谷歌 Gemini 3 Flash 重磅升级：新增 Agentic Vision，AI 看图能力实现专家级深度解析

谷歌近日宣布为 Gemini 3Flash 模型上线“Agentic Vision（代理视觉）”功能，标志着 AI 视觉处理从单次全局感知向多步深度推理的转变。

针对传统模型在处理信息密集图像（如微小文字、复杂图表）时因一次性全局处理导致的细节丢失问题，Agentic Vision 引入了“思考-执行-观察”的闭环机制。该机制允许模型在接到复杂指令后，先规划分析路径，再利用自动生成的 Python 代码对图像进行动态处理（如裁剪、旋转、标注），最后结合处理后的高清特征输出结果。

实测显示，这种类似“AI 调查员”的主动探索模式，使高难度视觉任务的准确率提升了 5%-10%。该功能现已登陆 Gemini AI Studio 和 Vertex AI 平台（需开启代码执行），并计划通过“Thinking 模式”下沉至移动端应用，赋予普通用户深度视觉推理能力。

以上关于谷歌 Gemini 3 Flash 重磅升级：新增 Agentic Vision，AI 看图能力实现专家级深度解析的文章就介绍到这了，更多相关内容请搜索码云笔记以前的文章或继续浏览下面的相关文章，希望大家以后多多支持码云笔记。