精靈寶可夢水晶：Gemini 3 Pro vs 2.5 Pro
這篇實驗記錄告訴我們 Gemini 3 Pro 跟 2.5 Pro，其實已經是兩個物種，Gemini 3 Pro 不只是把關卡通關而已，而是展現出更穩定的世界模型、更強的長程規劃能力，以及對工具、環境限制的活用，而不是被動接受。
作者用同一套 Pokemon Crystal harness，同樣的工具組：Mental Map、Notepad、Map Markers、Code Execution、自訂 Agents Tools，沒有偷偷替任一方開外掛。 系統提示要求模型扮演科學家：要提出假設、用工具驗證、避免依賴訓練資料的既有知識，盡量以實際觀察為準。
這個設計有幾個效果：
價值函數偏向「探索與遊玩」而非純 Speedrun，所以模型會做出像「寧可多花幾小時，也不要失去 Suicune」這種更類人偏好。
為了避免 soft-lock，框架有一套「輔助輪」：例如禁止同一回合同時按方向鍵與確認鍵，降低誤放生寶可夢等高風險操作。
2.5 Pro 在這套約束下仍常打錯名字（想打 GEMINI 結果取名成 G），3 Pro 則開始「嫌棄」這些輔助輪，甚至後面會主動鑽洞來繞過限制
前期如果只看直播，兩個代理看起來進度差不多，徽章數接近、地點也常同步，但如果看底層數據會發現，3 Pro 的優勢：
以大約一半的回合數達到同樣里程碑。
Token 使用量少了約 60%。
因為 3 Pro API 過載造成的停機時間更長（接近 2.5 倍），在時間軸上反而一度落後。 轉折點出現在金黃市的 Whitney：2.5 Pro 被 Miltank 打爆之後進入為期數天的瘋狂練等回圈，而 3 Pro 則沒有在這關翻車，開始穩定拉開差距。
最後，3 Pro 在第 24,178 回合、約 1.88B tokens 時擊敗 Red，維持整個 Johto–Kanto run 零敗績。 以當前效率估算，2.5 Pro 若要達到同樣結果，大概要 157,000 回合、超過 15B tokens，約 69 天連續運行，相對於 3 Pro 的 17 天
作者：JoyceCloud