谷歌推出三款新模型，但焦点全在3.6 Flash的失格表现上

谷歌DeepMind近期宣布上线Gemini 3.6 Flash、Gemini 3.5 Flash-Lite与Gemini 3.5 Flash Cyber三款模型。其中，3.6 Flash作为主打轻量高效的新旗舰，却在实际使用中遭遇广泛质疑。它未延续前代优势，反而在多个关键能力维度出现明显退化。

前端生成能力全面崩塌

在界面代码生成测试中，开发者采用标准2-shot提示方式验证其能力。结果输出的HTML/CSS/JS代码存在严重逻辑错误：组件嵌套层级混乱、事件绑定缺失、响应式结构失效，甚至基础布局都无法正确渲染。多位一线工程师反馈，该输出无法通过基础校验，更谈不上投入开发流程。有用户直言：“这是我见过最不可用的界面生成结果。”

空间推理能力不进反退

针对空间关系理解任务（如物体相对位置、朝向判断、遮挡识别等），3.6 Flash在多组可控测试中准确率低于3.5 Flash。视频逐帧分析显示，模型频繁混淆“左/右”“上/下”“前/后”等基本方位，对简单几何构型的理解也出现系统性偏差。即便启用高推理强度模式，错误率未见收敛，部分案例中连静态图示中的基本空间关系都未能识别。

代码与综合能力持续落后

在CursorBench等开发者实测基准中，3.6 Flash表现弱于Cursor Composer 2.5；在第三方横向评测中，其综合得分与3.5 Flash持平，但显著低于Meta Muse Spark 1.1、智谱GLM-5.2、月之暗面Kimi系列及Anthropic Sonnet等同期竞品。谷歌官方公布的视觉与长上下文指标虽具优势，但无法掩盖其在编程、推理、交互等核心场景的短板。

知识更新存疑，宣称与实际严重脱节

模型标称知识截止时间为2026年3月，但实测发现其对2025年中后期发生的重大技术事件、开源项目迭代及行业标准变更均无响应或给出错误信息。大量查询指向2025年1月前的数据状态，证实其训练数据并未如期更新。这一偏差已超出合理延迟范围，被部分用户视为未完成交付的信号。

Flash-Lite与Cyber模型定位清晰，但难掩主线乏力

3.5 Flash-Lite强调吞吐效率，峰值达350 token/s，但高速输出常伴随事实错误与逻辑断裂；3.5 Flash Cyber聚焦网络安全任务，在特定指令集下表现稳定，但通用能力受限。二者均为垂直优化路径，无法替代主干模型应有的基础可靠性。

3.5 Pro延期背后，是技术节奏的失衡

谷歌在公告中明确表示，Gemini 3.5 Pro尚未达到发布标准，而Gemini 4已进入预训练阶段。这一安排暗示当前主力迭代陷入瓶颈——不是单纯调优滞后，而是架构或数据层面需重新锚定方向。当团队将资源倾斜至下一代预训练时，本应夯实的3.x序列却以降级形态仓促推向市场，暴露出目标管理与工程落地之间的断层。

版本数字跃进，不代表能力演进

从3.5到3.6的命名升级，并未对应实质突破。用户真正期待的是更准的推理、更稳的输出、更广的知识覆盖，而非更快的错误生成速度或更高的参数编号。当AI产品的价值锚点滑向发布会话术与内部KPI指标，技术信誉的损耗便难以逆转。这一次，争议不在模型是否“够好”，而在它是否“够格”。