Gemini 3.6 Flash 发布：价格降了、token省了，但性能被指原地踏步

事件概述

Google 在近日发布三个新 AI 模型：Gemini 3.6 Flash、3.5 Flash-Lite 以及专用于网络安全的 3.5 Flash Cyber。官方强调新模型“更高效”“更聪明”“为 agent 而生”，但第三方评测和用户反馈显示，3.6 Flash 在智能水平上相比 3.5 Flash 并无明显提升，引发广泛调侃。

核心信息

1. Gemini 3.6 Flash

• 定位：主力（workhorse）模型，侧重低成本、高效率。
• 价格：输入 1.5 美元/百万 token，输出 7.5 美元/百万 token，比前代 3.5 Flash（输出 9 美元/百万 token）便宜。
• token 节省：Artificial Analysis 数据显示，相比 3.5 Flash 少用 17% 输出 token，在 DeepSWE 基准上可节省高达 65%。
• 基准成绩：
  • DeepSWE：从 37% 提升至 49%。
  • MLE Bench（机器学习研究）：从 49.7% 提升至 63.9%。
  • OSWorld-Verified（计算机操作）：从 78.4% 提升至 83%。
  • GDPval-AA v2（知识工作）：从 1349 提升至 1421。
• 安全：升级 Frontier Safety 防护，重点针对 CBRN 和网络攻击。
• 知识截止日期：从 2025 年 1 月推进至 2026 年 3 月。
• 第三方评测：Artificial Analysis 指出，3.6 Flash 的“智能指数”得分与 3.5 Flash 完全相同。
• 用户吐槽：
  • 网友 Balder 实测认为三个新模型性能均比 3.5 Flash 差，存在基础解码问题、中文选词离谱、图片视频质量差、记忆混乱等问题。
  • 网友 Angel 指出，3.6 Flash 的性价比不如 GPT-5.6 Sol medium（价格更高但智能更低）。
  • 网友 Conor Dart 在 AI 生成游戏测试中发现纹理质量反而下降。

2. Gemini 3.5 Flash-Lite

• 定位：更低成本的轻量模型，主打高吞吐、低延迟。
• 价格：输入 0.3 美元/百万 token，输出 2.5 美元/百万 token。
• 速度：每秒 350 个 token（Artificial Analysis 测量）。
• 特性：支持调节“推理档位”，计算机操作内置为工具。
• 基准提升：
  • Terminal-Bench 2.1（代码与 agent）：从 31% 提升至 54%。
  • GDM-MRCR v2（长上下文）：从 60.1% 提升至 72.2%。
  • GDPval-AA v2：从 642 飙升至 1140。
• 亮点：在部分 agent 和代码任务上反超前代 Gemma 3 Flash。

3. Gemini 3.5 Flash Cyber

• 定位：专用于寻找和修复代码安全漏洞的模型。
• 基础：基于 3.5 Flash 微调，配合 CodeMender 工具使用。
• 表现：在 CyberGym 基准上达到第一梯队水平，且更省 token。
• 限制：仅面向“可信合作伙伴”限量开放内测，锁定能力防止滥用。

值得关注

• 旗舰模型 3.5 Pro 跳票：据彭博社等媒体报道，3.5 Pro 的代码生成能力未达内部预期，Google 曾更新训练数据但未起色，传闻已推翻原方案重训。
• Google 转向预告 Gemini 4：AI 宣传负责人 Logan Kilpatrick 公开表示已启动“史上最雄心勃勃的 Gemini 4 预训练”，但被解读为在旗舰跳票背景下的转移视线。
• 市场对比：OpenAI 的 Tibo 同日宣布，由于周活跃用户达 1000 万，Codex 和 ChatGPT Work 付费用户额度重置，形成鲜明反差。