效率优先：Gemini 3.6 Flash重塑智能体成本结构

Gemini 3.6 Flash是本次发布的主力通用模型，核心突破不在参数规模或幻觉压制，而在输出token的结构性精简。其设计目标明确：在保持甚至提升任务完成质量的前提下，显著降低生成冗余。实测数据显示，该模型在常规任务中输出token消耗较前代减少17%，而在多步骤工程任务（如代码编辑、工具调用链）中降幅高达65%——这意味着更少的循环试探、更直接的执行路径。 这一优化直接转化为成本下降：输入token定价为每百万1.50美元，输出token为每百万7.50美元，较Gemini 3.5 Flash的9美元/百万输出token降低16.7%。对高频调用AI智能体的企业而言，单次任务总成本实质性下探。 性能层面，它在多个专业基准中实现跃升：DeepSWE代码工程测试得分达49%（+12个百分点）；MLE-Bench机器学习工程任务从49.7%升至63.9%；OSWorld-Verified操作系统交互能力达83%（+4.6个百分点），并已作为内置客户端工具集成至Gemini API与Enterprise平台；知识工作评估GDPval-AA v2得分提升至1421（+72分）。 实际应用中，Figma、Harvey、Hebbia与JetBrains等开发者反馈，该模型在复杂工作流编排与知识密集型任务中，实现了token效率、响应准确率与处理速度的动态平衡。例如，在金融数据解析场景中，借助AI Studio的Managed Agents，它能更精准识别非结构化财报中的关键指标；在Antigravity平台的代码迁移任务中，延迟更低、修复建议更稳定；在创意生产侧，它已驱动tldraw绘图工具构建交互式主题工作室，并通过Gemini App画布功能，辅助开发出面向3D管线的摄影纹理提取器。

速度极限：Gemini 3.5 Flash-Lite定义高吞吐新范式

Gemini 3.5 Flash-Lite并非简化版，而是专为吞吐量敏感场景重构的极速模型。其核心指标是每秒350个输出token，约为上一代3.1 Flash-Lite的两倍。定价同步极致下探：输入token仅0.30美元/百万，输出token为2.50美元/百万。 值得注意的是，它的能力并未因“Lite”之名而缩水。在SWE-Bench Pro软件工程测试中，得分54.2%，反超标准版Gemini 3 Flash（49.6%）；OSWorld-Verified操作系统交互测试得分为74%，亦高于Gemini 3 Flash的65.1%。 该模型支持动态“思考层级”调节：面对海量商品特征抽取、网页设计概念即时生成、多语种收据翻译摘要、游戏原型快速迭代等四类典型高并发任务，开发者可按需切换推理深度——低层级保障毫秒级响应，高层级确保子智能体协作质量。早期客户Ashler、Paloalto与Ramp证实，其在扩展智能体工作流与实时数据处理中，展现出速度、智能与成本效益的不可替代性。

安全专精：Gemini 3.5 Flash Cyber聚焦防御一线

Gemini 3.5 Flash Cyber是首款面向网络安全攻防闭环的专用模型。它基于Gemini 3.5 Flash微调，但训练数据与评估体系完全围绕漏洞识别、利用路径分析与补丁生成构建。在内部基准CyberGym中，其综合表现已达行业前沿水平。 出于对技术双刃性的审慎考量，该模型不开放公共API。它被深度集成至谷歌代码安全智能体CodeMender，以邀请制形式，仅向政府机构及经严格审核的合作伙伴提供。此举旨在让防御方在漏洞被大规模利用前，获得更早、更准的发现与修复窗口。 内部验证显示，该模型在V8 JavaScript Engine开源项目中识别出55个潜在问题，其中10个为其他主流模型未能覆盖的隐蔽缺陷。这标志着大模型正从通用助手，转向垂直领域可信赖的协同防御节点。

战略纵深：Pro未至，4已启，安全与实用并重

尽管Gemini 3.5 Pro仍未公开，但谷歌已确认其正与合作伙伴开展联合测试，并首次正式披露下一代旗舰模型Gemini 4的预训练工作已启动——团队称其为“迄今最雄心勃勃的预训练项目”。 与此同时，所有新模型均已上线：Gemini 3.6 Flash与3.5 Flash-Lite即日起可在Google AI Studio、Android Studio、Gemini App、Antigravity及Gemini Enterprise中调用；3.5 Flash-Lite将逐步接入谷歌搜索；3.5 Flash Cyber则通过CodeMender定向交付。 在能力边界之外，安全防护同步升级。Gemini 3.6 Flash强化了对CBRN（化学、生物、放射性、核）及网络攻击滥用内容的识别与拦截能力，同时优化拒绝策略，避免对合理技术用途的误伤。 当前AI落地的核心矛盾，已从“能否做到”转向“是否划算”。谷歌此次以Flash系列为支点，不是追求单点峰值性能，而是系统性压降智能体运行成本、缩短响应链路、筑牢垂直场景防线——这既是技术演进的务实选择，也是企业级AI规模化部署的必经之路。