Google Gemini深夜“三箭齐发”：输出Token直降17%，大模型开始分工上岗

我们还没等来Gemini 3.5 Pro，却等来了它的三位同事。

就在北京时间7月22日凌晨，Google一次性甩出3款全新Gemini模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、以及一个只给政府和“可信合作伙伴”用的Gemini 3.5 Flash Cyber。

三款Gemini，各自领到了一份相当具体的工作：3.6 Flash负责复杂任务，3.5 Flash-Lite负责高并发流水线，3.5 Flash Cyber负责寻找和修复代码漏洞。

一个当主力，一个跑量，一个负责安全。大模型已经开始像一支工程团队那样分工。

顺便说下，这波发布，原本的主角本该是Gemini 3.5 Pro。早在今年5月的Google I/O上，Google曾经提了句Gemini 3.5 Pro“6月底见”，结果7月过去了大半，3.5 Pro还是没发，引发业界猜测3.5 Pro跳票了。而这次三箭齐发，某种程度上也算是暂时交差。

但Google也没含糊，官方放话说：“Gemini 3.5 Pro目前正在与合作伙伴开展测试，我们计划在准备就绪后尽快广泛开放。”同时，还不忘再卖个关子，“我们最雄心勃勃的下一次预训练已经启动，Gemini 4正在路上。”

Emmm也就是说，虽然3.5 Pro难产，但是4.0已在紧锣密鼓地干。

好了，话不多说，先来看新三款模型怎么个事儿。

/01/

3.6 Flash：更便宜，也更聪明

三款模型中，Gemini 3.6 Flash被Google称为“workhorse model”，意思是承担日常复杂工作的主力模型。

它直接在3.5 Flash基础上升级，主要强化了代码、知识工作、多模态理解和计算机操作能力。但Google反复强调的指标，并非参数量，而是「Token效率」。

我们看到在综合评估的Artificial Analysis Index数据里，3.5 Flash平均消耗28K Token，3.6 Flash平均消耗23K Token，降幅约17%。在DeepSWE v1.1测试中(测试模型编码和长任务能力)，3.5 Flash完成一个任务平均消耗276K Token，3.6 Flash完成同样的任务平均只消耗97K Token，降幅约65%。

截图自 DeepSWE

Token少了意味着什么？同样的活儿，让你少花钱。Google称，3.6 Flash在执行多步骤工作流时，会减少推理步骤和工具调用次数，同时降低不必要的代码修改与重复执行。

价格方面，3.6 Flash的输入价格为每百万Token 1.5美元，输出价格为每百万Token 7.5美元。此前3.5 Flash是9美元，直接砍了16.7%。再叠加“输出Token本身少17%”的效果，做同样一个Agent任务的实际成本，大概会下降三成左右。Google试图把衡量标准从“每百万Token多少钱”，进一步推向“完成一项任务总共多少钱”。

截图自 Artificial Analysis Index官网

别看价格便宜了，能力却蹭蹭涨了，像极了当代打工人的现状。Google给出了一组对比图。

截图自 Google Blog

上图的四组柱状图可见，3.6 Flash在软件工程、机器学习工程、知识工作和计算机操作四类Agent任务上，都高于上一代3.5 Flash，也高于3.1 Pro。

在长期软件工程测试DeepSWE v1.1中，3.6 Flash得分49%，高于3.5 Flash的37%；在机器学习工程测试MLE-Bench中，两者分别为63.9%和49.7%；知识工作测试GDPval-AA v2中，3.6 Flash获得1421分，3.5 Flash为1349分。

这次更新中有个细节，我觉得挺关键的。Google还强化了3.6 Flash的Computer Use能力(电脑操作能力)，在测试计算机操作能力的OSWorld-Verified中，从上一代的78.4%提升至83.0%。Computer Use通过Gemini API和Gemini Enterprise，以内置客户端工具的形式提供。

啥叫Computer Use？简单说就是，AI可以打开你的浏览器、操作你的电脑、点击按钮、填写表单、跨应用做事。这个能力先被Anthropic的Claude 3.5 Sonnet率先端上电脑界面(Claude Computer Use)，之后OpenAI、Google陆续跟上。

光看benchmark数字可能不够直观，Google直接放出一个对比视频，让3.5 Flash和3.6 Flash分别跑同一个任务，任务是，在维基百科上找到耶鲁大学莫尔斯学院的院徽，下载下来，再用Python代码把图片改格式、调尺寸。

这个任务其实是三件事：信息检索(去维基百科翻)、文件下载(把图片扒下来)、代码执行(写Python改格式)。结果在OSWorld-Verified测试中，3.5 Flash消耗了3833个Token，执行了18步，最终完成度评分85分；3.6 Flash只消耗了1695个Token，执行了14步，最终完成度100分。

截图自 Google Blog

也就是说，如果你原来跑一个AI Agent每月要花1万块，现在用3.6 Flash可能5000块就够了，而且还更快、更稳定。

这次Gemini 3.6 Flash的整个更新逻辑，几乎完全围绕这一件事展开的。

更有说服力的，是Google这次亮出的几个真实的客户案例，秀出了它在文档解析、图表数据分析、报告撰写等多任务的表现。

具体见下图。左上图，在金融平台AIS上，3.6 Flash做分析财报和会议记录，效率碾压3.5 Flash。右上图，在AGY平台上，3.6 Flash通过多智能体协作跑代码迁移，延迟更低、质量更高。左下图，利用Canvas功能，一句话让 3.6 Flash 做一个“3D 纹理提取器”，直接用在3D建模。右下图，3.6 Flash 靠视觉理解，直接搭出一个可交互的主题设计工作台。

截图来自Google Blog，制图来自科技行者

值得一提的是，3.5 Flash的知识截止时间是2025年1月，3.6 Flash直接更新到2026年3月。也就是说，直到四个月前的大部分事儿它都知道，也都能聊。

以上属实是Agent的典型场景，看来3.6 Flash想表达的是，“我们的3.6 Flash不仅省钱，还很实用”。

/02/

3.5 Flash-Lite：一个小杀器，居然打过了它的大哥

如果说3.6 Flash是主角，那3.5 Flash-Lite就是这次发布里最有意思的“小杀器”。

Google给它的定位是，3.5系列里最快、最便宜的一款。它瞄准的就是另一类需求：量大、频繁、对延迟敏感。

在Terminal-Bench 2.1中，3.5 Flash-Lite的编码和代理任务能力达到54%，而3.1 Flash-Lite是31%。在GDM-MRCR v2中，3.5 Flash-Lite的长上下文能力是72.2%，3.1 Flash-Lite是60.1%。在GDPval-AA v2中，3.5 Flash-Lite的真实世界任务执行能力达到1140分，而3.1 Flash-Lite是642分。

而在许多代理和编码评估中，3.5 Flash-Lite的性能甚至强于3 Flash，包括 SWE-Bench Pro测试是54.2%比49.6%，OSWorld-Verified测试是74.0%比65.1%。

按照Artificial Analysis测试，3.5 Flash-Lite每秒可以输出350个Token，是Gemini 3.5系列中速度最快的模型。它的价格也更低，每百万输入Token 0.3美元，每百万输出Token 2.5美元。

Google列出的典型场景有很多，包括Agent搜索、文档处理、大规模数据提取、票据翻译和摘要等。其中在电商场景，我看Google截图显示，3.5 Flash-Lite从一个海量的电商数据集里，批量提取产品特征，并合成分析。

3.5 Flash-Lite还允许开发者设置不同的“思考等级”。简单任务，可以选择较低的思考强度，以优先控制延迟和成本；遇到多步骤子任务时，再提高推理强度。

Google还展示了一个有意思的用法，让3.5 Flash-Lite和3.6 Flash协作：3.6 Flash作为“总控智能体(Master Agent)”，负责规划；3.5 Flash-Lite负责“批量出活”。展示的场景是，用户说“帮我做几个网页设计”，然后3.5 Flash-Lite并行生成了25个可探索的设计概念。

等等，这一幕怎么有点熟悉，这也许是当代AI大模型新潮流——人类指挥，大模型理解目标、拆分任务，小模型干活。

03/

3.5 Flash Cyber专门修漏洞

第三款模型Gemini 3.5 Flash Cyber更加特殊。它基于3.5 Flash进行安全领域微调，主要用于发现、验证和修复代码漏洞，并与Google的代码安全Agent CodeMender(Google的代码安全智能体)配合使用。

但是这个模型不对所有人开放，只提供给“政府和可信合作伙伴”，作为CodeMender的限量试点。

Google还提到，3.6 Flash引入了增强的Frontier Safety安全防护，覆盖化学、生物、放射、核武(CBRN)、网络攻击滥用四个方向。这些防护让模型对越狱攻击(jailbreaks)，更具抗性。

04/

一个信号

聊完新模型，还想聊一件事，今天业内对Google为什么不发新Pro，反而集中发三个Flash讨论比较多。

我看到Google在这篇官方博客的开头写道：“开发者和客户在构建生产级AI Agent时，需要更高的Token效率、更低的延迟、更可靠的性能。”

这么理解吧，当大模型的更新速度比你家楼下奶茶店出新品还快时，大家开始算账了。

硅谷创投圈有个术语，叫Unit Economics单位经济模型，原本指一家公司做一单生意能不能赚钱，通常用在SaaS、电商、外卖这些烧钱换增长的行业。

现在这个词，轮到AI应用了。

AI的每一次调用都要算出经济账：Agent跑一次要花多少钱？Token省下的钱能不能覆盖开发成本？性价比高不高？

做AI应用，已经不再是“选哪个模型最强”这么简单了。就像点奶茶，你不会每次都点最贵的那款，得看今天想解什么渴、预算多少、能等多久。

话说回来，那款“最贵的”Pro，我们还是挺期待的。