Come per ogni nuovo modello, Google ha sottoposto anche Gemini 3 ad una lunga serie di benchmark esterni.

I risultati mostrano performance solide in molte discipline, dalla matematica alla logica, dalla generazione di codice alla comprensione multimodale. Proprio la multimodalità è uno degli elementi più caratterizzanti di questa nuova generazione, Gemini 3 è infatti in grado di elaborare testi, immagini, audio, documenti e video.

È in grado, per esempio, di recuperare ciò che viene detto in un punto preciso di un video YouTube, di ricostruire la planimetria di una stanza da una semplice ripresa o di sintetizzare in pochi secondi contenuti tecnici presenti in video molto lunghi.

Si tratta di applicazioni utili non solo per utenti tecnici, ma anche per chi lavora in comunicazione, formazione, documentazione o progettazione visiva.

Un ulteriore aspetto riguarda la capacità del modello di interpretare ciò che vede e legge, non limitandosi a processare informazioni in modo letterale.

Gemini 3 Pro è progettato per cogliere sfumature, riconoscere segnali deboli e comprendere ciò che l’utente intende veramente, anche quando non è espresso in modo diretto.

Il ragionamento risulta più profondo e continuo, il modello scompone i problemi, segue il filo logico da un passaggio all’altro, mantiene la coerenza anche in interazioni complesse e riduce la necessità di prompt tecnici o molto dettagliati. L’obiettivo afferma Google è quello di avvicinare l’interazione a un vero dialogo.

A supporto di questo approccio c’è una finestra di contesto da 1 milione di token, che consente al modello di lavorare con grandi quantità di informazioni nella stessa sessione.

Ciò permette, ad esempio, di analizzare documenti molto estesi senza doverli suddividere, di sintetizzare conversazioni lunghe mantenendo coerenza o di confrontare più fonti nella stessa interazione.

Molti modelli concorrenti si fermano attorno ai 200.000 token, rendendo questa capacità un elemento distintivo per attività che richiedono continuità e profondità.

Inoltre, sono state potenziate anche le capacità agentiche, cioè la possibilità per il modello di pianificare, prendere decisioni ed eseguire compiti complessi. Queste funzioni emergono in Google Antigravity, la nuova piattaforma di sviluppo che consente di descrivere in linguaggio naturale ciò che si vuole ottenere.

Qui Gemini 3 Pro è in grado di orchestrare strumenti diversi, seguire una logica operativa propria e portare avanti attività dall’inizio alla fine. Non più solo un assistente, quindi, ma un sistema capace di agire, utile in contesti come prototipazione, revisione, documentazione tecnica o automazione di processi.

Ad ogni modo i benchmark pubblicati da Google mostrano un progresso rispetto alle generazioni precedenti, soprattutto nelle aree del ragionamento, della multimodalità e del coding.

Un esempio è il Vending Bench, ovvero una simulazione nella quale il modello deve gestire l’operatività completa di un distributore automatico per un anno. Il sistema analizza le vendite, identifica il momento in cui rifornire i prodotti, riconosce gli articoli più richiesti e modifica le scelte in base ai comportamenti degli utenti, che sono variabili e non programmabili. Secondo i dati citati, Gemini 3 ottiene un rendimento economico più elevato rispetto ai modelli confrontati, mentre le versioni precedenti registrano risultati meno stabili. Il valore di questa simulazione non risiede solo nel dato finale, ma nel fatto che il modello deve reagire a una “variabile umana”, ovvero scelte non regolari né prevedibili e dunque situazioni simili a quelle che un sistema di AI si troverebbe a gestire in contesti reali, come l’ottimizzazione di stock, la previsione della domanda o il supporto decisionale in attività operative.

All’interno dei servizi Google, Gemini 3 può operare anche su dati personali già indicizzati nei vari strumenti dell’ecosistema.

Un esempio può essere inerente alla casella email, infatti, il modello sembra essere in grado di individuare rapidamente un’informazione specifica, come un nome utente o un allegato all’interno di migliaia di messaggi, riducendo tempi di ricerca manuale che normalmente richiederebbero minuti o ore.

Gemini 3 Pro è disponibile da subito per gli abbonati ai piani AI Pro e Ultra, ed è stato integrato anche in AI Mode, accessibile a tutti gli utenti.
Nelle prossime settimane Google ha anticipato ulteriori ottimizzazioni e nuove integrazioni, con l’obiettivo di rendere il modello sempre più utile nei flussi di lavoro quotidiani e sempre più vicino a un sistema capace di ragionare e agire in autonomia.

All’epoca la novità sembrava interessante e comoda, in quanto garantiva meno tempo speso a vagliare fonti, maggiore efficienza. Ma a distanza di oltre un anno in un recente studio pubblicato dal Pew Research Center istituto di ricerca statunitense che fornisce informazioni su questioni sociali, opinioni pubbliche e tendenze, cominciano ad affiorare le prime evidenze sull’impatto reale di questa trasformazione.

Il Pew Research Center ha analizzato il comportamento di oltre 900 utenti statunitensi, chiedendo loro di svolgere ricerche su Google in condizioni controllate. In circa il 25% delle ricerche, veniva mostrato un riassunto generato dall’intelligenza artificiale.

In quelle situazioni:

• Solo l’8% dei click andava ai link tradizionali.
• Nelle ricerche senza sintesi IA, la percentuale saliva al 15%.

Ciò dimostra che l’intelligenza artificiale soddisfa direttamente la curiosità degli utenti, che spesso rinunciano a visitare le fonti originali. Un comportamento che, nel tempo, potrebbe diventare sistemico.

Siamo di fronte, quindi, ad un vero e proprio dimezzamento della propensione al click, potrebbe sembrare un dettaglio tecnico, una curiosità, ma in realtà segna un cambiamento profondo nel modo in cui ci rapportiamo al web, alla conoscenza. Google, da semplice indice del sapere globale, si sta trasformando in un intermediario attivo dell’informazione, potremmo dire in un fornitore editoriale.

Dunque, siamo difronte alla fine del click?

Il ruolo di Google si è evoluto silenziosamente, ma radicalmente, da motore di ricerca che si limitava a restituire ciò che altri avevano scritto oggi è qualcosa di diverso, crea contenuti, sintetizza, decide cosa è rilevante e lo fa usando il lavoro altrui come base di addestramento. L’intelligenza artificiale non crea la conoscenza ma la distilla ed in questo processo, spesso, cancella le tracce dell’origine.

Gli utenti entrano in un meccanismo che li porta a leggere solo il riassunto generato dall’AI e a sentirsi già appagati. Non cliccano, non approfondiscono, non esplorano. Il risultato è un progressivo impoverimento del processo informativo, non solo si accede a meno contenuti, ma si perde anche in varietà, complessità e profondità dell’esperienza di ricerca. Questo processo ha conseguenze non solo per gli utenti, ma soprattutto per chi quei contenuti li crea.

Siti di notizie, blog indipendenti, testate giornalistiche, creatori di contenuti, tutti basano la propria sostenibilità economica sull’attenzione degli utenti. Se i lettori non arrivano più sui siti, vengono meno le visualizzazioni, i ricavi pubblicitari, gli abbonamenti.

Nello specifico per quanto riguarda le panoramiche Google, non si tratta più di una funzionalità, ma un vero e proprio filtro editoriale automatico che decide cosa l’utente deve sapere e cosa no, e lo fa sulla base di criteri che restano opachi.

Quali fonti vengono scelte dall’intelligenza artificiale? Con quale logica? In che modo vengono selezionate le frasi, le parole? Il risultato è una crescente centralizzazione dell’informazione.

E dunque l’impatto non è solo economico, ma soprattutto cognitivo.

Sempre più utenti si stanno abituando a un modello di consumo informativo passivo. Non cercano più informazioni, si aspettano risposte, non vogliono approfondire, vogliono sapere subito.  Questa tendenza è nota come answer engine behavior e rappresenta un cambiamento profondo: l’utente si affida alla sintesi generata dall’AI, rinuncia a confrontare fonti, a esplorare punti di vista alternativi, a interrogarsi sull’attendibilità dell’informazione. Il processo di ricerca viene sostituito dalla semplice ricezione, e l’informazione non è più un percorso, ma un prodotto confezionato.

L’illusione di completezza dell’informazione rischia di diventare una trappola per l’utente, perché se è vero che una sintesi IA è comoda, è anche vero che ogni sintesi è una forma di interpretazione. Nessuna sintesi è neutrale, in essa ogni frase scelta, ogni omissione, ogni collegamento mancato modifica il significato e quando si perde il contesto, si perde anche la possibilità di giudizio critico.

Già in precedenti analisi avevamo osservato fenomeni simili. Con l’introduzione degli snippet informativi e delle risposte rapide, Google aveva cominciato a togliere visibilità ai link organici. Ma l’AI Overview porta questa dinamica all’estremo. Non si tratta più di un’integrazione, ma di una sostituzione, l’informazione viene servita all’utente in modo diretto e questo ha conseguenze anche sulla diversità informativa.

Le fonti scelte dall’AI tendono a essere sempre le stesse: Wikipedia, siti governativi, portali autorevoli. Questo rafforza un sistema informativo omologato, in cui le voci alternative faticano ad emergere. Il rischio è quello di una “monocultura cognitiva” tutti leggono le stesse cose, nello stesso modo.

Per evitare questo rischio, chi fa giornalismo oggi, allora, non può più limitarsi a rincorrere i click, deve offrire ciò che nessun algoritmo è in grado di produrre: il contesto, la voce, il dubbio, la contraddizione.

Deve avere il coraggio di non semplificare, quando la realtà è complessa, e soprattutto di non velocizzare, quando la verità richiede lentezza. I canali alternativi, newsletter, podcast, comunità digitali, canali social, sono strumenti, ma prima ancora sono occasioni per ritessere un rapporto di fiducia con il lettore, un rapporto che non può più essere delegato a Google né a nessun filtro automatico.

Gemini 2.5 Pro, come il suo predecessore Gemini 2.0 Flash Thinking Experimental, si basa su un’architettura, definita “thinking model“, ovvero impiega un “processo di pensiero” interno durante la generazione delle risposte.

Questo processo contribuisce a migliorare la capacità di ragionamento e di risolvere attività complesse simulando un processo di ragionamento simile a quello umano.

Per raggiungere questo livello di sofisticazione, Google ha integrato due tecniche avanzate: l’apprendimento per rinforzo, che consente al modello di migliorare continuamente la qualità delle sue risposte imparando dai propri errori e dalle risposte precedenti, e il chain-of-thought prompting, una metodologia che gli permette di scomporre i problemi in più passaggi logici, arrivando così a soluzioni “ragionate” più accurate.

Durante la presentazione, Google ha mostrato un esempio pratico delle capacità di ragionamento del nuovo modello.

Partendo da una semplice istruzione testuale, Gemini 2.5 Pro è riuscito a generare il codice funzionante di un videogioco completo, dimostrando non solo una straordinaria abilità di programmazione, ma anche una logica avanzata nell’affrontare velocemente problemi complessi mostrando tutto il processo prima di fornire la risposta all’utente.

La principale novità di Gemini 2.5 Pro è la sua capacità di elaborare un’enorme quantità di dati grazie a una finestra di contesto da 1 milione di token, con l’obiettivo di estenderla a 2 milioni nei prossimi aggiornamenti.

In un modello IA, un token rappresenta un’unità di testo, che può essere una parola, una parte di parola o addirittura un singolo carattere, a seconda della lingua e della complessità della frase. Maggiore è il numero di token che il modello IA può gestire, più ampio sarà il contesto che riesce a comprendere in una singola interazione con l’utente.

Grazie alla sua capacità di elaborare un numero così elevato di token, Gemini 2.5 Pro è in grado di analizzare documenti lunghi, conversazioni estese e set di dati complessi senza perdere di vista il contesto, generando risposte precise e affidabili, soprattutto nelle attività di ricerca e analisi.

Come ogni nuovo modello IA anche Gemini 2.5 Pro è stato sottoposto ad una serie di test, i cui risultati confermano le sue promettenti capacità.

Il nuovo modello IA di Google, ha conquistato il primo posto su LMArena, piattaforma open-source che valuta la qualità delle risposte dei modelli linguistici, superando con ampio margine i principali concorrenti. Ha registrato punteggi elevati nei test di programmazione, matematica e scienze, dimostrando competenze specifiche nella generazione di codice e nel problem-solving.

Nel test Humanity’s Last Exam (HLE), un benchmark pensato per mettere alla prova i modelli IA con domande particolarmente complesse, Gemini 2.5 Pro ha ottenuto un punteggio pari a 18,8%, superando rivali come o3 mini di OpenAI, che si è fermato al 14%, e Claude 3.7 Sonnet di Anthropic, che ha raggiunto solo l’8,9%.

Nel test SWE-Bench Verified, che misura le capacità del modello IA di automazione e di sviluppare un software, Gemini 2.5 Pro ha ottenuto un punteggio del 63,8%, superando o3-mini di OpenAI e R1 di DeepSeek, ma ottenendo risultati inferiori a Claude 3.7 Sonnet di Anthropic, che ha ottenuto un punteggio del 70,3%.

Attualmente, gli sviluppatori e le aziende possono iniziare a sperimentare Gemini 2.5 Pro tramite Google AI Studio, una piattaforma che permette di testare e integrare modelli di intelligenza artificiale nelle proprie applicazioni.

Gli utenti abbonati a Gemini Advanced, il piano premium di Gemini che offre accesso a modelli più avanzati e potenti, possono già selezionare Gemini 2.5 Pro nel menu a discesa del modello, sia su desktop che su dispositivi mobili.

Inoltre, nelle prossime settimane, il modello sarà reso disponibile su Vertex AI, la piattaforma cloud di Google progettata per la gestione e l’utilizzo di modelli di machine learning su larga scala, consentendo alle aziende di sfruttare le potenzialità di Gemini 2.5 Pro in contesti lavorativi di produzione avanzati.

Google ha inoltre anticipato che i dettagli sui prezzi verranno annunciati a breve, prevedendo limiti di frequenza più alti per supportare un maggiore utilizzo.