Gemini 3.5 Pro难产，谷歌先交了两张草稿纸

（本文作者为 字母AI，钛媒体经授权发布）文 | 字母AI7月21日，谷歌突然上线了两个新模型：Gemini 3.6 Flash和Gemini 3.5 Flash-Lite。没有一点点防备，也没有一丝顾虑，它俩就这样出现在了Google AI Studio和Gemini的模型选择器里。这两个模型，一个主打更强的代码和Agent能力，一个主打更低成本的大规模调用。而作为旗舰模型的Gemini 3.5Pro，千呼万唤依然……出不来。按照此前的计划，3.5 Pro本应在6月份上线，现在7月都过一大半了，这款被寄予厚望的模型仍然没有正式亮相。代表旗舰实力的答卷迟迟不交，谷歌先拿出两张“草稿纸”，是个什么意思？3.6 Flash：比上一代便宜，不比上一代聪明谷歌表示，相比上一代Flash模型，Gemini 3.6 Flash进一步提升了编码、推理和工具调用表现，同时通过减少输出token降低运行成本。Gemini 3.6 Flash的定位是一个面向真实生产环境的高效模型，或者更直白一点，为Agent服务。在Agent时代，一次任务可能需要几十轮模型调用，这意味着模型不仅要聪明，还必须足够快、足够便宜。Google此前已经在Gemini 3.5 Flash上强化了这条路线。根据官方API文档，Gemini 3.5 Flash支持100万token的长上下文，可以一次处理大量信息，同时支持代码执行、调用外部工具、搜索文件等能力，能够完成更复杂、更长时间的任务。Gemini 3.6 Flash延续了这条路线，它追求的并不是单次回答的质量，是一个“能够承担得起每日真实工作”的位置。Gemini 3.6 Flash的定价如下：输入：1.50 美元/百万 token输出：7.50 美元/百万 token相比此前Gemini 3.5 Flash每百万token输入1.5美元、输出9美元的价格，输入成本没有变化，但输出成本进一步下降。对于需要大量调用AI的企业来说，这种成本变化可能比benchmark上的几个百分点提升更加重要。另外，谷歌展示的一项内部测试显示，在完成同一任务时，Gemini 3.6 Flash相比3.5 Flash减少了55.8%的token消耗，同时将任务评分从85分提升到了100分。当然，这只是谷歌自己的测试结果，只能说明Google希望展示的方向：新模型不仅更省，而且能够用更少的计算完成同样甚至更好的任务。在那些被公开的benchmark里，谷歌主要强调的是代码能力和Agent能力。在DeepSWE代码评测中，Gemini 3.6 Flash得分49%，高于上一代的37%。谷歌表示，新模型能够减少无效代码修改和重复执行过程。在测试AI操作电脑能力的OSWorld-Verified评测中，Gemini 3.6 Flash得分83%，超过3.5 Flash的78.4%。而在面向机器学习任务的MLE Bench中，Gemini 3.6 Flash得分63.9%，相比上一代的49.7%也有明显提升。不过，上述数据更多说明Gemini 3.6 Flash相比上一代有所进步。如果放到当前大模型竞争中横向比较，Google选择的对手是GPT-5.6 Luna、Grok 4.5和Claude Sonnet 5（这里也可以看出这个产品的定位）。从结果来看，Gemini 3.6 Flash并没有全面领先，GPT和Claude的模型在复杂软件工程和知识工作任务上仍然保持优势。但这其实也是Flash系列存在的意义：它不一定要成为最强模型，只需要在明显低于旗舰模型成本的情况下，提供够用的能力。官方测评之外，根据Artificial Analysis的发布前测试，Gemini 3.6 Flash在Intelligence Index上拿到了50分，与Gemini 3.5 Flash持平。这意味着，如果只看模型综合“智力”，Gemini 3.6 Flash并没有什么升级。但是呢，它的速度又很好地弥补了这一点。Artificial Analysis还统计了模型完成Intelligence Index任务所需的平均时间。结果显示，Gemini 3.6 Flash每项任务平均耗时约1.3分钟，相比上一代3.5 Flash的约2.7分钟，减少了一半。与此同时，Gemini 3.5 Flash-Lite的任务完成时间也从上一代3.1 Flash-Lite的约1.6分钟，下降到约0.6分钟。总的来说，Gemini 3.6 Flash的升级方向其实是效率——更少的token消耗，更低的运行成本，以及更适合长期运行的Agent能力。对于习惯使用Gemini 3.5 Flash的用户来说，确实是非常不错的升级。3.5 Flash-Lite：更快，但没有上一代便宜然后再来看另一个模型Gemini 3.5 Flash-Lite。顾名思义，Flash-Lite是Flash系列中更轻量的版本，相比Flash，它牺牲了一部分能力上限，换取了更低的成本和更快的速度。就像前面提到的那样，Gemini 3.5 Flash-Lite的任务完成时间从上一代3.1 Flash-Lite的约1.6分钟，下降到了约0.6分钟。3.5 Flash-Lite也是3.5系列中速度最快的型号，根据Artificial Analysis测试数据，其生成速度达到约350 token/秒，已经属于当前主流大模型中的高速水平。Gemini 3.5 Flash-Lite的定价如下：输入：0.30 美元/百万 token输出：2.50 美元/百万 token相比Gemini 3.6 Flash，输入价格约为1/5，输出价格约为1/3。不过，与上一代Gemini 3.1 Flash-Lite相比，新模型并没有进一步降价。虽然Gemini 3.5 Flash-Lite由于能力提升，可以通过减少输出量降低部分成本，但综合起来，还是很难抵消单价上的成本增加。根据官方文档，相比上一代Gemini 3.1 Flash-Lite，新模型在不同思考等级（thinking levels）下都有明显提升。开发者可以根据任务需求调整模型的思考深度。此外，Gemini 3.5 Flash-Lite还内置了Computer Use能力，可以帮助Agent更可靠地操作电脑环境，完成跨应用任务。在具体测试中，Gemini 3.5 Flash-Lite相比上一代模型也有明显提升：在Terminal-Bench 2.1编程Agent测试中，成绩从31%提升到54%；在测试长上下文理解能力的GDM-MRCR v2中，从60.1%提升到72.2%；在更贴近真实工作场景的GDPval-AA v2任务执行测试中，从642提升到1140。值得注意的是，在一些Agent和代码相关测试中，Gemini 3.5 Flash-Lite甚至超过了上一代更高定位的Gemini 3 Flash模型。例如，在SWE-Bench Pro软件工程测试中，Gemini 3.5 Flash-Lite得分54.2%，高于Gemini 3 Flash的49.6%；在测试AI操作电脑能力的OSWorld-Verified中，Gemini 3.5 Flash-Lite也以74.0%的成绩超过Gemini 3 Flash的65.1%。这意味着，随着模型能力不断提升，过去需要更大模型才能完成的部分Agent任务，正在逐渐下沉到更便宜、更快速的模型。顺便一提，除了前两个面向普通用户的通用模型，谷歌还推出了Gemini 3.5 Flash Cyber。它主要针对网络安全场景。根据官方文档，在CodeMender系统中，多个Gemini 3.5 Flash Cyber Agent可以协同工作，分别完成不同分析任务，并最终汇总成一份完整报告。在网络安全基准测试CyberGym中，Flash Cyber也达到了接近前沿模型的表现。该模型目前不会公开提供，仅通过CodeMender平台向政府和可信合作伙伴开放。3.5 Pro：谷歌迟迟交不出的旗舰答卷如果说Gemini 3.6 Flash和Gemini 3.5 Flash-Lite还可以看作是谷歌对AI规模化应用的判断，那么Gemini 3.5 Pro则代表着谷歌的模型上限。但问题在于：这份答卷，到现在还没有交出来。5月I/O的时候，谷歌表示Gemini 3.5 Pro将在“接下来一个月左右”推出，也就是预计在今年6月上线。现在7月都过了一大半了。据彭博社7月16日报道，Gemini 3.5 Pro的发布时间已经落后原计划数月。谷歌正在继续优化模型能力，尤其是编码表现，希望达到内部设定的目标。路透社最新的报道则显示，截至目前，谷歌仍未公布具体上线时间，只表示该模型正在与合作伙伴测试，并将“很快”推出；另有新闻稿透露，Gemini 4的训练工作已经开始了。而我们都知道，“很快”就是不确定的意思。Gemini 1.0发布时就曾因演示争议受到质疑；Gemini 1.5 Pro凭借百万token上下文短暂扳回局面，但随后Claude和GPT系列快速追赶；直到Gemini 3系列发布，谷歌才重新获得“回到前沿竞争”的评价。如今Gemini 3.5 Pro再次延期，市场关注的已经不只是一个模型什么时候上线，还有谷歌到底能否保持旗舰模型的竞争节奏问题。何况谷歌透露出的编码表现不及预