谷歌非常焦虑

本文来自微信公众号： 格隆 ，作者：万连山

Gemini似乎渐渐变成了大号豆包。

昨夜，万众期待的Gemini 3.5 Pro没来，谷歌却端上来三道配菜。

Gemini 3.5 Flash-Lite。

定位高吞吐、低延迟，速度跑到每秒350个token，输入0.3美元、输出2.5美元/百万token。

跟3月发布的3.1 Flash-Lite比，Terminal-Bench 2.1从31%上升到54%，长文本理解基准GDM-MRCR v2从60.1%拉到72.2%，真实任务执行力GDPval-AA v2更是从642飙到1140。

跑分非常好看。

Gemini 3.5 Flash Cyber。

据DeepMind拿Chrome的V8 JavaScript引擎当靶子测试，用“一个问题连问5遍取交集”的多智能体套路，Cyber找出了55个独立确认漏洞，比3.5 Flash（47个）和Claude Opus 4.6（36个）都要多，其中10个是别的模型完全没揪出来的。

不过这款目前只对政府机构和“受信任合作伙伴”开放试点，普通用户用不了。

Gemini 3.6 Flash。

相比3.5 Flash，在Artificial Analysis Index测量下少用17%的输出token，在DeepSWE基准上，token消耗甚至能省到65%。

硬指标上也往上走了一截：SWE-Bench Pro从55.1%涨到58.7%，MLE-Bench从49.7%提升到63.9%，OSWorld-Verified从78.4%提到83.0%，GDPval-AA v2从1349涨到1421。

价格也降了一些：每百万输出token从9美元砍到7.5美元，输入维持1.5美元不变，还带上下文缓存读取（0.15美元/百万token）。

总之，听上去感觉都还不错。

但是，三者的风评却完全不对称。

Flash-Lite被公认是真升级，Cyber走专业路线没什么争议，本该挑大梁的3.6 Flash，却被大量差评淹没。

这个评价有些过分了。

但有一点不得不承认：谷歌正被架在火上烤。

01

这次雷声大雨点小的发布会，是当下AI竞赛的一个缩影。

行业确实形成了新的共识：重心从“卷参数、卷跑分”转向“卷效率、卷单位成本”，用更少的算力干等量甚至更多的活。

3.6 Flash和Flash-Lite主打的token效率提升、推理步骤精简，本质上是几乎所有大厂都在做的事。

Flash Cyber针对具体高价值场景（比如网络安全漏洞挖掘）单独调优、用多智能体协作把成本摊薄。

这种打法部署更快、成本更低，未来大概率也会被更多企业复制。

但也不能因为这样，就完全忽视了模型能力的升级。

所以，3.6 Flash到底是什么鬼？

为了强行降低输出Token的成本，谷歌极大概率在后训练和RLHF阶段，粗暴地剪枝了模型生成冗余结构标签的倾向。

结果就是，模型直接省略了必要的包裹层和样式重置代码。

你以为它变快了，其实是变傻了。

据昨夜多位知名开发者的连夜测试数据，3.6 Flash在生成带有超过3个层级嵌套的React/Vue组件时，标签闭合错误率高达42%。

Artificial Analysis给出的智能指数上，3.6 Flash只拿了50分，跟3.5 Flash完全打平，排在Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra一大票对手后面；反倒是Flash-Lite涨了11分。

虽然价格降了一点，但有人算了账，它每token的使用成本比GPT-5.6 Sol medium还贵，智能程度却更低。

flash模型的特点就是性价比，你这又贵又笨是怎么回事？

这就很尴尬。

按理说，谷歌这种巨头，内部测试流程极其严格，为什么会发布这样一个有明显缺陷的新模型？

最核心的原因，谷歌官方可能已经说出来了：

我们已经开始了迄今为止最雄心勃勃的预训练任务，Gemini 4。

翻译一下就是，算力全部调去跑Gemini 4的预训练了。

彭博社援爆料的信息，3.5 Pro内部测试没能达到既定目标，短板主要集中在编码能力上，迟迟达不到发布标准。

谷歌6月底曾专门针对性更新训练数据想补齐编码短板，结果效果不尽如人意。

而与此同时，对手一点没闲着：OpenAI已经发布GPT-5.5并开始推送GPT-5.6，还官宣给付费用户重置使用额度；Anthropic则接连推出Claude Opus 4.8、Claude Sonnet 5，并扩大了Fable 5的开放范围。

自家旗舰迟迟不来，对手却接连上新抢占市场，谷歌总得拿出点动静证明自己没有躺平。

只能把原本只是测试分支的3.6 Flash和Lite版本拿出来凑数。

其次，财报的压力。

谷歌今晚就要交出Q2财报，市场预期营收1169亿美元、每股收益2.90美元，Cloud业务增速预计在64%左右。

真正左右市场方向的，是云业务增长曲线和管理层有没有给3.5 Pro一个更靠谱的时间表，而不是用户对3.6 Flash的吐槽热度。

之前的Grok 4.5发布时，我们已经讨论过。

目前，AI行业的叙事逻辑已经发生了巨大变化。

模型有多强不再是唯一的指标，更重要的是能不能赚钱。

谷歌云的销售团队，需要更便宜、速度更快、Token消耗更少的模型，去跟微软Azure和AWS打价格战。

为了实现降本目标，研发团队被迫使用了极端的多专家混合网络路由剪枝策略和高损的KV Cache压缩。

结果就是，前端生成和空间推理这种需要高度注意力机制的全量在线复杂任务，成为了成本优化的牺牲品。

所以，尽管在用户社区上骂声一片，但摩根士丹利、摩根大通、高盛等机构依然维持看多评级，理由是谷歌在算力基建、Cloud和Workspace分发渠道上的护城河依然坚固。

昨夜，谷歌股价仅仅微跌1.38%，也远不及前几周因人才和跳票消息造成的暴跌。

目前的真实情况是：谷歌不是没有牌可打了，而是打法太乱。

一手基建和分发的好牌，但旗舰迟迟不到位、核心人才不断被挖角、发布节奏被对手牵着鼻子走的窘境，凑在一起显得格外拧巴。

02

Gemini 3.6flash这次发布即被群嘲，只是谷歌今年AI故事里的一个小插曲。

它的大企业病症状，已经明显成为竞争中的障碍。

至少表现在两个方面。

第一，内斗不断。

虽然早在几年前谷歌就将Google Brain和DeepMind合并为了Google DeepMind，但强扭的瓜根本不甜。

3.6flash就是个典型的例子。

模型底层优秀的Token吞吐能力，显然是底层工程团队（原Brain系）优化的功劳；而极度糟糕的视觉-空间融合，暴露了多模态训练团队在资源争夺上的失败。

负责模型基座的团队和负责多模态视觉微调的团队，似乎根本没有好好沟通。

导致视觉Encoder传过来的特征向量，跟语言大模型的输入空间之间，存在着巨大的语义鸿沟。

更糟糕的是，没人愿意为之负责，所有人都只想完成任务赶紧交差。

谷歌AI团队结构

第二，创新者窘境。

即我们常说的船大难掉头。

归根结底，谷歌所有的AI动作，都笼罩在保护其万亿市值基石——搜索广告业务的阴影下。

比如，为什么Gemini始终在Agent操作UI这件事上显得畏手畏脚？

因为如果一个AI能够完美地理解网页结构，帮你买东西、帮你查资料，谁还会去看谷歌搜索结果页面上的广告？

这根本就不是技术上的问题，而是战略上无法让AI接管UI。

Google Search一年创造数千亿美元广告收入。

任何AI战略都必须考虑，“如果AI替代搜索，会不会砍掉自己的利润？”

这是非常现实的问题。

谷歌确实需要AI成为一个强大的辅助工具（所以它推GitHub Copilot接入、推文档处理工具），但它更恐惧能够完全替代用户浏览网页的Agent。

过去，谷歌拥有搜索入口、Android入口、浏览器入口、YouTube入口、云入口，是全球互联网最豪华的生态。

如果AI真的成为下一代入口，谷歌最大的恐惧不是输掉一个模型，而是输掉下一代计算入口。

所以我们最终看到的结果：

谷歌明明拥有最顶级的研究能力，商业执行速度却总是慢一拍。

可惜，时间不等人。

此时此刻，OpenAI在下注，Anthropic在下注，开源社区在下注，中国AI公司也在下注……

几年之内，互联网行业很可能迎来前所未有的重新洗牌。

而谷歌能不能完成从“搜索巨头”到“AI基础设施巨头”的转型，将决定它未来十年的生态位。