一位前谷歌DeepMind研究员直言，Gemini 3虽然在网页开发上表现不错，但在真正的编码工作中却常显“为测试而优化”，缺乏面对复杂真实项目时的稳定性和适应力。它在演示中光鲜亮丽，却难以胜任“战场”上的各种边缘场景。许多开发者的共鸣在于：真实编码远比基准测试复杂。模糊需求、遗留代码、依赖地狱和异常逻辑才是日常。Gemini 3在这些方面表现不佳，甚至出现误删API、无法处理文档、过度冗长等问题。相较之下，Claude、Opus等模型在实际使用中更靠谱，能更好地完成开发者需求，减少反复调试的负担。这反映出业界普遍的“基准测试与实际应用脱节”问题。模型往往为了在指定任务中拿高分而“走捷径”，缺乏对真实复杂环境的理解和适应能力。真正有价值的AI助手，应能深入代码上下文，理解含糊需求，适应多变场景，甚至能通过持续测试和反馈不断自我进化。总结来看，Gemini 3虽有潜力，但仍需从“演示王”向“实战王”转变。开发者应理性看待各种AI工具，结合自身项目实际反复验证，而非盲目追随营销榜单。未来的AI编程助手，必然是多模型优势互补、不断学习进化的智能协作体，才能真正助力复杂软件开发的突破。原文：x.com/VraserX/status/1994337305151013313
