你让 AI 批量整理文件、修改代码，再操作电脑完成后续步骤。单次回答聪不聪明当然重要，但真正跑上几千、几万次后，另外三件事会迅速冒出来：每次要等多久、生成多少文字碎片、出错或被滥用的风险有多大。Google DeepMind 周二发布三款 Gemini 模型，瞄准的正是这些生产环境——企业真正面向员工或客户运行的系统——里的现实问题。
Gemini 是 Google 的通用 AI 模型家族。Flash 系列负责速度、成本和大规模部署，旗舰 Pro 则通常承担更复杂的推理与编码任务。这次登场的是 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber：一款做主力，一款压低成本和延迟，一款专攻网络安全。本文数字主要来自 Google 官方博客；其中速度、价格和多项基准成绩属于厂商自报结果，适合用来理解产品定位，不宜直接当作独立验证。
主力模型先做“减法”
Google 把 Gemini 3.6 Flash 称为“workhorse model”，也就是日常承担大量任务的主力型号。它重点改善编码、知识工作和多模态能力。多模态指模型同时处理文字、图片、音频等不同形式的信息，这决定了它能否覆盖文档解析、图表分析和报告起草等真实业务。
这次最值得注意的不是模型能写得更多，而是它尝试用更少的输出完成任务。token 是模型读写信息时使用的计量单位，可以粗略理解为文字碎片。输出 token 越少，通常意味着成本更低、等待更短。据 Google 引述的 Artificial Analysis Index，3.6 Flash 比 3.5 Flash 少用 17% 的输出 token；Google 还称，在 DeepSWE 等部分基准上，降幅最高可到 65%。后一个数字只见于官方材料。
价格也沿着同一方向调整：每百万输入 token 1.50 美元，每百万输出 token 7.50 美元，输出单价低于 3.5 Flash。Google 表示，新模型完成多步骤任务时还会减少推理步骤和工具调用。换句话说，它不只是少说话，也试图少绕路。
官方公布的成绩显示，3.6 Flash 在 DeepSWE 上由 3.5 Flash 的 37% 升至 49%，在 MLE Bench 上由 49.7% 升至 63.9%，在 OSWorld-Verified 上由 78.4% 升至 83.0%。这些测试分别指向软件工程、机器学习研究和电脑操作能力。数字的共同指向很清楚：Google 希望证明，减少 token 并没有以明显牺牲任务表现为代价。
Flash-Lite 把规模放在第一位
Gemini 3.5 Flash-Lite 的任务更单纯：处理数量巨大、又不值得动用昂贵模型的工作，例如智能体搜索和文档处理。Google 称它是 3.5 系列中速度最快、成本最低的型号。这个范围限定很重要，它不是在宣称自己是整个市场上最快或最便宜。
据官方博客引述的 Artificial Analysis 数据，它每秒可输出 350 个 token。定价为每百万输入 token 0.30 美元、每百万输出 token 2.50 美元。开发者还能调整模型的“思考等级”：批量简单任务优先低延迟和低成本，多步骤任务则允许投入更多计算。这像是给同一辆车提供不同挡位，而不是每趟路都踩到底。
“懂安全”不只是一款 Cyber 模型
Gemini 3.5 Flash Cyber 是在通用模型上做过微调的专用模型。微调指用特定领域数据继续训练，让模型更擅长某类任务。它面向发现和修复网络安全漏洞，并与 CodeMender 代码安全智能体配套使用。Google 的判断是，安全工作不能只靠一个会找漏洞的模型，还需要智能体基础设施负责安排检查、验证和修复流程。
据 TechCrunch 转述 Google 的说法，Flash Cyber 暂时只通过有限访问试点，提供给政府和受信任合作伙伴。这种开放方式本身也说明了安全模型的两面性：发现漏洞的能力可以用于修复，也可能被用于攻击。
主力 3.6 Flash 同样加入了安全措施。官方称，它加强了对化学、生物、放射性与核风险，以及网络攻击滥用的防护，并提高了抵抗“越狱”的能力——也就是防止用户用绕过规则的提示诱导模型输出危险内容。同时，Google 表示模型经过训练，以减少对正当用途的误拒绝。不过这些效果在现有材料中没有给出可供核对的具体测试数字。
三箭齐发，也照出一个空位
这套组合传递的信号比单项跑分更重要。Google 正把 Flash 拆成三种角色：3.6 Flash 平衡质量与效率，Flash-Lite 承接高吞吐量任务，Flash Cyber 处理边界更敏感的专业场景。共同目标是让大规模 AI 智能体获得更高效率、更低延迟和更可靠的表现。
但发布会上最显眼的产品或许是没有发布的 Gemini 3.5 Pro。Google DeepMind 产品负责人 Logan Kilpatrick 表示，该模型仍在与合作伙伴测试，希望尽快推出。Google 同时已经启动 Gemini 4 的预训练，并称这是公司迄今“最具雄心”的预训练项目。后一句属于官方定性，目前没有更多结果支撑。
因此，这次更新不宜被理解成 Google 推出了新的全公司最强模型。现有信源对此说法存在冲突，而通常承担最高能力定位的 Pro 仍然缺席。更准确的判断是：Google 先把可大规模使用的产品层补得更细，却尚未交出新旗舰。
局限与未知
- 速度、token 降幅、价格和基准成绩主要来自 Google 官方披露，尚不足以代表不同真实业务中的稳定表现。
- Flash Cyber 的训练细节、评测方法和试点规模没有在现有材料中完整公开，其“前沿竞争力”仍是官方表述。
- Gemini 3.5 Pro 没有明确发布日期；Gemini 4 也只确认已开始预训练，能力与产品形态仍未知。