Gemini 3 Deep Think apre un'API per una modalità di ragionamento pensata per problemi di ricerca complessi

Cosa ha rilasciato Google, e dove puoi accedervi

Google ha rilasciato un aggiornamento di Gemini 3 Deep Think, la modalità di ragionamento che presenta come specializzata per scienza, ricerca e ingegneria. Sono arrivati insieme due punti di accesso: gli abbonati Google AI Ultra hanno la modalità aggiornata nell'app Gemini da oggi, e — per la prima volta — ricercatori, ingegneri e aziende selezionati possono richiedere l'accesso anticipato a Deep Think tramite l'API di Gemini.

L'apertura dell'API è la parte da tenere d'occhio per chi costruisce interfacce. Fino a ora Deep Think viveva solo dentro l'app di Google. Renderlo accessibile via programmazione significa che i team possono costruirci sopra i propri frontend, il che cambia cosa bisogna progettare.

La cosa più importante è che stiamo lavorando per portare Deep Think a ricercatori e professionisti dove ne hanno più bisogno — a partire da superfici come l'API di Gemini.Montana Labs

La demo schizzo-a-stampa-3D è uno schema di frontend, non solo un trucchetto da fiera

La demo più concreta di Google è una pipeline di artefatti a più fasi: Deep Think analizza un disegno, modella la forma complessa e genera un file per creare l'oggetto fisico con la stampa 3D. Leggila come un flusso d'interfaccia — un input (uno schizzo), un modello intermedio e un file di output scaricabile, pronto per essere elaborato da una macchina.

Per i team frontend, questa struttura conta più della stampa in sé. Implica un'applicazione che accetta input visivi disordinati, mostra un modello interpretato che l'utente può ispezionare o correggere, e produce un file destinato a un altro strumento. Nessuna di queste fasi è una bolla di chat. Ognuna richiede una propria interfaccia dedicata: caricamento, revisione, esportazione.

Una modalità di ragionamento così ponderata ha bisogno di un'interfaccia pensata per l'attesa

Deep Think viene descritto come una modalità che affronta problemi che 'mancano di paletti chiari o di un'unica soluzione corretta', dove 'i dati sono spesso disordinati o incompleti'. I risultati citati da Google lo confermano: un matematico della Rutgers l'ha usato per individuare un sottile errore logico che la revisione paritaria umana non aveva colto, e il Wang Lab di Duke l'ha usato per progettare una procedura per far crescere film sottili più grandi di 100 μm.

Non sono risposte immediate. Sono calcoli lunghi e ad alto sforzo computazionale su input ambigui. Un frontend costruito su questa API non può presupporre un dialogo rapido e a turni. Deve gestire latenze prolungate, mostrare l'avanzamento e presentare risultati che un esperto di settore possa verificare — perché il valore qui è una soluzione candidata da controllare, non una risposta finale da accettare.

I punteggi dei benchmark fissano aspettative che l'interfaccia deve gestire

Google riporta il 48,4% su Humanity's Last Exam senza strumenti, l'84,6% su ARC-AGI-2 verificato dall'ARC Prize Foundation, un Elo di 3455 su Codeforces, prestazioni di livello medaglia d'oro alle IMO 2025, risultati di livello medaglia d'oro alle Olimpiadi scritte di Fisica e Chimica 2025, e il 50,5% su CMT-Benchmark.

Questi numeri collocano Deep Think tra i ragionatori più avanzati in matematica, programmazione, fisica e chimica — ma sono soglie massime, non garanzie per ogni singola richiesta. Un frontend che promette un rigore da olimpiadi mentre fornisce una proposta di procedura per la crescita di cristalli o segnala un errore in una dimostrazione deve trattare la fase di verifica come elemento centrale, non come un ripensamento.

L'implicazione: questa API trasforma Deep Think da funzione di chat a componente su cui costruire

Il vero cambiamento di questo annuncio è che Deep Think smette di essere qualcosa che usi dentro l'app di Google e comincia a essere qualcosa che puoi integrare. Questo trasferisce il lavoro di progettazione a chi costruisce l'interfaccia: catturare schizzi e dataset disordinati, gestire tempi di ragionamento lunghi, e rendere leggibili output — file, modelli, errori segnalati — su cui gli esperti possano agire.

Per i team applicati, il programma di accesso anticipato è il punto di partenza. Ma la parte più difficile non è ottenere la chiave API; è costruire un frontend onesto su cosa produce davvero una modalità di ragionamento ponderata — proposte da verificare — invece di presentarla come un oracolo.