Не слухайте скептиків, Gemini 3 надзвичайно добре справляється з різними програмуваннями. Все: від інтерфейсу для веб-додатків, розробки iOS у Swift, бекенд-коду на Python, всього, що стосується AI/ML тощо. Він дуже сильний і добре дотримується правил і використовує інструменти.

Здається, щоразу, коли виходить велика модель фронтиру, багато людей, які прагнуть здобути популярність, говорять, наскільки вона «слабка» і що вона провалила їхнє улюблене завдання. Зазвичай ви помітите, що вони жахливо підказують або їхнє завдання — дурне і зовсім не має значення в реальному житті.

Є деякі винятки, наприклад, Llama4, яка, очевидно, була жахливою для тих, хто спробував її 3 хвилини. Але люди так говорили про GPT-5, і це було смішно неправильно. Це як на фондовому ринку: люди отримують більше уваги за скептицизм і контрааргументацію. Негатив продається

Важливо (принаймні для програмування) наскільки хороша модель для людей, які вже володіють подібними моделями для розробки програмного забезпечення, і їхня обґрунтована думка після кількох годин спроб над різними реалістичними, реальними завданнями, а не дурними проблемами.

І потрібно реальний час і багато незалежних випробувань, щоб дійсно побачити, наскільки послідовна і автономна модель є, скільки агентності, «стійкості та рішучості» вона демонструє (частково це також залежить від упряжки агентів, наприклад, Cursor проти Gemini-CLI), наскільки надійною вона працює з інструментами.

Gemini 3 яскраво розкриває всі ці виміри. Google створив для себе величезну ринкову цінність завдяки цій моделі, особливо тому, що вони можуть розміщувати її за собівартістю на власному власному кремні.

Іншим буде складно (майже неможливо) підійти до цієї точки на кривій співвідношення ціна-продуктивність. Навіть якщо GPT-6 буде трохи розумнішим, витрати на хостинг для OpenAI після сплати «податку Nvidia» та надання Дженсену його 90% валової маржі зроблять його меншим за парето-показниками.