Gemini 3.0 dans le domaine de la reconnaissance visuelle est déjà largement en avance, ce résultat étant vraiment le fruit de la compétence. En particulier dans certaines applications pratiques, comme répondre aux questions de mathématiques des enfants ou traiter la reconnaissance de formes géométriques complexes, il est devenu la solution de référence.

Du point de vue du choix technologique, après la fusion de Google Brain et DeepMind, Demis et ses équipes n'ont pas vacillé sur la voie technologique — ils ont fermement choisi la voie multimodale native. À l'époque de Gemini 1 et 2, cet avantage n'était pas encore très évident, mais avec la génération 3.0, l'avantage multimodal a été pleinement libéré, ce qui est le résultat de l'accumulation technologique et d'une orientation correcte.