Gemini 3.6 Flash来了，但网友笑得更大声：省下了token，却没保住智商

3.6 Flash 省了 17% token 但智能没涨，玩家直接拿它跟竞品比烂

Google 一口气甩出三款新模型，但网友非但没收回“阿尔茨海默”的调侃，反而笑得更大声了。三款模型分别是 3.6Flash、3.5Flash-Lite，以及专攻网络安全的 3.5Flash Cyber。有开发者试了说，博客里的措辞依旧眼熟——更高效、更聪明、为大规模 AI agent 而生，一句不落，但实际体感冰火两重天。

当家头牌 3.6 Flash

它是今年5月I/O大会上3.5Flash的小版本迭代，官方给它的定位是真正扛活的干活模型。这一代最大的卖点是省token：按Artificial Analysis Index的数据，3.6Flash比3.5Flash少用了17%的输出token——相当于每写100个字能白嫖17个字，在DeepSWE这类场景上甚至能省到65%，跑多步任务时推理步数和工具调用都更少。价格也确实降了，输入1.5美元每百万token、输出7.5美元每百万token——上一代3.5Flash的输出价是9美元，这波直接砍到7.5，又快又省，单个agent任务的成本被压了下来。

基准测试上，代码能力是重点：DeepSWE从37%提升到49%，有开发者试了说多余代码改动更少、执行循环更短、生成代码更贴近生产环境要求；机器学习研究方向的MLE Bench提升更明显，从49.7%拉到63.9%；计算机操作OSWorld-Verified从78.4%升到83%，而且计算机操作本身成了Gemini API和企业版的内置工具，主打开箱即用；知识工作GDPval-AA v2从1349涨到1421——分数涨了72点，大概相当于从班里中游爬到上游，Hebbia、Harvey等客户反馈它在文档解析、图表数据分析、报告起草这类多模态任务上尤其突出，Figma、JetBrains也出面背书。群里在传一个不起眼但实在的更新是，知识截止日期终于从2025年1月推进到了2026年3月——老黄历总算翻篇，再也不用问“你知道2025年3月的事吗”然后被回“我是根据2024年数据训练的”。安全方面，有开发者试了说3.6Flash上了升级版Frontier Safety防护，重点盯着化学、生物、放射性、核与网络攻击这两类滥用，抗越狱能力更强，同时尽量不误伤正常需求、少乱拒绝。

便宜小弟 3.5 Flash-Lite

比它低一档的是3.5Flash-Lite，主打快和便宜，专治高吞吐、低延迟的任务，比如agent搜索和文档处理。它是3.5系列里最快的，按Artificial Analysis测量每秒能吐350个token——相当于一秒钟读完大半页纸，价格更是白菜价，输入0.3美元、输出2.5美元每百万token——比一杯咖啡还便宜，质量比3月发的3.1Flash-Lite好一大截。它支持调推理档位，低配活儿开最低档图快和省，碰到要多步拆解的子任务就把思考档位往上拨，电脑操作这次也做成了内置工具。

提升相当明显：代码和agent任务的Terminal-Bench2.1从31%干到54%，长上下文的GDM-MRCR v2从60.1%提到72.2%，真实任务执行的GDPval-AA v2更是从642飙到1140——分数几乎翻倍，相当于从及格线直接跳到优等生。最有意思的是，这个低档小弟在不少agent和代码任务上居然反超了辈分更高的3Flash，比如SWE-Bench Pro是54.2%对49.6%、OSWorld-Verified是74.0%对65.1%——等于跑3Flash的活儿现在有了个更快更强的平替，而且更便宜。有开发者试了说，从海量电商数据里抽产品特征、给3.6Flash当副手一口气生成25个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏，Ashler、Palo Alto Networks、Ramp这几家客户也来夸它速度、智能、成本三合一。

安全专精 3.5 Flash Cyber

最后一个3.5Flash Cyber画风突变，专门用来找和修代码里的安全漏洞。Google的逻辑群里在传：现在AI找漏洞的速度已经比现有系统修漏洞快了，漏洞越堆越多，不如用便宜高效的Flash来批量补锅。这个模型在3.5Flash基础上微调出来，搭配自家的CodeMender工具，里面跑好几个Flash Cyber agent协同工作、最后汇总成一份报告，在业内知名的CyberGym基准上摸到了第一梯队水平，还比更大的模型更省token。不过这模型暂时用不上——考虑到找漏洞是把双刃剑，Google也学Anthropic玩起了安全叙事，把它锁得死死的，只对可信合作伙伴限量开放、走内测，目的是给一线防守方争取时间，赶在漏洞被利用前先修掉，同时防着有人拿它去干坏事。

旗舰跳票 3.5 Pro 去哪了

看到这儿你可能问，发了一堆Flash，真正的旗舰3.5Pro去哪了。群里在传官方口径是正在和合作伙伴测试、准备好就上，但这套说辞背后的故事可能没那么体面。据彭博社等媒体报道，3.5Pro的代码生成能力一直没达到内部预期，Google 6月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色，更有传闻说Google干脆推翻了原来的训练方案、从零开始重训。而Google AI宣传委员Logan Kilpatrick更是索性在舆论上跳过3.5Pro，把预告重点放在Gemini4上，声称已经启动了史上最雄心勃勃的Gemini4预训练、进展让人兴奋。群里在传，放在旗舰跳票的背景下看，这多少有点转移视线、画饼续命的味道——好比考试没考好，赶紧说自己已经在准备下一届诺贝尔奖。

网友评测：性能翻车

光看今天发布的Flash模型本身，网友也并不全然买账。第三方评测机构Artificial Analysis表示，两个新模型确实把单任务耗时砍半、token效率也提升了，Flash-Lite的智能指数涨了11分，但3.6Flash的智能水平相比3.5Flash基本原地踏步——相当于你费了半天劲换了个新手机，结果跑分和上一代一样。价格没便宜到足以忽略能力差距，能力也没高到能解释它的成本。X平台上有网友吐槽，3.6Flash在Artificial Analysis上跟3.5Flash拿了一模一样的分，还不如Meta Spark1.1、GLM-5.2、5.6Luna、Sonnet5、Grok4.5、5.6Terra这一票对手——整整六个竞品都排在它前面，直呼“简直烂透了”。网友Angel则从性价比入手，指出3.6Flash的使用成本比GPT-5.6Sol medium还高、智能程度反而更低，“又贵又笨”的组合属实尴尬，毕竟Flash系列立身的根本就是性价比，结果被人当场指出性价比不如对手，等于自砸招牌——好比一家主打经济型的酒店，结果比五星级还贵，床还硬。作为对比，OpenAI的Tibo刚刚也发话，由于周活跃用户达到1000万，Codex和ChatGPT Work的付费用户迎来新一轮额度重置。这对比、这落差，还有人记得大明湖畔的Google Gemini3吗？

实测派也来补刀。网友Balder直接开团，称这三个模型性能全比之前的3.5Flash差，问题包括但不限于基础解码就有毛病、中文选词经常很离谱，生成的图片视频质量极差、跟指令对不上还限额严重，经常记忆混乱、调用完全错误的工具。他还抛出一个阴谋论，认为Google之所以这么搞，是为了把算力腾出来卖给Anthropic，阴阳了一句“这就是皮查伊想要的Cloud First”——意思是Google自己模型不行，干脆把算力租给对手赚钱。X网友Conor Dart用Google自家的Antigravity跑了个AI生成游戏测试，结果木头纹理更差了、大理石看着差不多但还是不能用，他直言“又是一次翻车”，表示自己还是等Gemini3.5或者3.6Pro吧。

一边是官方“更高效、更便宜、更省token”的漂亮账本，一边是大多数网友的当场差评，以及模型背后旗舰跳票、大牛出走、市值缩水等一连串糟心事。这很难不让人好奇，Google这次是不是真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个Flash稳住场子。

接下来盯着看Gemini4的预训练能不能翻盘——如果这一把再翻车，那句“阿尔茨海默”的玩笑，可就真要成谶语了。