Gemini3「开眼」像素级操控！谷歌回应DeepSeek-OCR2

背景：传统AI模型在处理图像细节时存在局限，往往依赖猜测。研究目的：Google DeepMind为Gemini 3 Flash推出Agentic Vision能力，旨在通过“思考-行动-观察”闭环，让模型主动编写代码操控图像，实现从被动理解到主动交互的转变。结论：该技术显著提升了模型在视觉基准测试中的性能，并已在Google AI Studio和Vertex AI中提供，未来计划扩展到更多工具和模型，以深化AI对世界的理解。