gemini-3-pro-preview也出了有几天了，不知道各位体验的如何
不过看起来注意力确实不是很好
之前cli泄漏的时候就测过一次了，当时就在说注意力可能不会很好，只有2.5p的1/3，不过现在看来没有任何变化，曲线甚至都没有变，依旧是2.5p的1/3：
Gemini 3 Pro召回率测评，召回率只有2.5Pro的1/3， 上下文注意力大退步，实际写代码或许堪忧？ - 开发调优 - LINUX DO
现在正式上线了，给出一个新的跑分结果：
可以发现是否开思考，思考预算和等级开多少，和注意力没有任何关系，对于gemini系列是这样的，但是对于其他厂商的模型不一定。开思考只会增加gemini系列模型的其他方面能力，但是注意力是不会有任何提示的。甚至对于gemini-3pro-preview系列模型来说会有一些方面的退步，比如爆思考预算：
可以发现开高思考反而很容易超过思考预算（32768）导致截断，观察可见，后续一直在重复思考：
甚至思考488秒后截断了：
这个脱靶现象，在捞针测试时很常见，所以在得出思考和注意力无关后，我都是设为low进行测试的。
所以，如果没有必要，思考设为low或许是个很好的选择，既不至于能力下降太多，又不至于让模型思考过多
对于思考过多：其实你仔细观察，会发现模型经常会重复进行思考某些内容，或者进行自我安全审查，开high反而没有用处
如果可以，你可以试着卡掉他的思维链，或者进行覆写。总之原生思维链问题很大，有点太烂了。需要提示词进行发力。
还有一点，设置思考等级和预算，不意外着其只能思考那么多token，超过强行截断。你可以理解为，内置了一个提示词：你的思考等级是high/low，这样
因为我设置low，依旧能思考32k后截断。从这里就能看出来了
另外，我再强调一下，不能说3p注意力只有32k，只能说3p注意力是2.5p的1/3大概，因为影响因素很多，比如改变针的数量：
其实这个图里面是有规律的，每10针注意力加10k大概，但是针多了就不明显了，还有一些其他规律：
以后再开帖细说吧，不过能看见我选的40针只是一个折中的结果而已。所以说本测试的绝对数字其实不具有直接意义，只能用来进行各种比较
本测试仓库链接，存放有原始数据和结果
