Google Research 发布 Gemini-SQL2，文本转 SQL 准确率 80.04% 大幅领先 OpenAI 和 Anthropic
Google Research 推出基于 Gemini 3.1 Pro 的 Gemini-SQL2，在 BIRD 基准测试中以 80.04% 准确率大幅领先 OpenAI 和 Anthropic。本文解析其技术细节、对中文用户的数据分析场景影响，以及与国产模型的对比。
一句话看懂
Google Research 发布 Gemini-SQL2，基于 Gemini 3.1 Pro 在 BIRD 基准测试中以 80.04% 准确率大幅领先 OpenAI 和 Anthropic，可将自然语言直接转为可执行 SQL 查询。
详细发生了什么
Google Research 发布了 Gemini-SQL2，这是一个将自然语言转换为可执行 SQL 查询的模型。它基于 Gemini 3.1 Pro 构建，在 BIRD 基准测试中取得了 80.04% 的准确率，大幅领先于 OpenAI 和 Anthropic 的同类模型。
BIRD 基准测试包含多个数据库和复杂的查询任务，要求模型理解自然语言问题并生成准确的 SQL 语句。Gemini-SQL2 的准确率比此前的最佳结果高出近 10 个百分点，展示了其在文本到 SQL 任务上的显著优势。Google 表示，这项技术有望改进其数据服务中的自然语言功能，例如 BigQuery 和 Looker 等产品中的对话式数据分析。
中文圈视角
对于中文用户来说，Gemini-SQL2 的发布意味着文本到 SQL 技术又向前迈进了一大步。目前，国内类似产品如阿里云的 DataWorks 和百度智能云的 SQL 生成功能，大多基于自研模型或开源方案（如基于 CodeLlama 的微调模型），在复杂查询和跨数据库泛化能力上仍有差距。Gemini-SQL2 的 80.04% 准确率表明，基于强大基座模型（Gemini 3.1 Pro）的专用微调路线效果显著。
不过，中文用户直接使用 Gemini-SQL2 可能面临几个障碍：一是需要访问 Google Cloud 服务，网络延迟和合规问题不可忽视；二是中文自然语言查询的支持程度未知，原文未提及中文场景的测试。国内用户可关注阿里云、百度等厂商是否会跟进类似技术，或利用开源模型（如 Qwen2.5-SQL）进行本地部署。对于数据分析师和 BI 开发者，Gemini-SQL2 的成果验证了“用自然语言写 SQL”的可行性，未来可能降低 SQL 学习门槛，但短期内仍以英文场景为主。
几条值得记住的细节
- Gemini-SQL2 基于 Gemini 3.1 Pro 构建，在 BIRD 基准测试中准确率达 80.04%。
- 该成绩比 OpenAI 和 Anthropic 的同类模型高出近 10 个百分点。
- BIRD 基准测试包含多个数据库和复杂查询，评估模型的泛化能力。
- Google 计划将这项技术整合到 BigQuery、Looker 等数据服务中。
- 目前尚未公布 Gemini-SQL2 的 API 或开源计划。
一句话总结
Gemini-SQL2 大幅刷新文本转 SQL 纪录，中文用户可关注其对数据分析工具的潜在影响，但直接使用仍需克服网络和语言障碍。