谷歌DeepMind三连发：一场面向生产环境的务实进化

今天，谷歌DeepMind一次性推出三款全新Gemini模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite与Gemini 3.5 Flash Cyber。这不是概念演示，也不是实验室快闪，而是直接瞄准真实业务场景的工程化升级——目标明确：让AI Agent跑得更快、更稳、更省。

Gemini 3.6 Flash：主力模型的效率革命

作为本次发布的旗舰主力，Gemini 3.6 Flash不再一味堆参数，而是从推理路径、工具调用与输出密度三方面重构效率。实测显示，在DeepSWE编程基准中，其输出Token减少最高达65%；在多步任务中，所需推理步骤与外部工具调用次数显著下降，意味着更短链路、更低延迟。

成本同步优化：输入价格降至每百万Token 1.5美元，输出为7.5美元，较前代进一步下探。更重要的是，性能未打折扣——反而全面超越：

• DeepSWE编程测试：37% → 49%
• MLE Bench机器学习研究测试：49.7% → 63.9%
• OSWorld-Verified操作系统级操作测试：78.4% → 83%
• GDPVal-AA v2知识型任务：得分提升超70分，达1421分

借助Gemini Canvas能力，3.6 Flash已可原生支持3D纹理提取、交互式UI生成等专业工作流，真正将大模型能力嵌入设计师与开发者的日常生产环节。

Gemini 3.5 Flash-Lite：轻量不妥协，快且能扛压

如果说3.6 Flash是主脑，那么3.5 Flash-Lite就是执行层的“特种兵”。它以每秒350 Token的输出速度，成为当前3.5系列中响应最快的模型；定价更是极具冲击力：输入仅0.3美元/百万Token，输出2.5美元/百万Token。

它专为高频、批量、低延迟场景而生——例如长文档解析、实时Agent搜索、多版本网页方案生成等。尤为值得注意的是，它在多项关键指标上反超更大体积的Gemini 3 Flash：

• SWE-Bench Pro编程测试：54.2% vs 49.6%
• OSWorld-Verified系统操作测试：74.0% vs 65.1%

在典型架构中，3.6 Flash负责任务拆解与决策调度，Flash-Lite则作为轻量协作者并行执行，实现高并发下的资源弹性分配。官方演示中，二者协同可在数秒内生成25套完整、可用的网页设计方案。

目前，Flash-Lite已上线Gemini App，并将逐步集成至谷歌搜索底层服务中。

Gemini 3.5 Flash Cyber：安全领域的精度特化模型

这是一款不对外公开API、仅面向特定企业安全场景部署的垂直模型。它的核心使命非常聚焦：精准识别代码漏洞，并生成可落地的修复建议。

它已深度集成进谷歌内部代码安全智能体CodeMender，通过多个Cyber智能体协同分析，在CyberGym安全评估基准中刷新SOTA成绩。与通用大模型相比，它用更小的体积、更低的推理开销，实现了更高精度的漏洞定位与修复生成能力。

该模型暂未开放公共访问权限，主要服务于谷歌云客户及深度合作的安全基础设施项目。

Gemini 4已启程：激进预训练正式开始

在发布三款新模型的同时，谷歌确认：下一代旗舰模型Gemini 4的预训练工作已正式启动。官方称这是“史上最为激进的一次预训练”，涵盖更广的数据覆盖、更强的多模态对齐机制，以及针对Agent原生交互的底层架构重构。

按谷歌过往约6个月的主流训练周期推算，Gemini 4有望在今年年底前完成初步训练并进入早期验证阶段。但现阶段，所有可用、可测、可计费的生产力提升，都来自今天发布的三款模型。

结语：降本，才是此刻最真实的进步

这场发布没有宏大叙事，没有未来主义口号。它把焦点牢牢钉在三个可衡量的维度上：Token用量下降、单位计算成本下降、单次Agent调用耗时下降。对开发者、产品团队和企业AI负责人而言，这意味着更可控的预算、更确定的SLA、更敏捷的迭代节奏。

当行业还在讨论AGI何时到来时，谷歌选择先让每一个正在运行的Agent变得更实在、更可靠、更便宜——这才是技术走向成熟的标志。