Gemini 3.6 Flash发布实录：省Token不等于强AI

一场被期待已久的发布，却成了信任的临界点 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——这个网友调侃，意外成了最贴切的注脚。Google 刚刚一口气推出三款新模型：3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。没有旗舰升级，没有能力跃迁，只有更薄的账单、更快的响应、更窄的推理路径。这不是技术突破的宣言，而是一次务实到近乎保守的工程迭代。 3.6 Flash：主力模型，主打“少说废话” 官方称其为 workhorse（干活模型），核心价值不是更聪明，而是更克制。在 DeepSWE 基准上，输出 token 减少最多达 65%；多步任务中工具调用次数下降，推理步数缩短。这意味着：同样完成一个 Agent 流程，它生成的中间文本更短、调用动作更精准、API 账单更轻。 价格同步下调：输出成本从 9 美元/百万 token 降至 7.5 美元。代码能力提升明显——DeepSWE 从 37% 到 49%，MLE Bench 从 49.7% 升至 63.9%。计算机操作（computer use）能力纳入 API 内置工具，OSWorld-Verified 达 83%。知识截止日期延至 2026 年 3 月，是少数真正“翻篇”的更新。 安全层面启用升级版 Frontier Safety 防护，聚焦 CBRN 与网络攻击类滥用，强调抗越狱与低误拒率平衡。 3.5 Flash-Lite：小身材，高弹性 定位更低，但设计更灵活。它是当前 3.5 系列中吞吐最快的模型，实测达 350 token/s。输入仅 0.3 美元/百万 token，输出 2.5 美元，价格压到极致。 关键创新在于支持动态调整“推理档位”：简单任务用轻量档提速降耗，复杂子任务可升档增强思考深度。同样集成 computer use 工具，且在多项基准中反超前代 3 Flash：SWE-Bench Pro 达 54.2%（vs 49.6%），OSWorld-Verified 74.0%（vs 65.1%）。真实任务 GDPval-AA v2 从 642 飙至 1140。 它不追求全能，而专注高并发场景——电商特征抽取、批量收据处理、网页方案生成辅助等，已进入 Ramp、Ashler 等团队的实际工作流。 3.5 Flash Cyber：专攻漏洞，锁死交付 这是唯一跳脱通用路线的特化模型，在 3.5 Flash 基础上微调，专用于静态代码安全分析。配合 CodeMender 工具链，多个 Flash Cyber Agent 协同运行，输出结构化修复建议。 它不面向公众开放，仅限 Google 认证的“可信合作伙伴”内测。逻辑很清晰：漏洞发现速度已跑赢人工修复节奏，与其让大模型泛化参与，不如用轻量高效模型定向补漏——前提是，必须把能力关进合规笼子里。 缺席的旗舰：3.5 Pro 仍在路上 所有 Flash 模型的热闹，都衬得 3.5 Pro 的沉默格外刺眼。官方回应是“正与合作伙伴测试”，但行业共识是：其代码生成能力未达预期，6 月下旬曾紧急更新训练数据，效果有限，甚至有消息指已推倒重训。 与此同时，宣传口径悄然转向 Gemini 4——Logan Kilpatrick 公开表示预训练已启动，进展“令人兴奋”。这并非技术预告，而是一种叙事转移：当旗舰延期成为事实，就用下一代愿景稳住军心。 用户反馈：账本漂亮，体感打折 第三方实测指出：3.6 Flash 在多数智能指标上与 3.5 Flash 持平，token 效率提升未能转化为认知质量跃升。有用户对比发现，其综合表现低于 Meta Spark 1.1、GLM-5.2、Sonnet 5 等竞品；另一些人测算出，同等任务下成本高于 GPT-5.6 Sol medium，而能力反而更弱。 实测者反馈集中于三类问题：基础解码不稳定、中文选词偏差明显、多模态生成（尤其图像/视频）质量严重下滑、工具调用错乱频发、上下文记忆易丢失。有人直言：“三个模型全比 3.5 Flash 差。” 不是退步，而是选择 这场发布没有失败，但它暴露了一个战略转向：Google 正将 Gemini 的重心，从“通用智能高度”转向“工程落地密度”。Flash 系列不是更强的模型，而是更可控、更可计量、更易嵌入企业工作流的 AI 组件。 它不回答“什么是 AGI”，只解决“怎么让 Agent 每天少花两美元”。当行业还在争论谁更像人类时，Google 已悄悄把标尺换成了每百万 token 的 ROI。至于那句阿尔茨海默的玩笑——或许不该嘲笑健忘，而该警惕：当一家公司开始习惯性压缩思考，遗忘的可能不只是旧知识，还有对“智能”本身的要求。