剛剛，Gemini 3.6 Flash 正式發布，但網友笑得更大聲了

「如果你從去年就開始用 Gemini，那感覺就像看著自家兄弟慢慢得了阿爾茨海默癥。」

這是最近網友對 Gemini 的一句調侃。

按理說，一家公司發新模型，通常是來打臉這種調侃的。可就在剛剛，Google 一口氣發了三個新模型之后，網友非但沒收回這句話，反而笑得更大聲了。多少有種他們都不看好你，可偏偏你最不爭氣的即視感。

三個模型分別是 3.6 Flash、3.5 Flash-Lite，還有一個專搞網絡安全的 3.5 Flash Cyber。官方博客的措辭也相當眼熟，「更高效」「更聰明」「為大規模 AI agent 而生」，一句不落。

只不過，實際體感卻冰火兩重天。

主角登場，3.6 Flash 到底強在哪

先說頭牌，3.6 Flash。官方給的定位就倆字——「主力」（workhorse），干活模型。

3.5 Flash 是今年 5 月 I/O 大會上發的，這次算是小版本迭代。

最大的賣點是省 token。

按 Artificial Analysis Index 的數據，3.6 Flash 比 3.5 Flash 少用 17% 的輸出 token，在 DeepSWE（Datacurve 出的基準）這類場景上甚至能省到 65%。官方還說它跑多步任務時，推理步數和工具調用都更少。

也就是說，干同樣的活，廢話更少，繞路更少，賬單更薄。

價格也確實降了。輸入 1.5 美元/百萬 token，輸出 7.5 美元/百萬 token——注意，上一代 3.5 Flash 的輸出是 9 美元，這波直接砍到 7.5。又快又省，單個 agent 任務的成本就壓下來了。

基準測試上，官方擺出了一整排數據。

代碼能力是重點。DeepSWE 從 37% 提升到 49%，官方的說法是多余的代碼改動更少、執行循環也更短，生成的代碼更貼近生產環境的要求。機器學習研究方向的 MLE Bench 提升更明顯，從 49.7% 拉到了 63.9%。

計算機操作（computer use）能力也有長進，OSWorld-Verified 從 78.4% 升到 83%。并且，「計算機操作」（computer use）也成了Gemini API 和企業版的內置工具，主打一個開箱即用。

知識工作方面，GDPval-AA v2 從 1349 漲到 1421。Hebbia、Harvey 等客戶反饋，它在文檔解析、圖表數據分析、報告起草這類多模態任務上表現尤其突出。Figma、JetBrains 也都出面背書了一番。

哦對了，還有個不起眼但挺實在的更新：知識截止日期終于從 2025 年 1 月推進到了 2026 年 3 月。老黃歷總算翻篇了。

安全這塊，官方說 3.6 Flash 上了升級版的 Frontier Safety 防護，重點盯著 CBRN（化學、生物、放射性、核）和網絡攻擊這兩類濫用，抗越獄能力更強了，同時又盡量不誤傷正常需求、少亂拒絕。

以小博大，便宜大碗的 3.5 Flash-Lite 也能更換推理檔位了

第二個是 3.5 Flash-Lite，定位比 3.6 Flash 還低一檔，主打「快」和「便宜」，專治高吞吐、低延遲的任務，比如 agent 搜索、文檔處理。

它是 3.5 系列里最快的，按 Artificial Analysis 的測量是每秒吐 350 個 token。價格更是白菜——輸入 0.3 美元、輸出 2.5 美元每百萬 token。官方說質量比 3 月發的 3.1 Flash-Lite 好一大截。

有個設計挺靈活：它支持調「推理檔位」。低配活兒就開最低檔，圖個快和省；碰上要多步拆解的子任務，就把思考檔位往上撥。電腦操作這次也做成了內置工具。

跟前代比，提升相當明顯：代碼和 agent 任務的 Terminal-Bench 2.1，從 31% 干到 54%；長上下文的 GDM-MRCR v2，從 60.1% 提到 72.2%；真實任務執行的 GDPval-AA v2，更是從 642 飆到 1140。

最有意思的是，這個「小弟」在不少 agent 和代碼任務上，居然反超了輩分更高的 3 Flash。

比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。以小博大，屬實有點東西——等于說跑 2.5 Flash 和 3 Flash 的活兒，現在有了個更快更強的平替。

官方還舉了幾個用法：從海量電商數據里抽產品特征、給 3.6 Flash 當副手一口氣生成 25 個網頁設計方案、批量翻譯總結收據、邊玩邊迭代做小游戲。Ashler、Palo Alto Networks、Ramp 這幾家客戶也來夸了它「速度、智能、成本三合一」。

最后一個 3.5 Flash Cyber，畫風突變，專門用來找和修代碼里的安全漏洞。

Google 的邏輯挺有意思：現在 AI 找漏洞的速度，已經比現有系統修漏洞的速度快了。既然漏洞越堆越多，那干脆用便宜高效的 Flash 來批量補鍋。

這個模型是在 3.5 Flash 基礎上微調出來的，搭配自家的 CodeMender 工具用。CodeMender 里跑的是好幾個 Flash Cyber agent，協同工作、最后匯總成一份報告。在業內有名的 CyberGym 基準上，官方稱它摸到了第一梯隊的水平，還比更大的模型更省 token。

不過這模型我們暫時也用不上。

考慮到「找漏洞」這種能力是把雙刃劍，濃眉大眼的 Google 也學 Anthropic 玩起了安全敘事。把它鎖得死死的——只對「可信合作伙伴」限量開放，走內測。目的是給一線防守方爭取時間，趕在漏洞被人利用前先修掉，同時防著有人拿它去干壞事。

說好的 3.5 Pro 呢？如來

看到這兒你可能會問：發了一堆 Flash，那真正的旗艦 3.5 Pro 去哪了？

官方口徑是「正在和合作伙伴測試，準備好就上」。但這套說辭背后的故事，可能沒那么體面。

據彭博社等媒體報道，3.5 Pro 的代碼生成能力一直沒達到內部預期。Google 6 月下旬還專門更新了一版訓練數據來補代碼這塊短板，結果成績依舊沒起色。更有傳聞說，Google 干脆推翻了原來的訓練方案，從零開始重訓。

而 Google AI 宣傳委員 Logan Kilpatrick 更是索性在輿論上直接跳過 3.5 Pro，將預告的重點放在了Gemini 4，聲稱他們已經啟動了史上最雄心勃勃的 Gemini 4 預訓練，還放話說進展讓人興奮。

聽著雖然挺提振人心，但把它放在「旗艦跳票」的背景下看，多少有點轉移視線、畫餅續命的味道了。

除了這些內幕，光看今天剛剛發布的 Flash 模型本身，網友們也并不全然買賬。

Flash 模型的核心價值在于在推理成本與性能之間取得精準平衡，其核心在于用更少資源完成足夠好任務，第三方評測機構 Artificial Analysis 表示：兩個新模型確實把單任務耗時砍半、token 效率也提升了，Flash-Lite 的智能指數漲了 11 分——

但 3.6 Flash 的智能水平，相比 3.5 Flash 基本原地踏步。

X 網友吐槽道：3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一樣的分，還不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 這一票對手，直呼簡直爛透了（陰陽怪氣 doge）。

吐槽的還不止一個。

網友 Angel 則直接從性價比入手：Gemini 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 還高，可智能程度反而更低。又貴又笨，這組合屬實有點尷尬——畢竟 Flash 系列立身的根本就是「性價比」，結果被人當場指出性價比不如對手，等于自砸招牌。

作為對比，OpenAI 的 Tibo 剛剛也發話了：由于周活躍用戶達到 1000 萬，新的一天，Codex 和 ChatGPT Work 的付費用戶迎來新一輪額度重置，下一個小時內到賬，盡情享用。

這對比，這落差，還有人記得大明湖畔的 Google Gemini 3？

實測派也來補刀。網友 Balder 更是直接開團：這三個模型性能全比之前的 3.5 Flash 差。他甩出自己的測試吐槽，說問題包括但不限于——基礎解碼就有毛病、中文選詞經常很離譜；生成的圖片視頻質量極差、跟指令對不上還限額嚴重；經常記憶混亂、調用完全錯誤的工具。

而且他還上了個陰謀論，認為 Google 之所以這么搞，是為了把算力騰出來賣給 Anthropic，還陰陽了一句這就是皮查伊想要的「Cloud First」。

此外，X 網友 Conor Dart 用 Google 自家的 Antigravity 跑了個 AI 生成游戲的測試，結果沒有出乎意料，木頭紋理更差了，大理石看著差不多但還是不能用。他直言這又是一次翻車，表示自己還是等 Gemini 3.5/3.6 Pro 吧。

簡言之，你別問新模型強不強，你就說 Flash 不 Flash 就完事了。一邊是官方更高效、更便宜、更省 token的漂亮賬本，一邊是大多數網友的當場差評，以及模型背后的旗艦跳票、大牛出走、市值縮水等一連串糟心事。

這很難不讓人好奇是不是 Google 這次真點歪了科技樹，光顧著省成本忘了提智商，只能先靠幾個 Flash 穩住場子？

反正 Gemini 4 的預訓練都開跑了。這一把要是再翻車，那句阿爾茨海默的玩笑，可就真要成讖語了。