L’arrivo di Gemini 3 segna un passaggio importante nella corsa ai modelli generativi di nuova generazione. Dopo le iterazioni 2.0 e 2.5, Google propone un modello che non si limita a incrementare parametri e potenza computazionale, ma punta esplicitamente su tre assi: ragionamento più profondo, agenti più efficaci e maggiore robustezza sul piano della sicurezza.
tecnologia
Gemini 3 alla prova: cosa dicono veramente i test sul nuovo modello di Google
Il nuovo modello segna un cambio di paradigma nei modelli generativi: più ragionamento, agenti più efficaci e maggiore sicurezza. Il modello viene analizzato attraverso benchmark ufficiali e test pratici, con un focus su multimodalità, agenticità e governance. I risultati mostrano progressi sostanziali, ma l’efficacia dipende dall’integrazione nei workflow reali
Pubblicato il 26 nov 2025
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
