刚刚，Gemini3.6 Flash 正式发布，但网友笑得更大声了

本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《刚刚，Gemini 3.6 Flash 正式发布，但网友笑得更大声了》

如果你从去年就开始用Gemini，那感觉就像看着自家兄弟慢慢得了阿尔茨海默症。

这是最近网友对Gemini的一句调侃。

按理说，一家公司发新模型，通常是来打脸这种调侃的。可就在刚刚，Google一口气发了三个新模型之后，网友非但没收回这句话，反而笑得更大声了。多少有种他们都不看好你，可偏偏你最不争气的即视感。

三个模型分别是3.6 Flash、3.5 Flash-Lite，还有一个专搞网络安全的3.5 Flash Cyber。官方博客的措辞也相当眼熟，「更高效」「更聪明」「为大规模AI agent而生」，一句不落。

只不过，实际体感却冰火两重天。

主角登场，3.6 Flash到底强在哪

先说头牌，3.6 Flash。官方给的定位就俩字——「主力」（workhorse），干活模型。

3.5 Flash是今年5月I/O大会上发的，这次算是小版本迭代。

最大的卖点是省token。

按Artificial Analysis Index的数据，3.6 Flash比3.5 Flash少用17%的输出token，在DeepSWE（Datacurve出的基准）这类场景上甚至能省到65%。官方还说它跑多步任务时，推理步数和工具调用都更少。也就是说，干同样的活，废话更少，绕路更少，账单更薄。

价格也确实降了。输入1.5美元/百万token，输出7.5美元/百万token——注意，上一代3.5 Flash的输出是9美元，这波直接砍到7.5。又快又省，单个agent任务的成本就压下来了。

基准测试上，官方摆出了一整排数据。

代码能力是重点。DeepSWE从37%提升到49%，官方的说法是多余的代码改动更少、执行循环也更短，生成的代码更贴近生产环境的要求。机器学习研究方向的MLE Bench提升更明显，从49.7%拉到了63.9%。

计算机操作（computer use）能力也有长进，OSWorld-Verified从78.4%升到83%。并且，「计算机操作」（computer use）也成了Gemini API和企业版的内置工具，主打一个开箱即用。

知识工作方面，GDPval-AA v2从1349涨到1421。Hebbia、Harvey等客户反馈，它在文档解析、图表数据分析、报告起草这类多模态任务上表现尤其突出。Figma、JetBrains也都出面背书了一番。

哦对了，还有个不起眼但挺实在的更新：知识截止日期终于从2025年1月推进到了2026年3月。老黄历总算翻篇了。

安全这块，官方说3.6 Flash上了升级版的Frontier Safety防护，重点盯着CBRN（化学、生物、放射性、核）和网络攻击这两类滥用，抗越狱能力更强了，同时又尽量不误伤正常需求、少乱拒绝。

·以小博大，便宜大碗的3.5 Flash-Lite也能更换推理档位了

第二个是3.5 Flash-Lite，定位比3.6 Flash还低一档，主打「快」和「便宜」，专治高吞吐、低延迟的任务，比如agent搜索、文档处理。

它是3.5系列里最快的，按Artificial Analysis的测量是每秒吐350个token。价格更是白菜——输入0.3美元、输出2.5美元每百万token。官方说质量比3月发的3.1 Flash-Lite好一大截。

有个设计挺灵活：它支持调「推理档位」。低配活儿就开最低档，图个快和省；碰上要多步拆解的子任务，就把思考档位往上拨。电脑操作这次也做成了内置工具。

跟前代比，提升相当明显：代码和agent任务的Terminal-Bench 2.1，从31%干到54%；长上下文的GDM-MRCR v2，从60.1%提到72.2%；真实任务执行的GDPval-AA v2，更是从642飙到1140。

最有意思的是，这个「小弟」在不少agent和代码任务上，居然反超了辈分更高的3 Flash。

比如SWE-Bench Pro（54.2%vs 49.6%）、OSWorld-Verified（74.0%vs 65.1%）。以小博大，属实有点东西——等于说跑3 Flash的活儿，现在有了个更快更强的平替。

官方还举了几个用法：从海量电商数据里抽产品特征、给3.6 Flash当副手一口气生成25个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp这几家客户也来夸了它「速度、智能、成本三合一」。

最后一个3.5 Flash Cyber，画风突变，专门用来找和修代码里的安全漏洞。

Google的逻辑挺有意思：现在AI找漏洞的速度，已经比现有系统修漏洞的速度快了。既然漏洞越堆越多，那干脆用便宜高效的Flash来批量补锅。

这个模型是在3.5 Flash基础上微调出来的，搭配自家的CodeMender工具用。CodeMender里跑的是好几个Flash Cyber agent，协同工作、最后汇总成一份报告。

在业内有名的CyberGym基准上，官方称它摸到了第一梯队的水平，还比更大的模型更省token。

不过这模型我们暂时也用不上。

考虑到「找漏洞」这种能力是把双刃剑，浓眉大眼的Google也学Anthropic玩起了安全叙事。把它锁得死死的——只对「可信合作伙伴」限量开放，走内测。目的是给一线防守方争取时间，赶在漏洞被人利用前先修掉，同时防着有人拿它去干坏事。

说好的3.5 Pro呢？如来

看到这儿你可能会问：发了一堆Flash，那真正的旗舰3.5 Pro去哪了？

官方口径是「正在和合作伙伴测试，准备好就上」。但这套说辞背后的故事，可能没那么体面。

据彭博社等媒体报道，3.5 Pro的代码生成能力一直没达到内部预期。Google6月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google干脆推翻了原来的训练方案，从零开始重训。

而Google AI宣传委员Logan Kilpatrick更是索性在舆论上直接跳过3.5 Pro，将预告的重点放在了Gemini 4，声称他们已经启动了史上最雄心勃勃的Gemini 4预训练，还放话说进展让人兴奋。

听着虽然挺提振人心，但把它放在「旗舰跳票」的背景下看，多少有点转移视线、画饼续命的味道了。

除了这些内幕，光看今天刚刚发布的Flash模型本身，网友们也并不全然买账。

第三方评测机构Artificial Analysis表示：两个新模型确实把单任务耗时砍半、token效率也提升了，Flash-Lite的智能指数涨了11分——但3.6 Flash的智能水平，相比3.5 Flash基本原地踏步。

价格没有便宜到足以忽略能力差距，能力也没有高到能够解释它的成本。

X网友吐槽道：3.6 Flash在Artificial Analysis上跟3.5 Flash拿了一模一样的分，还不如Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra这一票对手，直呼简直烂透了（阴阳怪气doge）。

吐槽的还不止一个。

网友Angel则直接从性价比入手：Gemini 3.6 Flash的使用成本比GPT-5.6 Sol medium还高，可智能程度反而更低。又贵又笨，这组合属实有点尴尬——毕竟Flash系列立身的根本就是「性价比」，结果被人当场指出性价比不如对手，等于自砸招牌。

作为对比，OpenAI的Tibo刚刚也发话了：由于周活跃用户达到1000万，新的一天，Codex和ChatGPT Work的付费用户迎来新一轮额度重置，尽情享用。

这对比，这落差，还有人记得大明湖畔的Google Gemini 3？

实测派也来补刀。网友Balder更是直接开团：

这三个模型性能全比之前的3.5 Flash差。他甩出自己的测试吐槽，说问题包括但不限于——基础解码就有毛病、中文选词经常很离谱；生成的图片视频质量极差、跟指令对不上还限额严重；经常记忆混乱、调用完全错误的工具。

而且他还上了个阴谋论，认为Google之所以这么搞，是为了把算力腾出来卖给Anthropic，还阴阳了一句这就是皮查伊想要的「Cloud First」。

此外，X网友Conor Dart用Google自家的Antigravity跑了个AI生成游戏的测试，结果没有出乎意料，木头纹理更差了，大理石看着差不多但还是不能用。他直言这又是一次翻车，表示自己还是等Gemini 3.5/3.6 Pro吧。

简言之，你别问新模型强不强，你就说Flash不Flash就完事了。一边是官方更高效、更便宜、更省token的漂亮账本，一边是大多数网友的当场差评，以及模型背后的旗舰跳票、大牛出走、市值缩水等一连串糟心事。

这很难不让人好奇是不是Google这次真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个Flash稳住场子？

反正Gemini 4的预训练都开跑了。这一把要是再翻车，那句阿尔茨海默的玩笑，可就真要成谶语了。