Gemini 3.6 Flash正式发布：省Token但智商没跟上？

2026年7月21日，Google一口气发布了三款新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite和Gemini 3.5 Flash Cyber。官方宣传语一如既往地漂亮——“更高效”“更聪明”“为大规模AI Agent而生”。但社区的反应却并非一致，许多开发者认为，这次更新的实际体验与宣传之间存在较大差距。

本文将从技术规格、基准测试、定价策略和社区真实反馈等多个角度，深入分析Gemini 3.6 Flash的实际表现。

Gemini 3.6 Flash 的定位与主要改进

Google将Gemini 3.6 Flash定位为“干活模型”（workhorse），并非争夺排行榜第一的旗舰型号，而是面向日常开发任务和AI Agent工作流的主力模型。作为今年5月I/O大会上发布的3.5 Flash的迭代版本，3.6 Flash主要在以下几个方向进行了改进。

Token 效率提升

这是Google反复强调的亮点。根据Artificial Analysis Index的数据，3.6 Flash比3.5 Flash减少了约17%的输出token使用量。在DeepSWE等场景下，token节省幅度甚至达到65%。

Google还表示，模型在执行多步任务时，推理步数更少，工具调用频次更低。换句话说，完成同样的工作量，3.6 Flash的路径更短，计费也更少。

价格下调

Gemini 3.6 Flash的定价为每百万token输入1.5美元、输出7.5美元。对比上一代3.5 Flash每百万token输出9美元的价格，降幅约17%。对于需要大规模调用AI Agent的任务来说，这一成本差异在总账单上会体现得十分明显。

代码和 Agent 能力

代码能力是3.6 Flash主推的升级方向。官方公布的基准数据如下：

从数据上看，DeepSWE的提升幅度不小，从37%提升到49%。MLE-Bench的增长更为明显，接近14个百分点。Google还特别提到，3.6 Flash生成的代码冗余更少，执行循环更短，更接近生产环境的要求。

此外，计算机操作（Computer Use）已成为Gemini API和企业版的内置工具，可直接调用，无需额外配置。

知识截止日期更新

还有一个不太起眼但比较实用的更新：Gemini 3.6 Flash的知识截止日期从2025年1月推进到了2026年3月。对于需要模型了解近期事件的应用场景来说，这一更新非常必要。

安全防护升级

安全方面，Google称3.6 Flash上线了升级版的Frontier Safety框架，重点强化了对CBRN（化学、生物、放射性、核）和网络攻击类滥用的防御，同时减少了对正常请求的误拒率。

配角也有亮点：Gemini 3.5 Flash-Lite

本次同步发布的3.5 Flash-Lite定位比3.6 Flash更低一档，专门针对高吞吐、低延迟的任务场景，例如批量文档处理和Agent搜索。

几个关键指标：

• 速度：每秒约350个token，是3.5系列中最快的

• 价格：每百万token输入0.3美元、输出2.5美元

• 支持推理档位调节，低配任务用最低档追求速度，复杂子任务可将思考深度上调

Flash-Lite在部分Agent和代码任务上的表现令人意外。例如，在SWE-Bench Pro上，Flash-Lite达到54.2%，而老一代的Gemini 3 Flash仅为49.6%。OSWorld-Verified的结果也类似，74.0%对65.1%。一个定位更低、价格更便宜的模型，在不少任务上反而超过了上一代的正式版，颇有“以下犯上”的意味。

安全领域的新尝试：Gemini 3.5 Flash Cyber

第三个模型3.5 Flash Cyber画风不同，专门用于查找和修复代码中的安全漏洞。它基于3.5 Flash微调而来，配合Google自家的CodeMender工具使用。

不过，该模型目前仅面向可信合作伙伴进行限量内测，普通开发者暂时无法使用。Google给出的理由是，漏洞检测能力本身具有两面性，需要先确保防守方有足够的时间利用，再考虑更大范围的开放。

社区反馈：争议不小

官方数据看似不错，但社区的反馈却明显分化。

第三方测评的冷水

Artificial Analysis直接泼了冷水：Gemini 3.6 Flash的智能指数（Intelligence Index）得分为50，与3.5 Flash完全一致。这意味着，尽管token效率提高、成本降低，但模型本身的推理和理解能力并未实质性进步。

对比同期竞品，3.6 Flash的智能指数低于Meta Spark 1.1、GLM-5.2、Sonnet 5、Grok 4.5等多个模型。有用户在X（原Twitter）上直接评价：“分数一模一样，竞品一堆比它强，这升级升了个寂寞。”

性价比的质疑

另一个引发开发者不满的点是性价比。有用户指出，Gemini 3.6 Flash的使用成本比GPT-5.6 Sol Medium还高，但智能水平反而更低。Flash系列一向以性价比为卖点，如今在核心指标上被竞品反超，处境确实尴尬。

作为参照，OpenAI的Codex在同一时间宣布周活跃用户已达1000万，并为付费用户发放了新一轮额度。两条消息放在一起，对比感强烈。

实测反馈的落差

也有开发者进行了更细致的实际测试。例如，使用Google自家的Antigravity来运行AI生成游戏任务，结果并不理想，纹理质量反而出现退化。还有用户反映，3.6 Flash在中文选词上经常出错，生成的图片和视频质量不稳定，多轮对话中偶尔会出现记忆混乱和工具调用错误等问题。

当然，也有正面反馈。Hebbia、Harvey、Figma、JetBrains等企业客户肯定了3.6 Flash在文档解析、图表数据分析、报告生成等多模态知识工作中的表现。对于这类结构化任务，3.6 Flash的效率提升是实实在在的。

绕不开的问题：Gemini 3.5 Pro 去哪了？

发布了一系列Flash模型，社区更关心的问题是：旗舰级的Gemini 3.5 Pro到底什么时候推出？

Google官方说法是“正在和合作伙伴测试，准备好就上线”。但据彭博社等多家媒体报道，3.5 Pro的代码生成能力一直未能达到内部预期，6月份专门更新了一版训练数据来补强代码短板，效果依然不理想。有消息称，Google甚至推翻了原有训练方案，从头重新训练。

与此同时，Google AI负责宣传的Logan Kilpatrick已经开始将公众注意力引导到Gemini 4上，声称Gemini 4的预训练已经启动，并且进展令人兴奋。在旗舰模型跳票的背景下，这番表态多少有些“先别急，大的要来了”的意味。

如何理解这次发布：省成本的路走得通，但智能还欠着

综合来看，Gemini 3.6 Flash的发布逻辑较为清晰：Google在token效率和成本控制上确实做了有效工作，17%的token节省和对应的降价，对于大规模部署AI Agent的企业用户具有实际价值。

但问题在于，效率的提升并未伴随智能水平的提高。Artificial Analysis的智能指数原地不动，就是最好的说明。在当前竞争激烈的模型市场中，Sonnet 5、GPT-5.6系列、Grok 4.5等竞品都在同步甚至更快地推进，单纯依靠“更省”已不足以构成竞争优势。

Flash-Lite则是一个值得关注的产品。它在极低价格下展现出了不错的任务完成能力，对于需要大批量处理轻量级任务的场景，是一个实用的选择。

至于Gemini 3.5 Pro的缺席和Gemini 4的“画饼”，某种程度上反映了Google在前沿模型竞争中面临的压力。能否在下一代产品上实现真正的突破，可能才是决定Gemini系列前途的关键。

模型多了，选择也多了

从这次发布也能看出一个趋势：市场上的模型越来越多，定位越来越细分。Google自己一口气就推出了三个，加上OpenAI、Anthropic、Meta、DeepSeek等厂商的产品，开发者面对的选择已经非常繁杂。

不同的任务适合不同的模型：轻量级任务用Flash-Lite，需要深度推理的用Pro或旗舰级别，代码任务和知识任务的最优选择也经常不同。实际开发中，频繁切换模型、管理不同厂商的API Key、处理不同的接口格式，确实是一件麻烦事。

写在最后

Gemini 3.6 Flash交出的这份答卷，优点和短板都很明确。省token、降成本、缩短Agent执行链路，这些改进对企业级批量部署有实实在在的好处。但智能指数原地踏步、性价比被竞品反超、旗舰Pro型号迟迟不到位，这些问题同样摆在台面上，无法回避。

对开发者来说，现阶段更务实的做法可能不是押注某一个模型，而是保持灵活性。模型市场正处在快速洗牌期，今天的最优选择三个月后未必还是。与其纠结于某一家的产品路线，不如把精力放在架构层面，确保自己的应用能够低成本地适配不同模型。

Google将赌注押在了Gemini 4上。能否翻盘，就看下一手牌了。