Gemini 3.6 Flash 釋出，引發對節省 Token 與智慧之間權衡的嘲諷

如果你從去年就開始使用 Gemini，那麼最近流行的一個段子是：它就像看著你自己的哥哥逐漸患上阿爾茨海默症。通常，當一家公司釋出新模型時，本應用來反駁這類調侃。但就在剛才，谷歌釋出了三款新模型後，網友不僅沒有收回這句話，反而笑得更厲害了，給人一種“他們不信你，結果你成了最讓人失望的那個”的感覺。這三款模型分別是 3.6 Flash、3.5 Flash-Lite 以及用於網路安全的 3.5 Flash Cyber。官方部落格中的措辭依然熟悉：更高效、更智慧、專為大規模 AI 智慧體打造，且毫不遜色。然而，實際體驗卻大相徑庭。

首先來看旗艦款 3.6 Flash。它是今年五月 I/O 大會上釋出的 3.5 Flash 的小版本升級，官方將其定位為“工作馬”模型。這一代最大的賣點是節省 Token：根據 Artificial Analysis Index 的資料，3.6 Flash 比 3.5 Flash 少使用 17% 的輸出 Token，在 DeepSWE 場景下甚至減少了高達 65%。執行多步任務時，推理步驟和工具呼叫的數量也相應減少。價格確實下降了，輸入 Token 為每百萬 1.5 美元，輸出 Token 為每百萬 7.5 美元，而之前的 3.5 Flash 輸出價格為每百萬 9 美元。這直接降至 7.5 美元，使其更快且更具成本效益，單個智慧體任務的成本顯著降低。

在基準測試中，程式碼能力是重點，DeepSWE 從 37% 上升至 49%。官方聲稱不必要的程式碼更改更少，執行迴圈更短，生成的程式碼更接近生產要求；機器學習研究的 MLE Bench 有了更顯著的提升，從 49.7% 升至 63.9%；計算機操作的 OSWorld-Verified 從 78.4% 升至 83%，且計算機操作已成為 Gemini API 和企業版中的內建工具，開箱即用。一個雖小但實用的更新是，知識截止日期終於從 2025 年 1 月推遲到了 2026 年 3 月，終於擺脫了舊日曆。在安全方面，官方表示 3.6 Flash 升級了前沿安全保護，專注於兩類濫用行為：化學、生物、放射性、核以及網路攻擊，具有更強的抗越獄能力，同時儘量不傷害正常需求並最小化不必要的拒絕。

下一層級是 3.5 Flash-Lite，它專注於速度和價效比，針對高吞吐量和低延遲任務，如智慧體搜尋和文件處理。它是 3.5 系列中最快的，根據 Artificial Analysis 的測量，每秒可生成 350 個 Token。價格極其便宜，輸入為每百萬 Token 0.3 美元，輸出為每百萬 Token 2.5 美元，質量明顯優於今年三月釋出的 3.1 Flash-Lite。它支援調整推理級別，低端任務可以在最低階別執行以追求速度和效率，而當面對需要多步的複雜子任務時，它可以向上調整思考級別。計算機操作也已被製成內建工具。

顯著提升方面：程式碼和智慧體任務的 Terminal-Bench2.1 從 31% 躍升至 54%，長上下文的 GDM-MRCR v2 從 60.1% 提升至 72.2%，真實任務執行的 GDPval-AA v2 從 642 增加到 1140。最有趣的是，這款低端模型在許多智慧體和程式碼任務中實際上超越了其更高階的對應模型 3Flash，例如 SWE-Bench Pro（54.2% 對 49.6%）和 OSWorld-Verified（74.0% 對 65.1%），這意味著曾經由 3Flash 處理的任務現在有了更快、更強的替代方案。官方提供了幾個用例，包括從海量電商資料中提取產品功能、作為 3.6 Flash 的助手一次性生成 25 個網頁設計概念、批次翻譯和總結收據，以及遊玩並迭代建立遊戲。Ashler、Palo Alto Networks 和 Ramp 的客戶也稱讚了其速度、智慧性和價效比。

最後一個，3.5 Flash Cyber，採取了不同的方法，專門設計用於發現和修復程式碼中的安全漏洞。谷歌的邏輯很巧妙：AI 發現漏洞的速度已經超過了現有系統修復漏洞的速度，導致漏洞堆積。相反，他們使用廉價且高效的 Flash 進行批次修復。該模型由 3.5 Flash 微調而來，並搭配其自己的 CodeMender 工具，多個 Flash Cyber 智慧體協同工作，然後彙總成報告。在業界知名的 CyberGym 基準測試中，它達到了第一梯隊水平，且與更大規模的模型相比使用了更少的 Token。然而，目前該模型不可用，考慮到漏洞發現是一把雙刃劍。谷歌追隨 Anthropic 的腳步，採用了安全敘事，將其嚴格鎖定，僅提供有限訪問許可權給受信任的合作伙伴進行內部測試。目的是給一線防禦者時間以在漏洞被利用前進行修復，同時防止人們濫用它。

至此，你可能會問，真正的旗艦款 3.5Pro 在哪裡？根據官方解釋，它仍在與合作伙伴進行測試，一旦準備就緒就會發布。然而，這句話背後的故事可能並不順利。據彭博社等媒體報道，3.5Pro 的程式碼生成能力從未達到內部預期。谷歌在六月末再次更新了訓練資料以彌補程式碼方面的不足，但結果仍未改善。甚至有傳言稱谷歌完全放棄了原始訓練計劃並重新開始。與此同時，谷歌 AI 發言人 Logan Kilpatrick 在公開宣告中公然跳過 3.5Pro，將焦點轉移到 Gemini4 上，聲稱最大且最具雄心的 Gemini4 預訓練已經開始，進展令人興奮。鑑於旗艦款延期的背景，這感覺有點像轉移注意力或延長幻象的承諾。

僅看今天釋出的 Flash 模型，網友並未完全買賬。第三方評估機構 Artificial Analysis 表示，這兩款新模型確實將每項任務的時間縮短了一半，並提高了 Token 效率，Flash-Lite 的智慧指數增加了 11 分。然而，3.6 Flash 與 3.5 Flash 相比，智慧水平基本保持不變。價格下降不足以忽略能力差距，能力提升也不足以證明成本的合理性。在 X 平臺上，一些使用者批評稱，3.6 Flash 在 Artificial Analysis 上的得分與 3.5 Flash 完全相同，且不如 Meta Spark1.1、GLM-5.2、5.6Luna、Sonnet5、Grok4.5、5.6Terra 等競爭對手，稱其簡直糟糕透頂。

使用者 Angel 從價效比的角度指出，3.6 Flash 的使用成本高於 GPT-5.6Sol 中端模型，但其智慧水平卻更低，形成了一種尷尬的組合。畢竟，Flash 系列的基礎是價效比，但現在指出其價值不如競爭對手，無異於自毀長城。作為對比，OpenAI 的 Tibo 最近也發聲表示，由於周活躍使用者達到 1000 萬，Codex 和 ChatGPT Work 的付費使用者收到了一輪新的配額重置。這種對比和差距，人們是否還記得湖畔的 Google Gemini3？

現實世界的測試者也火上澆油。使用者 Balder 直接批評稱，這三款模型的效能比之前的 3.5 Flash 更差，問題包括但不限於基本解碼錯誤、奇怪的中文用詞、影象和影片質量差、與指令不匹配、限制嚴重、頻繁記憶混亂以及錯誤的工具呼叫。他甚至提出了一種陰謀論，認為谷歌這樣做是為了騰出計算資源出售給 Anthropic，諷刺地說這就是 Pichai 想要的——雲優先。X 使用者 Conor Dart 使用谷歌自己的 Antigravity 執行了 AI 生成遊戲測試，結果木紋和大理石紋理更差，看起來幾乎相似但仍無法使用。他直接稱其為又一次失敗，表示寧願等待 Gemini3.5 或 3.6Pro。

一方面，官方賬號強調更高的效率、更低的價格和更少的 Token。另一方面，大多數網友給出了負面反饋，以及模型背後的一系列壞訊息，如旗艦款延期、頂尖人才流失和市值縮水。不禁讓人懷疑谷歌是否真的搞錯了技術路線，過於關注節省成本而忽視了提升智慧，僅靠幾款 Flash 模型來穩住局面。無論如何，Gemini4 的預訓練已經開始。如果這次嘗試也失敗，關於阿爾茨海默症的段子可能真的會成為預言。