dokaz za logičan"
    "dosljednost i identificirati sve nedostatke u obrazloženju: "
    + dokaz_tekst
)

ispis(odgovor.tekst)

Therazmišljanje_proračunparametar kontrolira koliko tokena model može koristiti za interno rasuđivanje. Više vrijednosti daju bolje rezultate na težim problemima, ali povećavaju kašnjenje i troškove. Za brza činjenična pitanja možete postaviti nizak proračun. Za složene dokaze ili znanstvene analize, htjet ćete ga maksimalno iskoristiti.

Praktični savjeti za postizanje dobrih rezultata

Nakon testiranja Deep Think-a u nekoliko slučajeva upotrebe, evo uzoraka koji dosljedno proizvode bolje rezultate:

Pažljivo strukturirajte svoj unos

Deep Think ima ogromne koristi od dobro strukturiranih upita. Umjesto da nasipate zid teksta i pitate "što ti misliš?", rastavite svoj problem na jasne komponente:

Precizno navedite problem, uključujući sva ograničenja i pretpostavke
Pružite relevantne podatke u strukturiranom formatu (tablice, numerirani popisi)
Navedite kakvu vrstu rezultata trebate (dokaz, preporuka, analiza pogreške)
Navedite koje ste pristupe već isprobali i zašto nisu uspjeli

Koristite ga za provjeru, a ne samo za generiranje

Jedna od najjačih mogućnosti Deep Think-a je provjera postojećeg rada umjesto stvaranja od nule. Nahranite ga svojim izvodima, kodom ili eksperimentalnim dizajnom i zamolite ga da pronađe nedostatke. Ovaj pristup "suparničkog pregleda" često izvlači na površinu probleme koje generacijski pristupi propuštaju.

Uparite ga s alatima specifičnim za domenu

Deep Think najbolje funkcionira kao dio većeg tijeka rada. Koristite ga za dijelove koji zahtijevaju rasuđivanje, ali ga uparite sa specijaliziranim alatima za zadatke specifične za domenu. Na primjer, ako uz svoje istraživanje optimizirate sadržaj za otkrivanje umjetnom inteligencijom, našLLMS.txt generatorobrađuje te specifične tehničke zahtjeve kako biste se mogli usredotočiti na Deep Think na analitičke izazove.

Dobiti najviše od Deep Think

Precizno definirajte problem

Uključite ograničenja, pretpostavke i ono što ste već isprobali

Postavite proračun za razmišljanje na odgovarajući način

Veći za složene dokaze, niži za jednostavnu analizu

Koristite ga za provjeru

Pregledajte postojeći rad i provjerite pogreške, a ne samo generiranje

Kombinirajte sa specijaliziranim alatima

Deep Think za rasuđivanje, domenski alati za sve ostalo

Gdje duboko razmišljanje ne uspijeva

Niti jedan alat nije savršen, a biti iskren o ograničenjima korisniji je od reklame. Evo gdje se Deep Think još uvijek muči:

Latencija:Način proširenog razmišljanja je spor. Obrada složenih problema može trajati 30-60 sekundi, ponekad i dulje. To ga čini nepraktičnim za aplikacije u stvarnom vremenu ili brze razgovore naprijed-natrag.
Cijena:Tokeni razmišljanja računaju se u vašu upotrebu, tako da jedan složeni upit može potrošiti znatno više tokena od standardnog zahtjeva Gemini. Timovi koji paze na proračun moraju biti selektivni kada će omogućiti način rada Deep Think.
Halucinacije u novim domenama:Iako je obrazloženje rigoroznije, model još uvijek može pouzdano proizvesti netočne rezultate u visoko specijaliziranim područjima gdje su podaci o obuci rijetki. Uvijek neovisno provjerite kritične rezultate.
Ograničena dostupnost:API je još uvijek u kontroliranom ranom pristupu za poduzeća, a pretplata na AI Ultra nije jeftina. Većina pojedinačnih istraživača trebat će institucionalnu potporu kako bi ga redovito koristili.

PremaPokrivenost MIT Technology Review-a, prošireni računalni pristup stvara temeljni kompromis između kvalitete razmišljanja i praktične upotrebljivosti na čijem optimiziranju Google i drugi laboratoriji za umjetnu inteligenciju još uvijek rade.

U usporedbi s konkurencijom

Deep Think ulazi u rastuće polje AI modela usmjerenih na razmišljanje. OpenAI-jevi modeli o1 i o3 koriste sličan prošireni pristup razmišljanju, a Anthropicov Claude ima vlastite mogućnosti zaključivanja u više koraka. Ono što izdvaja Deep Think je njegova posebna snaga u znanstvenim i matematičkim domenama, što vjerojatno odražava duboko istraživačko nasljeđe Google DeepMinda u tim područjima.

Konkurencija je zdrava za istraživače jer znači da se alati brzo poboljšavaju. Ako Deep Think ne odgovara vašem specifičnom slučaju upotrebe, alternative bi mogle. A budući da su API sučelja slična među pružateljima usluga, prebacivanje između njih za različite zadatke sve je jednostavnije.

Suština

Gemini 3 Deep Think istinski je koristan alat za istraživače i inženjere koji rade na problemima koji zahtijevaju analitičko zaključivanje u više koraka. Rezultati iz znanosti o materijalima, mogućnosti matematičke provjere i usporedna izvedba ukazuju na stvarnu suštinu iza Googleovih tvrdnji.

Najbolji slučajevi upotrebe su: provjera složenih dokaza, optimizacija eksperimentalnih dizajna s više varijabli, analiza matematičkih okvira za pogreške i rješavanje problema gdje standardni AI modeli daju površne odgovore. To nije zamjena za stručnost u području, ali je moćno pojačalo za ljude koji već znaju koja pitanja postaviti.

Ako imate pristup API-ju ili pretplatu na AI Ultra, počnite s problemom koji ste već ručno riješili, a zatim usporedite pristup Deep Think-a sa svojim. To vam daje utemeljeni osjećaj njegove snage i slijepih točaka prije nego što mu povjerite novi rad.