谷歌发布新Gemini Flash模型，但Pro版本仍缺席

谷歌今日推出三款新AI模型：Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，但这并非市场预期。自今年5月谷歌I/O大会上发布Gemini 3.5 Flash并承诺一个月内推出Pro版本后，谷歌悄然错过了自己的截止日期。据彭博社报道，Gemini 3.5 Pro因未达到内部目标而被推迟，尤其是在编码任务上表现不佳。6月底通过更新训练数据（模型学习所依赖的海量数据集）进行的修复尝试结果令人失望。消息公布后，Alphabet股价下跌约4.4%，单日市值蒸发约2000亿美元。

谷歌上一次发布Pro级模型还是2月份的Gemini 3.1 Pro。Flash系列是谷歌的速度优化型模型——快速、经济高效，专为AI代理构建，这类程序能半自主地处理文档管理、数据管道处理或网页浏览等任务。Pro模型则是重型选手：更慢、更贵，但专为复杂推理设计，原始算力比速度更重要。

各模型能力与定位

Gemini 3.6 Flash是本次主要发布模型。据Artificial Analysis Index，其输出token（AI处理的基本单位，约0.75个单词）比3.5 Flash减少17%，且价格更低：每百万输入token 1.5美元，每百万输出token 7.5美元，相比3.5 Flash的9美元输出价格有明显优势。对于大规模运行代理的企业，成本差异会迅速累积。在基准测试中，3.6 Flash在DeepSWE v1.1（测试长时间软件工程任务，如构建和调试完整代码库）上达到49%，而3.5 Flash为37%；在MLE-Bench（机器学习工程测试）上得分63.9%对比49.7%；在OSWorld-Verified（AI控制电脑屏幕完成真实任务的测试）上以83.0%领先，超越Claude Sonnet 5（81.2%）和GPT-5.6 Luna（72.6%）。

但竞争对手在部分领域仍领先：GPT-5.6 Luna在DeepSWE上得分67%，在Terminal-Bench 2.1（测试代理终端编码）上得分84.7%；Claude Sonnet 5在GDPval-AA v2（基于Elo评级的知识工作基准）上以1607分领先3.6 Flash的1421分。我们测试了该模型的编码能力，结果不理想——简单的编码测试生成了不可用的文件，HTML格式错误，元素渲染不正确，后续尝试修复也未能成功。

我们请Deepseek将第一个模型转换成可玩版本，仅修复bug。它识别出11个bug并实施了8个关键修复，最终生成了一款不错的游戏。

Deepseek的小调整修复了游戏，说明Gemini的核心思路正确，但细节和不准确导致结果不可用。如果打算用该模型进行长时间编码，可能需要忍受廉价但性能不佳的模型。

谷歌发布的第二个模型Gemini 3.5 Flash-Lite专为高吞吐量设计：每秒350个输出token，每百万输入token 0.3美元，每百万输出token 2.5美元。它面向大规模文档处理或代理搜索系统等管道，在关键编码任务上超越旧版3 Flash（Terminal-Bench 2.1得分54% vs 31%），尽管价格更低。它还可作为会话压缩器（分析长会话并提取关键元素，避免代理被噪声淹没），适用于依赖Hermes和Openclaw的用户。

第三个模型Gemini 3.5 Flash Cyber不会公开提供。谷歌将其限制于政府和经审查的合作伙伴，用于发现和修复软件漏洞——这是一种双重用途能力，谷歌认为不宜广泛发布。与此同时，谷歌DeepMind团队已开始推进下一代模型。谷歌在官方公告中确认已启动“迄今为止最雄心勃勃的预训练运行，针对Gemini 4”，团队正在积极宣传。预训练是模型在任务特定微调之前从海量数据集学习的基础阶段，意味着Gemini 4正在构建中，而非规划中。

We have started our most ambitious pre-training run yet, for Gemini 4, and are excited by the progress : )

— Logan Kilpatrick (@OfficialLoganK) July 21, 2026