🧠 Gemini 3 現身與「測試時訓練」：AI 終於學會了「慢思考」

發生了什麼？ 本週 AI 圈最震撼的消息莫過於 Google Gemini 3 的相關開發動態曝光，以及關於「128K 測試時訓練 (Test-Time Training, TTT)」技術的討論熱度急升。與此同時，智譜 AI 也發布了 GLM-4.7，顯示大模型競賽已進入白熱化的「推理層」對決。市場不再僅僅關注模型參數量（Parameters）的大小，轉而聚焦於模型在處理複雜任務時的「即時學習」與「長程推理」能力。

為什麼這很重要？ 這代表了 AI 運算典範的轉移。過去我們認為 AI 的能力在「預訓練 (Pre-training)」階段就已定型，就像學生考完試就不會再變聰明。但新的 TTT 技術讓模型在「推理 (Inference)」階段——也就是回答你問題的當下，能夠利用額外的運算資源進行短暫的「學習」或「優化」。這意味著企業可以用更小的模型，透過增加推理時間，來達成過去只有超大模型才能做到的準確率，將大幅降低 AI 在複雜商業場景（如法律合約審閱、程式碼除錯）的落地門檻。

核心知識科普：什麼是「測試時訓練 (Test-Time Training)」？ 想像你在參加一場開書考。 傳統的 AI 模型就像是一個「記憶力超群的學生」，他看過所有教科書，考試時看到題目就憑直覺（System 1 思維）秒答。如果題目沒看過，他可能就會瞎掰。 而具備「測試時訓練」技術的 AI，就像是一個「懂得查證與思考的學者」。在回答問題前，他被允許花一點時間（System 2 思維），根據題目提供的線索（Context），在腦中快速推導、甚至臨時調整自己的解題策略，確認邏輯通順後才寫下答案。 這裡的「128K」指的是他能同時參考的資訊量（Context Window），讓他能在極短時間內消化大量新資訊並優化當下的決策。

你可以如何利用它？ 目前這類技術主要體現在最新的「推理型模型」API 中（如 OpenAI o1 或即將推出的 Gemini 3 高階版）。