白鹭

Gemini 3.5 Pro难产，谷歌先交了两张草稿纸_我的网站

一 |     7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。    8月25日消息，近期，不少网发帖称铁路12306APP购票存在漏洞，用同一个人的身份证和护照，就能够在12306上买到同一趟列车的两张车票。         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。     为验证网传说法，有媒体实测，在12306的APP操作过程中，系统允许同时勾选同一个人的身份证、护照两类身份信息，完成支付后就能成功拿到同一趟列车的两张相邻座位的车票。         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。

二 |          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？          01          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。

三 |          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。

四 |     按照铁路相关规则，要想同时占用两个座位，两张车票都需要完成检票流程。有网友提出了操作方式：持身份证通过闸机进站，登上列车之后，再请乘务员用人工核验的方式完成护照对应的车票检票，以此就能保住第二个座位。

五 |          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。          针对这一现象，12306客服称，因为身份证和护照分属不同证件体系，两者信息尚未互通，所以会出现同一人凭两类证件同时购得同车次多张车票的情况。         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。不过官方并不提倡旅客采用这种方式出行。     一方面，该做法需要个人承担两份车票费用，会带来不必要的经济支出；另一方面，铁路座位属于公共出行资源，一人占用两个座位，会造成席位的浪费。         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。

六 |          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。

七 |     目前，客服已经把网友反馈的这一情况登记上报。         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。

八 | 铁路部门也提醒广大乘客，应当理性购票，不要刻意使用该方式抢占座位，共同维护铁路出行资源公平合理使用。

九 |          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%。

十 | 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%。

十一 |          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。

十二 |          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。

十三 | 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。

十四 |          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。         02          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。

十五 |          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。

十六 |          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。

十七 |          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。

十八 |          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。

十九 |          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。         03          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期，并不是什么容易解决的小问题。         随着Agent开始进入企业工作流，代码能力的重要性迅速提升。

| 一个模型能否理解复杂项目、修改真实代码、完成多步骤开发任务，已经成为衡量它是否具备实际生产价值的重要指标。         路透社指出，华尔街正在等待Gemini 3.5 Pro，因为它将成为判断Google DeepMind是否能够跟上OpenAI和Anthropic的重要指标。         当然，谷歌并不是没有动作，这次推出的几个模型，恰说明谷歌正在强化另一条路线：让AI变得更便宜、更容易规模化。         谷歌CEO Sundar Pichai近期也多次强调成本优势，并表示企业如果将大部分AI工作负载迁移到Gemini模型，可以每年节省超过10亿美元。         但问题在于，市场在期待一份证明谷歌模型实力的“答卷”，谷歌交出的却是两张关于效率和成本的“草稿纸”——很难不让人觉得，谷歌在用Flash系列填补Pro延迟留下的空档。         有意思的是，在Gemini 3.5 Pro延期的同时，AI竞争格局正在发生变化。

|          过去，人们讨论AI领先者，主要关注海外“御三家”：OpenAI、Anthropic和Google DeepMind。         但最近，GLM-5.2、Kimi K3等国产模型也开始进入前沿竞争，并引发了大量讨论。         前沿模型的追赶速度正在加快，也让谷歌的问题变得更加紧迫，它当然可以继续大力推出Flash模型，但前提是它的旗舰模型足够给力——只要硬实力足够，自有大儒为他辩经。         如果谷歌最终推出一个真正领先的旗舰模型，那么Flash路线会成为完整体系的一部分：Pro负责突破能力上限；Flash负责规模化应用。         但如果Gemini 3.5 Pro持续落后，市场很可能会继续追问：谷歌拥有最强AI研究资源，为什么却无法稳定跑赢竞争对手？          在Alphabet本周举行第二季度财报电话会议时，人们很可能会进一步询问有关Gemini 3.5 Pro的更多细节。（作者：袁心玥）。

Current article:http://aw9fhf5.focuolequzenkedenchaoruaxing.pics/list_vx7t/hxyd.html

Published on:18:01:13