Gemini 3 Pro

Gemini 3 Pro est un LLM propriétaire de Google, sorti le 18 novembre 2025, avec des poids non ouverts. Son positionnement combine une très grande fenêtre de contexte, d’environ 1,0 M de tokens, et un tarif classé économique pour sa catégorie.

Le modèle se distingue surtout par ses résultats en raisonnement scientifique, en mathématiques difficiles et en réponses factuelles vérifiables. À sa sortie, il figurait dans le top 1% des LLM de sa génération sur GPQA diamond, un benchmark de questions scientifiques de niveau doctorat.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 3 % au-dessus de la moyenne des LLM similaires, et 2,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Entraînement & empreinte

Notre analyse

Forces. Gemini 3 Pro apparaît particulièrement solide sur les tâches de raisonnement formel. Il se classe dans le top 10 sur Math Index, GPQA diamond et FrontierMath public, ce qui indique un niveau élevé sur les mathématiques avancées et les questions scientifiques exigeantes. SimpleQA Verified le place aussi parmi les meilleurs modèles évalués pour les réponses factuelles vérifiables. Sa fenêtre de contexte d’environ 1,0 M de tokens renforce son intérêt pour l’analyse de longs documents, de corpus techniques ou de bases de connaissances volumineuses. Côté coût, son tarif reste économique, légèrement au-dessus de la moyenne des LLM similaires, mais nettement inférieur à celui des modèles frontière.

Limites et points d'attention. Les performances en code sont moins marquantes que celles en science et en mathématiques : SWE-Bench verified et Arena code le placent plutôt en retrait par rapport à ses meilleurs classements. L’écart entre FrontierMath public et FrontierMath private signale aussi que la robustesse sur les problèmes mathématiques de recherche les plus difficiles n’est pas uniforme. Le modèle est propriétaire, avec des poids non ouverts, ce qui limite l’audit indépendant et l’hébergement autonome. Ses connaissances s’arrêtent au 2025-01-31, un point important pour les sujets récents. Gemini 3 Pro convient surtout aux usages nécessitant raisonnement scientifique, mathématiques avancées, vérification factuelle et traitement de très longs contextes à coût contenu.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0.