谷歌连发三款“Lite、Flash”模型 但最强Pro再次缺席

作者：晓静，腾讯科技

美国当地时间7月21日，谷歌DeepMind团队一口气放出三款新的Gemini模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite以及Gemini 3.5 Flash Cyber。

其中，主力模型Gemini 3.6 Flash在编码和多模态任务上表现更强，但更关键的是，它处理相同工作所消耗的输出token比前代减少了17%到65%。

Gemini 3.5 Flash-Lite主打极致的速度与性价比，每秒可生成350个输出token。

而Gemini 3.5 Flash Cyber则是一款针对网络安全漏洞检测与修复进行微调的专用模型，目前仅向政府和特定合作伙伴开放。

与此同时，外界期待已久的旗舰模型Gemini 3.5 Pro依然没有露面，谷歌表示它正在与合作伙伴进行测试，并首次透露，更庞大的Gemini 4预训练工作已经启动。

告别“啰嗦”的AI

在大语言模型的应用成本中，输出token的数量直接关联到费用与延迟。Gemini 3.6 Flash的设计目标之一，就是降低这种不必要的消耗，同时保持或增强任务完成的质量。

第三方基准测试机构Artificial Analysis Index的实测显示，该模型输出token使用量较前代降低了17%。在需要多步骤推理和工具调用的复杂工程任务中，节省效果更为明显。

例如在Datacurve的DeepSWE基准测试中，token消耗减少了65%，这意味着Gemini 3.6 Flash在完成任务时执行了更少的冗余代码编辑和循环操作。

这种效率提升还带来了直接的价格下降。

Gemini 3.6 Flash定价为每百万输入token 1.50美元，每百万输出token 7.50美元。相较于3.5 Flash每百万输出token 9美元的价格，单次智能体任务的总成本有所降低。

性能方面，Gemini 3.6 Flash在多个基准测试中取得了可量化的提升。

DeepSWE测试中得分为49%，高于3.5 Flash的37%。MLE-Bench机器学习工程基准测试中，得分从49.7%提升至63.9%。

计算机使用能力在OSWorld-Verified测试中得分为83%，此前为78.4%，该功能现已成为Gemini API和Gemini Enterprise的内置客户端工具。

知识工作方面，GDPval-AA v2基准上的得分从1349提升至1421。

多家客户已经给出反馈。

Figma、Harvey、Hebbia和JetBrains均表示，Gemini 3.6 Flash在处理复杂工作流和知识型任务时，在token效率、准确性和速度之间取得了平衡。

谷歌展示了Gemini 3.6 Flash在几个实际场景中的表现。

在金融领域，该模型使用AI Studio上的Managed Agents，能够比Gemini 3.5 Flash更高效、更准确地解析和分析财务数据及记录。

在代码迁移任务中，Gemini 3.6 Flash在Antigravity平台上借助多智能体编排执行操作，比前代具有更低的延迟和更高的质量。

在创意工具方面，Gemini 3.6 Flash利用视觉理解能力，通过Antigravity和tldraw开源绘图工具构建了一个交互式主题工作室。

此外，该模型还使用Gemini App中的画布功能，帮助开发者制作了一个用于3D工作流的摄影纹理提取器。

在速度上卷出新高度

Gemini 3.6 Flash追求的是效率平衡，Gemini 3.5 Flash-Lite追求的则是速度极限。

谷歌将其定义为3.5系列中“最快、最具成本效益”的模型。根据Artificial Analysis的实测，它的生成速度达到每秒350个输出token，这大约是上一代3.1 Flash-Lite速度的两倍。

定价也极具竞争力，每百万输入token 0.30美元，输出token 2.50美元。这种低成本和高速度，瞄准的是高吞吐量的业务场景，例如智能体搜索、大规模文档处理等。

虽然名字中带有Lite，但Gemini 3.5 Flash-Lite在SWE-Bench Pro测试中，得分54.2%，超过了标准版Gemini 3 Flash的49.6%。在OSWorld-Verified测试中，它以74%的成绩优于Gemini 3 Flash的65.1%。

开发者还能根据工作负载调整模型的“思考层级”：处理简单的高容量任务时，可设为最低思考以换取低延迟和低成本；面对复杂子智能体任务时，再提高思考层级保证质量。

谷歌公布了Gemini 3.5 Flash-Lite在四个场景中的演示案例。

第一个是从海量电子商务数据集中提取产品特征并进行整合。

第二个是作为主智能体与Gemini 3.5 Flash-Lite协同工作，即时生成25个独特的、可随时探索的网页设计概念。

第三个是利用多模态理解能力，大规模进行收据翻译和摘要。

第四个是通过即时生成并迭代多个选项来构建游戏。

早期客户Ashler、Paloalto和Ramp均强调了该模型在速度、智能和成本效益方面的独特组合，认为其适用于扩展智能体工作流和数据处理任务。

“白帽黑客”专用模型

谷歌发布的第三款模型Gemini 3.5 Flash Cyber，是专门用来发现和修补网络安全漏洞的。

这款模型基于Gemini 3.5 Flash进行微调，谷歌希望它能以更低的token成本，去完成那些通常交给大模型的代码安全任务。在名为CyberGym的基准测试中，它的表现已经达到了前沿水平。

不过，鉴于网络攻防的双刃剑性质，谷歌对这款模型采取了审慎的交付策略。它不会面向所有开发者开放，而是直接集成到谷歌的代码安全智能体CodeMender中，作为一个有限访问试点项目，仅独家提供给政府和受信任的合作伙伴。

谷歌Gemini团队产品管理高级总监图尔西·多希表示，这是为了让一线的防御者能在关键漏洞被广泛利用前，抢先一步发现并修复它们，降低被滥用的风险。

谷歌透露，在内部测试中，这个模型在开源代码库V8 JavaScript Engine中找出了55个问题，其中10个漏洞是其他模型未能发现的。

从三款新模型的布局能看出，谷歌当前的策略是在效率上建立优势。

当下，越来越多的企业开始审视AI投入产出比，意识到大量消耗token并不总能换来好结果。谷歌CEO桑达尔·皮查伊在今年早些时候就提过，有的公司5月份就花完了全年的token预算，如果能混合使用Flash模型和其他前沿模型，能节省大量资金。

这种思路反映在产品上，就是不断压低成本、提高速度，同时增强模型处理具体任务的能力。

伴随这些高性能指标，安全也是必须要做的功课。Gemini 3.6 Flash在化学、生物、放射性、核（CBRN）以及网络攻击滥用方面，都加强了前沿安全防护，提升了抵御越狱攻击的能力，同时尽量减少对正常有益用途的拒绝。

对于普通用户和开发者，这些模型自发布当天就可以在Google AI Studio、Android Studio和Gemini应用里用到，同时可在Google Antigravity及Gemini Enterprise应用中使用。

Gemini 3.5 Flash-Lite还会逐步在谷歌搜索引擎中推开。Gemini 3.5 Flash Cyber，将通过CodeMender以邀请制落地。

3.5 Pro仍在测试，Gemini 4已在路上

尽管Flash模型陆续到位，但开发者社区更关心的问题始终是：Gemini 3.5 Pro何时发布？

谷歌上一次更新Pro系列模型是在今年2月发布的Gemini 3.1 Pro。此后，竞争对手的旗舰产品持续迭代。

OpenAI先后发布了GPT-5.5并开始推出GPT-5.6，Anthropic推出了Claude Opus 4.8和Claude Sonnet 5，并扩大了前沿模型Fable 5的访问权限。

今年5月，谷歌在发布Gemini 3.5 Flash时曾预告Pro版本已在内部使用，预期一个月内推出。如今已至7月末，该模型仍处于未公开状态。彭博社此前报道称，谷歌因难以达到内部性能目标，在推出3.5 Pro方面面临内部延迟。

对此，谷歌DeepMind技术负责人洛根·基尔帕特里克在社交媒体上回应说，Gemini 3.5 Pro正在与合作伙伴进行测试，计划在准备就绪后立即广泛提供。但他没有给出具体的时间节点。

谷歌方面并未详细解释延期原因，但在公布Flash系列的同时，首次正式提及了下一代旗舰模型Gemini 4的进展。团队表示，已经启动了Gemini 4的预训练工作，并称其为“迄今为止最雄心勃勃的预训练工作”。

这在一定程度上表明，谷歌的模型研发管线仍在持续推进，而3.5 Pro的交付节奏可能受内部测试和性能目标的影响。

美国网络科技媒体BI表示，截至Flash系列新模型发布当天，在Artificial Analysis的数学和推理等综合基准测试中，谷歌还没有一款模型进入该排行榜前十名。

新模型开放访问后，开发者社区很快传出了相当数量的负面声音。这些反馈主要集中在3.6 Flash的实际表现上。

有开发者在构建3D金门大桥场景时，反复提示了三次，模型仍持续忽略指令。最终输出质量甚至还不如5个月前发布的Gemini 3.1 Pro。

另一位开发者在Antigravity平台上测试后反馈，木头纹理质量更差，大理石缺乏功能性，在AI游戏测试中同样失利。

有用户给模型布置中等规模任务，两分钟就完成了，但结果被评价为“一个本地4B模型都能比它做得更好”。

还有人将矛头指向了性价比。

有评论指出，3.6 Flash虽然便宜，但在每个编码基准上都表现不佳。相比之下，Kimi K3和GLM 5.2等模型由资本规模远小于谷歌的实验室打造，却交出了更好的成绩。

月之暗面作为Kimi的创建者，估值约300亿美元，与谷歌约4.5万亿美元的市值相差约150倍。开发者对此表达了困惑。

更具体的数据来自Artificial Analysis的评分。

有用户注意到，3.6 Flash在该平台上的得分与3.5 Flash完全相同，但排在Meta Spark 1.1、GLM-5.2、GPT-5.6 Luna、Claude Sonnet 5、Grok 4.5和GPT-5.6 Terra之后。