Google’s Gemini-SQL2 Sets New Benchmark in Text-to-SQL Accuracy

Google Research has unveiled Gemini-SQL2, a powerhouse text-to-SQL system that significantly outperforms current industry leaders in translating natural language into database queries. Built upon the advanced Gemini 3.1 Pro architecture, this new model marks a major leap forward in how humans interact with complex structured data.

Dominating the BIRD Benchmark Leaderboard

The true impact of Gemini-SQL2 is most evident in its performance on the BIRD (Big Bench for Intelligent Retrieval and Database) benchmark. This specialized benchmark evaluates how accurately an AI can translate human language into executable SQL queries that yield correct results.

Gemini-SQL2 achieved a staggering execution accuracy of 80.04 percent, securing a definitive first place on the leaderboard. To put this achievement in perspective, it creates a massive gap between Google and its closest competitors. OpenAI’s GPT-5.5-xhigh follows with an accuracy of approximately 72.8 percent, while Anthropic’s Claude Opus 4.6 sits at 70.9 percent. Other major industry players, including Databricks, AWS, Tencent, and Alibaba, all trail significantly behind this new performance ceiling.

Solving the Complexity of Business Logic

Translating natural language to SQL is far more difficult than standard text generation. Google Research notes that real-world database environments are rarely straightforward; data is often heavily layered, and queries must account for intricate, multi-step business logic to be useful.

A common failure point for existing LLMs is generating "syntactically correct" SQL that fails to return the "logically correct" answer due to a misunderstanding of schema relationships. Gemini-SQL2 addresses this by ensuring that the generated queries are not only structurally sound but also execute successfully to provide the exact data requested by the user. This capability is crucial for enterprise applications where a single incorrect join or filter can lead to disastrously wrong business insights.

Implications for the Future of Data Intelligence

Хоча Google ще не опублікував офіційну наукову статтю і не оголосив дату публічного релізу Gemini-SQL2, цей розвиток має глибокі наслідки для всього ландшафту ШІ. Оскільки LLM стають дедалі вправнішими у маніпуляціях із заструктурованими даними, бар'єр між нетехнічними користувачами та величезними корпоративними сховищами даних продовжуватиме зникати.

Для розробників і засновників цей розвиток передбачає майбутнє, де «інтерфейси природної мови» для даних стануть стандартною функцією, а не розкішшю. Ми можемо очікувати на інтеграцію вдосконалених функцій природної мови в увесь пакет сервісів даних Google, що дозволить аналітикам робити запити до складних баз даних так само легко, як ставити питання колезі. Цей рух у бік надійного та високоточного перетворення тексту в SQL (text-to-SQL) є критично важливим кроком на шляху до того, щоб інтелект на основі ШІ для роботи з даними став по-справжньому автономним і масштабованим.

Основні висновки

• Лідерство в бенчмарках: Gemini-SQL2 досяг точності виконання 80,04% у бенчмарку BIRD, значно випередивши OpenAI (72,8%) та Anthropic (70,9%).
• Архітектурна основа: Система побудована на базі моделі Gemini 3.1 Pro, яка спеціально оптимізована для роботи зі складними схемами баз даних та заплутаною бізнес-логікою.
• Вплив на корпоративний сектор: Цей прорив прокладає шлях до більш надійних інтерфейсів природної мови в сервісах даних, скорочуючи розрив між сирими даними та практичними інсайтами.