Gemini 3.5 Pro难产，谷歌先交了两张草稿纸

7月21日，谷歌悄无声息地丢出了两个新模型：Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite。 没有预告，没有预热，它们就这么直接出现在了 Google AI Studio 和 Gemini 的模型选择器里。如果要用一句话来概括这次更新，那就是：谷歌在旗舰模型难产之际，先交了两张“草稿纸”。 这两个模型，一个主打更强的代码和 Agent 能力，另一个则瞄准更低成本的大规模调用。而作为旗舰担当的 Gemini 3.5 Pro，千呼万唤，依然没个影。 按照原计划，3.5 Pro 本该在6月上线，现在7月都快过完了，这款被寄予厚望的模型仍然没有正式亮相。旗舰答卷迟迟不交，先拿出两张“草稿纸”，这葫芦里到底卖的什么药？

3.6 Flash：比上一代便宜，但未必比上一代聪明

谷歌表示，相比上一代 Flash 模型，Gemini 3.6 Flash 在编码、推理和工具调用方面都有提升，同时通过减少输出 token 来降低运行成本。 Gemini 3.6 Flash 的定位很清楚：一个面向真实生产环境的高效模型，说得更直白点，就是为 Agent 服务。在 Agent 时代，一次任务可能需要几十轮模型调用，这意味着模型不仅要聪明，还必须足够快、足够便宜。 Google 此前已经在 Gemini 3.5 Flash 上强化了这条路线。根据最新 API 文档，Gemini 3.5 Flash 支持 100 万 token 的长上下文，能一次处理大量信息，同时支持代码执行、调用外部工具、搜索文件等能力，可以完成更复杂、更长时间的任务。Gemini 3.6 Flash 延续了这条路线，它追求的不是单次回答的质量，而是一个“能承担得起每日真实工作”的位置。 Gemini 3.6 Flash 的定价如下： * 输入：1.50 美元/百万 token * 输出：7.50 美元/百万 token 相比此前 Gemini 3.5 Flash 每百万 token 输入 1.5 美元、输出 9 美元的价格，输入成本没变，但输出成本进一步下降。对于需要大量调用 AI 的企业来说，这种成本变化可能比 benchmark 上几个百分点的提升更加重要。 另外，谷歌展示的一项内部测试显示，在完成同一任务时，Gemini 3.6 Flash 相比 3.5 Flash 减少了 55.8% 的 token 消耗，同时将任务评分从 85 分提升到了 100 分。当然，这只是谷歌自己的测试，但足以说明 Google 希望展示的方向：新模型不仅更省，而且能用更少的计算完成同样甚至更好的任务。 在那些公开的 benchmark 里，谷歌主要强调的是代码能力和 Agent 能力。在 DeepSWE 代码评测中，Gemini 3.6 Flash 得分 49%，高于上一代的 37%。谷歌表示，新模型能够减少无效代码修改和重复执行过程。在测试 AI 操作电脑能力的 OSWorld-Verified 评测中，Gemini 3.6 Flash 得分 83%，超过 3.5 Flash 的 78.4%。而在面向机器学习任务的 MLE Bench 中，Gemini 3.6 Flash 得分 63.9%，相比上一代的 49.7% 也有明显提升。 不过，这些数据更多说明的是 Gemini 3.6 Flash 相比上一代有所进步。如果放到当前大模型竞争中横向比较，Google 选择的对手是 GPT-5.6 Luna、Grok 4.5 和 Claude Sonnet 5。从结果来看，Gemini 3.6 Flash 并没有全面领先，GPT 和 Claude 的模型在复杂软件工程和知识工作任务上仍然保持优势。 但这其实也是 Flash 系列存在的意义：它不一定要成为最强模型，只需要在明显低于旗舰模型成本的情况下，提供够用的能力。 最新测评之外，根据 Artificial Analysis 的发布前测试，Gemini 3.6 Flash 在 Intelligence Index 上拿到了 50 分，与 Gemini 3.5 Flash 持平。这意味着，如果只看模型综合“智力”，Gemini 3.6 Flash 并没有什么升级。 但是呢，它的速度又很好地弥补了这一点。Artificial Analysis 还统计了模型完成 Intelligence Index 任务所需的平均时间。结果显示，Gemini 3.6 Flash 每项任务平均耗时约 1.3 分钟，相比上一代 3.5 Flash 的约 2.7 分钟，减少了一半。与此同时，Gemini 3.5 Flash-Lite 的任务完成时间也从上一代 3.1 Flash-Lite 的约 1.6 分钟，下降到约 0.6 分钟。 总的来说，Gemini 3.6 Flash 的升级方向其实是效率——更少的 token 消耗，更低的运行成本，以及更适合长期运行的 Agent 能力。对于习惯使用 Gemini 3.5 Flash 的用户来说，确实是非常不错的升级。

3.5 Flash-Lite：更快，但没上一代便宜

再来看另一个模型 Gemini 3.5 Flash-Lite。顾名思义，Flash-Lite 是 Flash 系列中更轻量的版本，相比 Flash，它牺牲了一部分能力上限，换取了更低的成本和更快的速度。 就像前面提到的，Gemini 3.5 Flash-Lite 的任务完成时间从上一代 3.1 Flash-Lite 的约 1.6 分钟，下降到了约 0.6 分钟。3.5 Flash-Lite 也是 3.5 系列中速度最快的型号，根据 Artificial Analysis 测试数据，其生成速度达到约 350 token/秒，已经属于当前主流大模型中的高速水平。 Gemini 3.5 Flash-Lite 的定价如下： * 输入：0.30 美元/百万 token * 输出：2.50 美元/百万 token 相比 Gemini 3.6 Flash，输入价格约为 1/5，输出价格约为 1/3。不过，与上一代 Gemini 3.1 Flash-Lite 相比，新模型并没有进一步降价。虽然 Gemini 3.5 Flash-Lite 由于能力提升，可以通过减少输出量降低部分成本，但综合起来，还是很难抵消单价上的成本增加。 根据最新文档，相比上一代 Gemini 3.1 Flash-Lite，新模型在不同思考等级下都有明显提升。开发者可以根据任务需求调整模型的思考深度。此外，Gemini 3.5 Flash-Lite 还内置了 Computer Use 能力，可以帮助 Agent 更可靠地操作电脑环境，完成跨应用任务。 在具体测试中，Gemini 3.5 Flash-Lite 相比上一代模型也有明显提升：在 Terminal-Bench 2.1 编程 Agent 测试中，成绩从 31% 提升到 54%；在测试长上下文理解能力的 GDM-MRCR v2 中，从 60.1% 提升到 72.2%；在更贴近真实工作场景的 GDPval-AA v2 任务执行测试中，从 642 提升到 1140。 值得注意的是，在一些 Agent 和代码相关测试中，Gemini 3.5 Flash-Lite 甚至超过了上一代更高定位的 Gemini 3 Flash 模型。例如，在 SWE-Bench Pro 软件工程测试中，Gemini 3.5 Flash-Lite 得分 54.2%，高于 Gemini 3 Flash 的 49.6%；在测试 AI 操作电脑能力的 OSWorld-Verified 中，Gemini 3.5 Flash-Lite 也以 74.0% 的成绩超过 Gemini 3 Flash 的 65.1%。 这意味着，随着模型能力不断提升，过去需要更大模型才能完成的部分 Agent 任务，正在逐渐下沉到更便宜、更快速的模型。 顺便一提，除了前两个面向普通用户的通用模型，谷歌还推出了 Gemini 3.5 Flash Cyber。它主要针对网络安全场景。根据最新文档，在 CodeMender 系统中，多个 Gemini 3.5 Flash Cyber Agent 可以协同工作，分别完成不同分析任务，并最终汇总成一份完整报告。在网络安全基准测试 CyberGym 中，Flash Cyber 也达到了接近前沿模型的表现。 该模型目前不会公开提供，仅通过 CodeMender 平台向政府和可信合作伙伴开放。

3.5 Pro：谷歌迟迟交不出的旗舰答卷

如果说 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 还可以看作是谷歌对 AI 规模化应用的判断，那么 Gemini 3.5 Pro 则代表着谷歌的模型上限。但问题在于：这份答卷，到现在还没有交出来。 5月I/O的时候，谷歌表示 Gemini 3.5 Pro 将在“接下来一个月左右”推出，也就是预计在今年6月上线。现在7月都过了一大半了。据彭博社7月16日报道，Gemini 3.5 Pro 的发布时间已经落后原计划数月。谷歌正在继续优化模型能力，尤其是编码表现，希望达到内部设定的目标。路透社最新的报道则显示，截至目前，谷歌仍未公布具体上线时间，只表示该模型正在与合作伙伴测试，并将“很快”推出；另有新闻稿透露，Gemini 4 的训练工作已经开始了。 而我们都知道，“很快”就是不确定的意思。 回顾一下，Gemini 1.0 发布时就曾因演示争议受到质疑；Gemini 1.5 Pro 凭借百万 token 上下文短暂扳回局面，但随后 Claude 和 GPT 系列快速追赶；直到 Gemini 3 系列发布，谷歌才重新获得“回到前沿竞争”的评价。如今 Gemini 3.5 Pro 再次延期，市场关注的已经不只是一个模型什么时候上线，还有谷歌到底能否保持旗舰模型的竞争节奏问题。 何况谷歌透露出的编码表现不及预期，并不是什么容易解决的小问题。随着 Agent 开始进入企业工作流，代码能力的重要性迅速提升。一个模型能否理解复杂项目、修改真实代码、完成多步骤开发任务，已经成为衡量它是否具备实际生产价值的重要指标。路透社指出，华尔街正在等待 Gemini 3.5 Pro，因为它将成为判断 Google DeepMind 是否能够跟上 OpenAI 和 Anthropic 的重要指标。 当然，谷歌并不是没有动作，这次推出的几个模型，恰恰说明谷歌正在强化另一条路线：让 AI 变得更便宜、更容易规模化。谷歌 CEO Sundar Pichai 近期也多次强调成本优势，并表示企业如果将大部分 AI 工作负载迁移到 Gemini 模型，可以每年节省超过 10 亿美元。 但问题在于，市场在期待一份证明谷歌模型实力的“答卷”，谷歌交出的却是两张关于效率和成本的“草稿纸”——很难不让人觉得，谷歌在用 Flash 系列填补 Pro 延迟留下的空档。 有意思的是，在 Gemini 3.5 Pro 延期的同时，AI 竞争格局正在发生变化。过去，人们讨论 AI 领先者，主要关注海外“御三家”：OpenAI、Anthropic 和 Google DeepMind。但最近，GLM-5.2、Kimi K3 等国产模型也开始进入前沿竞争，并引发了大量讨论。前沿模型的追赶速度正在加快，也让谷歌的问题变得更加紧迫。它当然可以继续大力推出 Flash 模型，但前提是它的旗舰模型足够给力——只要硬实力足够，自有大儒为他辩经。 如果谷歌最终推出一个真正领先的旗舰模型，那么 Flash 路线会成为完整体系的一部分：Pro 负责突破能力上限；Flash 负责规模化应用。但如果 Gemini 3.5 Pro 持续落后，市场很可能会继续追问：谷歌拥有最强 AI 研究资源，为什么却无法稳定跑赢竞争对手？ 在 Alphabet 本周举行第二季度财报电话会议时，人们很可能会进一步询问有关 Gemini 3.5 Pro 的更多细节。