Gemini 3.5 Pro難產，谷歌先交了兩張草稿紙

本文來自微信公眾號： 字母AI ，作者：袁心玥，原文標題：《Gemini 3.5 Pro難產，谷歌先交了兩張草稿紙》

7月21日，谷歌突然上線了兩個新模型：

Gemini 3.6 Flash和Gemini 3.5 Flash-Lite。

沒有一點點防備，也沒有一絲顧慮，它倆就這樣出現在了Google AI Studio和Gemini的模型選擇器里。

這兩個模型，一個主打更強的代碼和Agent能力，一個主打更低成本的大規模調用。

而作為旗艦模型的Gemini 3.5Pro，千呼萬喚依然……出不來。

按照此前的計劃，3.5 Pro本應在6月份上線，現在7月都過一大半了，這款被寄予厚望的模型仍然沒有正式亮相。

代表旗艦實力的答卷遲遲不交，谷歌先拿出兩張“草稿紙”，是個什么意思？

3.6 Flash：比上一代便宜，不比上一代聰明

谷歌表示，相比上一代Flash模型，Gemini 3.6 Flash進一步提升了編碼、推理和工具調用表現，同時通過減少輸出token降低運行成本。

Gemini 3.6 Flash的定位是一個面向真實生產環境的高效模型，或者更直白一點，為Agent服務。

在Agent時代，一次任務可能需要幾十輪模型調用，這意味著模型不僅要聰明，還必須足夠快、足夠便宜。

Google此前已經在Gemini 3.5 Flash上強化了這條路線。根據官方API文檔，Gemini 3.5 Flash支持100萬token的長上下文，可以一次處理大量信息，同時支持代碼執行、調用外部工具、搜索文件等能力，能夠完成更復雜、更長時間的任務。

Gemini 3.6 Flash延續了這條路線，它追求的并不是單次回答的質量，是一個“能夠承擔得起每日真實工作”的位置。

Gemini 3.6 Flash的定價如下：

輸入：1.50美元/百萬token

輸出：7.50美元/百萬token

相比此前Gemini 3.5 Flash每百萬token輸入1.5美元、輸出9美元的價格，輸入成本沒有變化，但輸出成本進一步下降。

對于需要大量調用AI的企業來說，這種成本變化可能比benchmark上的幾個百分點提升更加重要。

另外，谷歌展示的一項內部測試顯示，在完成同一任務時，Gemini 3.6 Flash相比3.5 Flash減少了55.8%的token消耗，同時將任務評分從85分提升到了100分。

當然，這只是谷歌自己的測試結果，只能說明Google希望展示的方向：

新模型不僅更省，而且能夠用更少的計算完成同樣甚至更好的任務。

在那些被公開的benchmark里，谷歌主要強調的是代碼能力和Agent能力。

在DeepSWE代碼評測中，Gemini 3.6 Flash得分49%，高于上一代的37%。谷歌表示，新模型能夠減少無效代碼修改和重復執行過程。

在測試AI操作電腦能力的OSWorld-Verified評測中，Gemini 3.6 Flash得分83%，超過3.5 Flash的78.4%。

而在面向機器學習任務的MLE Bench中，Gemini 3.6 Flash得分63.9%，相比上一代的49.7%也有明顯提升。

不過，上述數據更多說明Gemini 3.6 Flash相比上一代有所進步。

如果放到當前大模型競爭中橫向比較，Google選擇的對手是GPT-5.6 Luna、Grok 4.5和Claude Sonnet 5（這里也可以看出這個產品的定位）。

從結果來看，Gemini 3.6 Flash并沒有全面領先，GPT和Claude的模型在復雜軟件工程和知識工作任務上仍然保持優勢。

但這其實也是Flash系列存在的意義：

它不一定要成為最強模型，只需要在明顯低于旗艦模型成本的情況下，提供夠用的能力。

官方測評之外，根據Artificial Analysis的發布前測試，Gemini 3.6 Flash在Intelligence Index上拿到了50分，與Gemini 3.5 Flash持平。

這意味著，如果只看模型綜合“智力”，Gemini 3.6 Flash并沒有什么升級。

但是呢，它的速度又很好地彌補了這一點。

Artificial Analysis還統計了模型完成Intelligence Index任務所需的平均時間。結果顯示，Gemini 3.6 Flash每項任務平均耗時約1.3分鐘，相比上一代3.5 Flash的約2.7分鐘，減少了一半。

與此同時，Gemini 3.5 Flash-Lite的任務完成時間也從上一代3.1 Flash-Lite的約1.6分鐘，下降到約0.6分鐘。

總的來說，Gemini 3.6 Flash的升級方向其實是效率——更少的token消耗，更低的運行成本，以及更適合長期運行的Agent能力。

對于習慣使用Gemini 3.5 Flash的用戶來說，確實是非常不錯的升級。

3.5 Flash-Lite：更快，但沒有上一代便宜

然后再來看另一個模型Gemini 3.5 Flash-Lite。

顧名思義，Flash-Lite是Flash系列中更輕量的版本，相比Flash，它犧牲了一部分能力上限，換取了更低的成本和更快的速度。

就像前面提到的那樣，Gemini 3.5 Flash-Lite的任務完成時間從上一代3.1 Flash-Lite的約1.6分鐘，下降到了約0.6分鐘。

3.5 Flash-Lite也是3.5系列中速度最快的型號，根據Artificial Analysis測試數據，其生成速度達到約350 token/秒，已經屬于當前主流大模型中的高速水平。

Gemini 3.5 Flash-Lite的定價如下：

輸入：0.30美元/百萬token

輸出：2.50美元/百萬token

相比Gemini 3.6 Flash，輸入價格約為1/5，輸出價格約為1/3。不過，與上一代Gemini 3.1 Flash-Lite相比，新模型并沒有進一步降價。

雖然Gemini 3.5 Flash-Lite由于能力提升，可以通過減少輸出量降低部分成本，但綜合起來，還是很難抵消單價上的成本增加。

根據官方文檔，相比上一代Gemini 3.1 Flash-Lite，新模型在不同思考等級（thinking levels）下都有明顯提升。開發者可以根據任務需求調整模型的思考深度。

此外，Gemini 3.5 Flash-Lite還內置了Computer Use能力，可以幫助Agent更可靠地操作電腦環境，完成跨應用任務。

在具體測試中，Gemini 3.5 Flash-Lite相比上一代模型也有明顯提升：在Terminal-Bench 2.1編程Agent測試中，成績從31%提升到54%；在測試長上下文理解能力的GDM-MRCR v2中，從60.1%提升到72.2%；在更貼近真實工作場景的GDPval-AA v2任務執行測試中，從642提升到1140。

值得注意的是，在一些Agent和代碼相關測試中，Gemini 3.5 Flash-Lite甚至超過了上一代更高定位的Gemini 3 Flash模型。

例如，在SWE-Bench Pro軟件工程測試中，Gemini 3.5 Flash-Lite得分54.2%，高于Gemini 3 Flash的49.6%；在測試AI操作電腦能力的OSWorld-Verified中，Gemini 3.5 Flash-Lite也以74.0%的成績超過Gemini 3 Flash的65.1%。

這意味著，隨著模型能力不斷提升，過去需要更大模型才能完成的部分Agent任務，正在逐漸下沉到更便宜、更快速的模型。

順便一提，除了前兩個面向普通用戶的通用模型，谷歌還推出了Gemini 3.5 Flash Cyber。

它主要針對網絡安全場景。根據官方文檔，在CodeMender系統中，多個Gemini 3.5 Flash Cyber Agent可以協同工作，分別完成不同分析任務，并最終匯總成一份完整報告。在網絡安全基準測試CyberGym中，Flash Cyber也達到了接近前沿模型的表現。

該模型目前不會公開提供，僅通過CodeMender平臺向政府和可信合作伙伴開放。

3.5 Pro：谷歌遲遲交不出的旗艦答卷

如果說Gemini 3.6 Flash和Gemini 3.5 Flash-Lite還可以看作是谷歌對AI規?；瘧玫呐袛?，那么Gemini 3.5 Pro則代表著谷歌的模型上限。

但問題在于：這份答卷，到現在還沒有交出來。

5月I/O的時候，谷歌表示Gemini 3.5 Pro將在“接下來一個月左右”推出，也就是預計在今年6月上線。現在7月都過了一大半了。

據彭博社7月16日報道，Gemini 3.5 Pro的發布時間已經落后原計劃數月。谷歌正在繼續優化模型能力，尤其是編碼表現，希望達到內部設定的目標。

路透社最新的報道則顯示，截至目前，谷歌仍未公布具體上線時間，只表示該模型正在與合作伙伴測試，并將“很快”推出；另有新聞稿透露，Gemini 4的訓練工作已經開始了。

而我們都知道，“很快”就是不確定的意思。

Gemini 1.0發布時就曾因演示爭議受到質疑；Gemini 1.5 Pro憑借百萬token上下文短暫扳回局面，但隨后Claude和GPT系列快速追趕；直到Gemini 3系列發布，谷歌才重新獲得“回到前沿競爭”的評價。

如今Gemini 3.5 Pro再次延期，市場關注的已經不只是一個模型什么時候上線，還有谷歌到底能否保持旗艦模型的競爭節奏問題。

何況谷歌透露出的編碼表現不及預期，并不是什么容易解決的小問題。

隨著Agent開始進入企業工作流，代碼能力的重要性迅速提升。一個模型能否理解復雜項目、修改真實代碼、完成多步驟開發任務，已經成為衡量它是否具備實際生產價值的重要指標。

路透社指出，華爾街正在等待Gemini 3.5 Pro，因為它將成為判斷Google DeepMind是否能夠跟上OpenAI和Anthropic的重要指標。

當然，谷歌并不是沒有動作，這次推出的幾個模型，恰說明谷歌正在強化另一條路線：讓AI變得更便宜、更容易規?；?。

谷歌CEO Sundar Pichai近期也多次強調成本優勢，并表示企業如果將大部分AI工作負載遷移到Gemini模型，可以每年節省超過10億美元。

但問題在于，市場在期待一份證明谷歌模型實力的“答卷”，谷歌交出的卻是兩張關于效率和成本的“草稿紙”——很難不讓人覺得，谷歌在用Flash系列填補Pro延遲留下的空檔。

有意思的是，在Gemini 3.5 Pro延期的同時，AI競爭格局正在發生變化。

過去，人們討論AI領先者，主要關注海外“御三家”：OpenAI、Anthropic和Google DeepMind。

但最近，GLM-5.2、Kimi K3等國產模型也開始進入前沿競爭，并引發了大量討論。

前沿模型的追趕速度正在加快，也讓谷歌的問題變得更加緊迫，它當然可以繼續大力推出Flash模型，但前提是它的旗艦模型足夠給力——只要硬實力足夠，自有大儒為他辯經。

如果谷歌最終推出一個真正領先的旗艦模型，那么Flash路線會成為完整體系的一部分：Pro負責突破能力上限；Flash負責規模化應用。

但如果Gemini 3.5 Pro持續落后，市場很可能會繼續追問：谷歌擁有最強AI研究資源，為什么卻無法穩定跑贏競爭對手？

在Alphabet本周舉行第二季度財報電話會議時，人們很可能會進一步詢問有關Gemini 3.5 Pro的更多細節。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4877229.html?f=wyxwapp