Gemini 3 Pro 能力退步
哈基米3 Pro Preview，实际测试下来，大失所望。最失望的是，哈基米有往营销式模型的歧路走的趋势。
何以见得
Gemini 2.5 Pro 的优势
2.5 Pro是我今年的主力模型，虽然在代码能力本身上并不如Claude顶尖，但胜在问题分析能力，确实可以解决问题，且听话，指令遵从绝对可以。
编程有效上下文长度能接近100K，注意力也足够聪明，可以做到丢一堆代码，中间放问题（相同场景测试下国内模型普遍无法做到），照样正常回答，这在复杂问题的提示很重要，真正能实现上下文工程的指令接收而非一次性提示词。
系统提示词遵从效果较好，可以有效抑制对代码无关修改部分的擅自变动，输出的代码在大多数情况下可以很放心，单次输出长度极限测试大概能到4千行（与具体场景有关）
然而上述优势，Gemini 3 Pro Preview 却几乎完全抛弃！
1、有效上下文长度暴降至32K ；
2、指令遵从连国内最不听话的DeepSeek都打不过了；
3、系统提示词几乎失效，遵循程度全然抽奖看心情；
4、偷懒程度巨幅度提升，省略代码尚可以避免，尤其喜欢擅自简化代码，忍无可忍；
5、输出长度已经不是腰斩的幅度了，除了前端长度尚可，后端输出长度超过1000行都费劲，且充斥大量擅自的简化与省略，难以像2.5 Pro一样通过提示词限制。
高情商：谷歌：降低了模型“奉承”的程度
低情商：用户：TMD听不懂人话，不遵从指令，S******
是，前端能力是提升了
但是却从真正生产可用的生产力模型，自降身份成为一个纯纯大号玩具。
2.5 Pro 一次性可以解决的任务，3 Pro现在需要重复多次，且因自作聪明引入新BUG的概率大幅提升。
总结
作为32K以内上下文长度的推理模型，不要求长篇幅复杂任务能力、不要求指令遵循能力、低血压用户：哈基米3确实升级了，而且是大幅提升！
100K长上下文、复杂任务解决、不是玩玩具，真正上生产的：老老实实继续2.5 Pro吧，笨是笨了点，起码听得懂人话。
