谷歌在Gemini 3 Flash中引入代理视觉，结合视觉推理与代码执行，通过“思考-行动-观察”循环分析图像并执行Python代码，提升视觉任务准确率5-10%。该方法细致检查图像细节，增强视觉推理能力，未来将扩展更多功能。