Gemini 3 и агентные функции: что изменилось против Gemini 2

Google представила Gemini 3 — новое поколение своей флагманской линейки моделей, где главный акцент сделан не на разговорах, а на действиях. Компания продвигает семейство как модели для агентных задач: не просто ответить на вопрос, а спланировать цепочку шагов, вызвать нужные инструменты, проверить промежуточный результат и довести дело до конца. Это логичное продолжение того, что Google начала показывать ещё на Gemini 2 и в проектах вроде Project Mariner и Gemini CLI.

Ниже — что понятно про агентную часть на сегодня, чем это отличается от предыдущего поколения и где стоит держать руку на пульсе, потому что часть цифр и деталей меняется буквально по неделям.

Что такое «агентные функции» на практике

Термин «агент» звучит громко, но за ним стоит вполне конкретное поведение. Обычная языковая модель отвечает одним куском текста на один запрос. Агент^* получает цель, сам разбивает её на подзадачи, обращается к внешним инструментам — поиску, коду, браузеру, вашим API — и итеративно двигается к результату, оценивая, что получилось на каждом шаге.

*Агент — режим работы модели, в котором она не просто генерирует ответ, а выполняет последовательность действий с вызовом внешних инструментов и проверкой промежуточных результатов, пока не достигнет заданной цели или не упрётся в ограничение.

Для Gemini 3 Google выделяет несколько направлений, которые она называет агентными:

• Длинные многошаговые задачи. Модель дольше удерживает исходную цель и реже «забывает», зачем начала цепочку действий.
• Работа с инструментами. Вызов функций, выполнение кода, обращение к поиску и к внешним сервисам через заданные интерфейсы.
• Управление компьютером и браузером. Развитие идей Project Mariner — модель может кликать, заполнять формы и перемещаться по интерфейсу от вашего имени.
• Кодинг-агент. Не подсказка по строке, а работа с репозиторием: прочитать проект, внести изменения в несколько файлов, прогнать проверки.

Чем это отличается от Gemini 2

Главная разница между поколениями — не в том, что «появились» агентные функции. Вызов инструментов и функций был и в Gemini 2. Разница в том, насколько устойчиво модель проходит длинные цепочки без потери контекста и насколько надёжно она сама решает, какой инструмент вызвать и когда остановиться.

Разница между «умеет вызывать инструмент» и «сама понимает, что пора его вызвать, и проверяет результат» — это и есть граница между чат-ботом и агентом.

Второй заметный вектор — контекстное окно^** и удержание внимания в нём. Чем длиннее задача, тем важнее, чтобы модель не только физически вмещала историю, но и не теряла в ней главную цель. Google позиционирует Gemini 3 именно как шаг вперёд по этому параметру относительно предыдущего поколения.

**Контекстное окно — объём текста (в токенах), который модель одновременно держит «в поле зрения»: и ваш запрос, и историю диалога, и вложенные документы. Когда данных больше, чем помещается в окно, самое старое начинает выпадать.

Осторожно с конкретными числами

Точные цифры по размеру контекстного окна, лимитам вызовов инструментов и доступным версиям (Flash, Pro и прочие варианты) стоит сверять на официальной странице Google для разработчиков — они обновляются часто и зависят от того, какой именно вариант модели и какой тариф вы используете. Подставлять сюда «правдоподобное» число было бы ошибкой: агентные сценарии особенно чувствительны к лимитам, и устаревшая цифра сломает вам расчёт.

Сравнение с ближайшими аналогами

Gemini 3 конкурирует прежде всего с агентными предложениями OpenAI и Anthropic. У всех трёх есть режимы вызова инструментов, работа с кодом и эксперименты с управлением браузером или компьютером. Ниже — сравнение по возможностям, а не по «кто умнее»: единого измеримого рейтинга агентности, на который можно сослаться без оговорок, пока нет.

Что здесь важно понимать: набор галочек примерно совпадает у всех, а разница — в надёжности прохождения длинных задач и в том, насколько глубоко модель встроена в те сервисы, которыми вы уже пользуетесь. Для человека, живущего в Google Workspace, интеграция Gemini весит больше, чем абстрактный балл в бенчмарке.

Кому это пригодится, а кому нет

Пригодится

• Разработчикам, которым нужен агент для рутины по репозиторию: разобрать проект, внести правки в несколько файлов, прогнать тесты. Здесь длинные цепочки и работа с инструментами дают реальную экономию времени.
• Командам внутри Google Workspace. Если ваши документы, почта и таблицы уже в экосистеме Google, агент, который умеет по ним ходить, встраивается почти без трения.
• Тем, кто автоматизирует многошаговые процессы — сбор данных из нескольких источников, заполнение форм, подготовка черновиков отчётов по заданному алгоритму.

Скорее не пригодится

• Если задача — один короткий ответ. Для «переведи абзац» или «объясни термин» агентный режим избыточен и только добавляет задержку и стоимость.
• Там, где цена ошибки высока и нет проверки человеком. Агент, управляющий браузером и совершающий действия от вашего имени, может ошибиться на любом шаге. Финансовые операции и необратимые действия без подтверждения доверять ему рано.
• При жёстких требованиях к предсказуемости. Чем длиннее автономная цепочка, тем труднее заранее сказать, что именно модель сделает. Для строго регламентированных процессов это минус, а не плюс.

Сколько это стоит

Gemini доступна и в потребительском виде (приложение и подписка Google), и через API для разработчиков с оплатой по токенам. Конкретные цены на подписку и тарифы API меняются несколько раз в год и различаются между вариантами модели — актуальные суммы смотрите на официальных страницах Google, а не в пересказах. Для агентных сценариев считайте не цену одного запроса, а стоимость всей цепочки: многошаговая задача с несколькими вызовами инструментов обойдётся заметно дороже одиночного ответа.

Итог трезвый: Gemini 3 — это не «революция в чате», а ставка на то, что будущее моделей — в действиях, а не в репликах. Насколько эта ставка сыграет, покажут не анонсы, а то, как часто агент доводит реальные задачи до конца без вмешательства человека. Пока разумная стратегия — тестировать на своих сценариях и сверять лимиты и цены по первоисточнику.