# Google presenta Gemini 3: cosa cambia per chi sviluppa
Table of Contents
Chi sviluppa software o costruisce automazioni si ritrova, ogni pochi mesi, davanti a un nuovo modello di intelligenza artificiale presentato come il più capace mai visto. Il 18 novembre 2025 Google ha annunciato Gemini 3, la nuova generazione della sua famiglia di modelli. Conviene guardare oltre il titolo: cosa migliora davvero, per quali usi, e con quali riserve. Questo articolo prova a riassumere l’annuncio in modo sobrio, distinguendo i fatti dichiarati dalle promesse di marketing.
Cos’è Gemini 3
Partiamo dai termini. Gemini è la famiglia di modelli di intelligenza artificiale di Google, quella che alimenta l’app Gemini, alcune funzioni della Ricerca e vari strumenti per chi programma. Gemini 3 è la nuova generazione, che prende il posto della precedente (Gemini 2.5) come modello di punta.
Al centro del lancio c’è Gemini 3 Pro, disponibile da subito in anteprima. È un modello multimodale: vuol dire che nella stessa richiesta capisce testo, immagini, video, audio e codice, senza doverli trattare separatamente. Ha una finestra di contesto da circa un milione di token. Un token è un pezzetto di testo, più o meno una sillaba o una parola breve; la finestra di contesto è quanto materiale il modello riesce a tenere presente in una sola conversazione. Un milione di token è molto: consente di passargli interi progetti o documenti lunghi senza spezzarli a mano. La risposta, invece, può arrivare fino a circa 65.000 token.
Accanto al modello principale, Google ha annunciato Gemini 3 Deep Think, una modalità pensata per i problemi di ragionamento più difficili. Al momento dell’annuncio non era ancora disponibile in modo ampio: è destinata inizialmente agli abbonati al piano Ultra. È bene tenerne conto, perché una funzione annunciata non è una funzione che si può già usare.
I miglioramenti dichiarati
Google afferma che Gemini 3 Pro supera il modello precedente sui principali benchmark, cioè le prove standardizzate con cui si misurano i modelli. Vale la pena riportare qualche numero, ma con la giusta cautela: sono cifre dichiarate da chi vende il prodotto, ognuna misura solo una fetta del lavoro reale, e nessuna racconta tutto.
Sul fronte del ragionamento, Google cita un 91,9% su GPQA Diamond, un test di domande scientifiche di livello universitario avanzato, e un 37,5% su “Humanity’s Last Exam”, un esame difficile che spazia su molte materie.
Sul fronte del codice, i numeri riguardano compiti concreti. Su SWE-bench Verified, che misura la capacità di correggere bug reali presi da progetti su GitHub, il modello dichiara un 76,2%. Su Terminal-Bench 2.0, che valuta il portare a termine compiti dentro un terminale, un 54,2%.
Ci sono poi le classifiche a voto umano, dove le persone confrontano le risposte di modelli diversi senza sapere quale sia quale. Google riferisce di essere in cima a LMArena (1501 punti Elo) e a WebDev Arena (1487), quest’ultima dedicata alla costruzione di piccole applicazioni web. Sono indicatori utili per farsi un’idea, non prove definitive.
Perché conta per agenti e automazione
Un agente è un programma che, oltre a rispondere, compie azioni concrete per conto di chi lo usa: legge file, esegue comandi, usa strumenti esterni spesso collegati tramite standard aperti come MCP. Chi valuta un modello per costruire automazioni guarda proprio a questo, non solo alla qualità del testo prodotto.
È il motivo per cui benchmark come Terminal-Bench o SWE-bench pesano più di altri: raccontano quanto il modello se la cava quando deve muoversi tra file, comandi e strumenti, invece di limitarsi a chiacchierare. Insieme al modello, Google ha presentato Antigravity, una piattaforma di sviluppo pensata per far lavorare gli agenti con accesso diretto all’editor, al terminale e al browser. Gemini 3 arriva anche dentro Gemini CLI, l’assistente da riga di comando già esistente.
Per chi progetta sistemi conta anche un dettaglio più tecnico: l’API introduce un parametro chiamato thinking level, con cui si decide quanto a fondo il modello debba “ragionare” prima di rispondere. È una leva pratica: ragionare di più può migliorare la qualità su problemi complessi, ma costa di più e richiede più tempo. Poterlo regolare aiuta a bilanciare spesa, velocità e accuratezza a seconda del compito.
Come provarlo e quanto costa
Per chi sviluppa, Gemini 3 Pro è raggiungibile tramite l’API di Gemini in due ambienti: Google AI Studio, con un accesso gratuito soggetto a limiti d’uso, e Vertex AI, la piattaforma cloud rivolta alle aziende. Il modello è anche integrato in strumenti di terze parti già diffusi tra chi programma, come Cursor, GitHub, JetBrains e Replit. Per il pubblico generico, invece, è arrivato nell’app Gemini e in alcune funzioni della Ricerca.
Sui costi, Google ha indicato un prezzo di 2 dollari per milione di token in ingresso e 12 dollari per milione di token in uscita, per le richieste fino a 200.000 token; oltre quella soglia la tariffa cambia. Sono valori utili per stimare la spesa di un uso intensivo, ma vanno verificati sulla documentazione al momento dell’adozione, perché i listini dei modelli cambiano spesso.
Le cautele
Prima di spostarci sul nuovo modello conviene tenere presenti alcuni punti, senza entusiasmi.
È un’anteprima. Google lo descrive come versione in preview: comportamenti, funzioni e prezzi possono cambiare. Non è il caso di appoggiarci processi critici senza un’alternativa pronta.
I numeri sono di parte. I benchmark sono dichiarati da chi vende il prodotto e misurano scenari standardizzati. L’unico giudice affidabile resta la prova sui propri casi d’uso reali.
I dati vanno nel cloud. Come per i modelli precedenti, il calcolo avviene sui server di Google: ciò che si invia al modello esce dal proprio computer. Per contenuti riservati è un aspetto da valutare con attenzione, anche alla luce di quanto richiesto dal GDPR sul lato infrastruttura quando si trattano dati personali.
Non tutto è disponibile subito. Deep Think e alcune funzioni non erano accessibili a tutti al momento del lancio. Meglio verificare cosa si può usare davvero, e con quale piano, prima di fare affidamento su una capacità specifica.
In sintesi
Gemini 3 è la nuova generazione dei modelli di Google, con Gemini 3 Pro disponibile in anteprima e una modalità Deep Think annunciata per i compiti di ragionamento più difficili. Google dichiara miglioramenti su ragionamento, codice e comprensione multimodale, con numeri interessanti ma di parte. Per chi costruisce agenti e automazioni le novità più concrete sono le migliori prestazioni sui compiti pratici, la piattaforma Antigravity e il controllo sul livello di ragionamento tramite API. Resta uno strumento in anteprima, che gira nel cloud e va misurato sui propri casi: vale la pena provarlo, senza prenderne per buoni i comunicati.
