80.04 分。
这是 Google Research 这周放出的 Gemini-SQL2，在 BIRD 这个文本转 SQL 基准上拿到的成绩。听着平平无奇，但它是第一个把这个分数干过 80 的系统——上一个最好成绩才 77.2，一次跳了快三分。
一个不用微调的系统
先说它是什么。
text-to-SQL，干的活就一件事：你用大白话问「上个季度华东区卖得最好的三款产品是啥」，它给你翻译成一句能直接在数据库里跑的 SQL。
Gemini-SQL2 底子是 Gemini 3.1 Pro，关键是没有专门微调——直接拿通用模型套一套方法就上了。成绩单是这样：
| 系统 | BIRD 执行准确率 |
|---|---|
| Gemini-SQL2（Gemini 3.1 Pro） | 80.04% |
| GPT-5.5-xhigh | 72.8% |
| Claude Opus 4.6 | 70.9% |
来自 Databricks、AWS、腾讯、阿里的方案，按 Google 的说法，都落在后面一大截。GPT-5.5 比它低了七分多，差距不算小。
BIRD 测的不是「看着对」，是「真能跑出对的结果」
这个分数为什么含金量高，得看 BIRD 到底在考什么。
BIRD 不看你写的 SQL 长得正不正经，它直接把这句 SQL 丢进数据库跑一遍——跑出来的结果对，才算对。语法漂亮但查错了数，零分。
而且它的题库够狠：12751 道「问题 + SQL」配对，铺在 95 个数据库上，覆盖 37 个专业领域，数据总量 33.4GB。不是玩具数据，是逼近真实业务的脏数据、烂表结构。
Google 自己也承认这活儿难做：
把自然语言翻成正确的 SQL 特别难，因为数据往往是层层嵌套的，查询还得照顾到复杂的业务逻辑。
讲人话就是——现实里的数据库又乱又绕，一个问题背后藏着一堆「哪张表连哪张表、这个字段算不算数」的弯弯绕。能在这种条件下把结果跑对，比写一句语法没毛病的 SQL 难多了。
接下来要进 BigQuery
Google 说，下一步是把这套能力推进自家的数据服务里。落到产品上，最可能的就是 BigQuery 那一摊——以后不会写 SQL 的业务人员，直接打字问数据库就行。
这才是这事真正的杀伤力所在。数据一直锁在「会写 SQL 的人」手里，业务想看个数得排队找数据团队。这道门槛要是真被磨平，数据库的门口就少了个翻译，多了条直通路。
得泼盆冷水的是：Gemini-SQL2 目前既没开放公测，也没放研究论文。具体怎么实现的、能不能复现，外面还看不到。80.04 这个分，眼下只能听 Google 一家说。
但门槛被推到 80 这件事，已经发生了。
参考来源：Google Research's Gemini-SQL2 tops text-to-SQL benchmarks by a wide margin（The Decoder）；CocoLoop、Google Releases Gemini-SQL2: Gemini 3.1 Pro Text-to-SQL Scores 80.04% on BIRD Single-Model Leaderboard（MarkTechPost）