Гугол выкатил новую фичу для Gemini 3 Flash - Agentic Vision.

Суть в том, что раньше нейронка смотрела на картинку один раз целиком и часто пропускала мелкие детали, а то и вообще галлюцинировала и придумывала себе то, чего на картинке нет. Теперь же это полноценный агентный процесс с циклом Think, Act, Observe.

Модель реально "разглядывает" изображение: она пишет и исполняет Python код, чтобы взаимодействовать с картинкой.

Что умеет:
— Активный зум: Если нейронка видит сложный чертеж или мелкий текст, она сама решит кропнуть нужный кусок, приблизить его и рассмотреть отдельно.
— Аннотации: Чтобы нормально посчитать объекты (например, пальцы на руке, лол), модель теперь рисует на них bounding box'ы и цифры прямо поверх изображения. Это помогает ей не сбиваться со счета.
— Визуальная математика: Видит таблицу -> пишет код -> строит нормальный график через Matplotlib, вместо того чтобы выдумывать цифры из своей кремниевой башки.

Обещают прирост качества на бенчах на 5-10%. Уже доступно через API иGoogle AI Studio.

тут подробнее

Тесты Genie 3 на основе ваших комментариев. Часть вторая.

1. Симулятор медведя в Деревне дураков.
2. Кандибобер VS мужик c озера. Не думал, что может эмулировать файтинги, но даже удары прожимаются.
3. Симулятор сферы с лицом в лиминальном вапорвейв пространстве (да). Обратите внимание на физику столкновений.
4. Моя попытка сделать ОГРАБЛЕНИЕ КОРОВАНОВ. Genie понял концепт (возле них появляются надписи-действия), но пока не хватает экшен кнопки, которая эти действия активирует.
5. Симулятор лавабординга.
6. Симулятор полета дракона.
7. Мем про пингвина с горой, но пингвин на снегоходе. В конце приехал его друг. Мультиплеер!