昨夜，在 Alphabet 发布财报前一天，谷歌一口气推出了三款全新的 Gemini 模型，全部属于主打“快速、低成本”的 Flash 系列，重点聚焦于提升复杂智能体（agentic）工作流中的运行效率，并降低 token 消耗。其核心特性很明确：效率优先于绝对性能。

短短一周内，xAI 的 Grok 4.5、OpenAI 的多版本 GPT-5.6 以及 Moonshot AI 的 Kimi K3 相继发布；与此同时，Anthropic 的 Fable 5 已登顶多项榜单。而在这个“被全面超车的夏天”，谷歌当前给出的回应是：更便宜的模型。

牺牲峰值性能，换取效率和更低的价格

根据谷歌的说法，这一全新的 Flash 系列旨在通过更强的能力与更高的性价比，优化 AI 智能体的开发。该系列共包括三款模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 以及面向安全场景的 Gemini 3.5 Flash Cyber。

其中，Gemini 3.6 Flash 是其旗舰模型中的“主力款”，主打在质量与效率之间取得最佳平衡。谷歌表示，相比前代，其知识截止时间更新至 2026 年 3 月，在编程、知识型任务以及多模态推理能力上均有所提升，同时将平均输出 token 消耗降低了 17%。

同时，在部分使用场景中，Gemini 3.6 Flash 相比 3.5 Flash 最多可减少 65% 的输出 token。在后“token 精打细算”的时代，它确实在“省 token”方面有所表现，且这已经成为一个颇具意义的指标。通过减少中间推理步骤与工具调用，该模型显著压缩了多步骤 AI 工作流的整体运行成本。在基准表现上，Gemini 3.6 Flash 在代码修改准确率、机器学习研究、计算机操作、文档解析以及报告生成等任务中均有明显提升。包括 Heavia 和 Harvey 在内的企业客户表示，在视觉处理、图表分析和数据提取等多模态任务中，模型表现得到了显著增强。

关键的是，该模型的成本也更低，其输入价格为每百万 token 1.50 美元，输出价格从每百万 token 9 美元降至 7.5 美元。随着人们对 AI 使用成本的认知不断提高，这一点确实进一步增强了市场竞争力。但在性能对比层面，Gemini 3.6 Flash 并没有让人眼前一亮。

在大多数关键基准测试中，它似乎落后于 Anthropic 的 Claude Sonnet 5 以及 OpenAI 的 GPT-5.6；甚至在诸如智能体编程（agentic coding）等任务上，也开始被最新的 Grok 4.5 甩在后面。考虑到 Gemini 3.6 Flash 的价格并没有比竞争对手便宜太多，大致与 Grok 4.5 和 GPT-5.6 持平。因此，它要在这场模型大战中找到自己的定位，难度不小。

Gemini 3.5 Flash-Lite 是该系列中“最快、最具性价比”的模型，主要面向高吞吐的智能体搜索和大规模文档处理场景。该模型每秒可生成 350 个 token，和 3.6 Flash 一样，在延续前代性能的基础上进一步提升了整体效率。谷歌表示，Flash-Lite 在多个代理和编程基准测试中击败了旧款 3 Flash，包括 SWE-Bench Pro 和 OSWorld-Verified。与其直接前身 3.1 Flash-Lite 相比，其终端工作台 2.1 评分从 31% 提升至 54%。

该模型的价格也更低，其输入为每百万 token 0.30 美元、输出为每百万 token 2.50 美元，为高负载企业应用提供了更具性价比的解决方案。

可以看出，Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 两款模型背后押注的是同一个战略判断：大多数 AI 使用场景，并不需要“前沿级大脑”，而是一个足够快、足够便宜的模型。今年早些时候，谷歌 CEO Sundar Pichai 表示：“企业已经在透支全年 token 预算，而现在才 5 月。”他在接受采访时称，组合使用 Flash 系列模型，每年可以为企业节省超过 10 亿美元。

目前，这两款模型背已向 Gemini 企业用户以及 Gemini 应用用户开放，3.5 Flash-Lite 也将在不久后接入 Google 搜索。

对标 Mythos 的“平价替代”，但有严格限制

最具针对性的发布，是 Gemini 3.5 Flash Cyber。该模型基于 Gemini 3.5 Flash 打造，并针对网络安全任务进行了专门优化，用于发现和修复软件漏洞。据悉，谷歌将其集成进 Google DeepMind 的代码安全智能体 CodeMender 中，该系统由多个 Flash Cyber 子智能体并行运行，并将结果汇总成一份统一报告，是谷歌进军网络安全专用模型的一次尝试。

谷歌将 Flash Cyber 定位为大型安全模型的“高性价比替代”，声称其在某项关键基准测试上可达到前沿模型水平，但成本仅为其一小部分。在 CyberGym 基准测试中，该模型取得了 83.2% 的成绩，仅比 OpenAI 的 GPT-5.5-Cyber（85.6%）低约 2 个百分点，尽管其模型规模要小得多。值得注意的是，CyberGym 是目前少数包含竞品模型对比的基准测试之一，各模型分数差距非常接近，而谷歌的优势主要体现在更低的 token 成本上。

在另一项测试中，Google 云漏洞研究团队利用该模型扫描公开 API，仅用两小时就发现了远程代码执行漏洞，并生成了可绕过安全防护的有效利用代码。在实际应用中，Google 的 Big Sleep 团队使用该模型检测 Google Chrome 和 Safari 中的关键漏洞，其表现超过了标准 Flash 模型以及 Anthropic 的 Claude Opus 4.6。在扫描 V8 JavaScript 引擎的代码提交时，Flash Cyber 发现了 55 个已确认的独立问题，而标准 3.5 Flash 发现 47 个，Opus 4.6 发现 36 个；其中有 10 个漏洞是其他模型完全未能识别的。

此外，Anthropic 在 AI 安全领域的领先地位也受到挑战。Mythos 是该模型的“隐形对手” ，但定价高达每百万输入 token 10 美元、输出 50 美元。

不过，谷歌也承认，这类模型在“进攻”和“防御”两方面同样强大，因此必须严格控制访问权限。目前，Flash Cyber 仅通过 CodeMender，在试点计划中向政府机构及可信合作伙伴开放，用于检测并修复安全漏洞。至于 CodeMender 智能体本身，则已通过 Gemini Enterprise Agent 平台提供预览版（但使用的是标准 Gemini 模型），支持 C/C++、Go、Java、Python、Ruby、Rust 和 TypeScript 等多种编程语言。

其竞争对手在网络安全能力上也采取了类似的访问限制策略。Anthropic 对其 Claude Mythos 实施了受限访问，而 OpenAI 则通过“可信访问”计划，仅向经过验证的用户开放 GPT-5.6 的部分防御能力。

关键模型缺席，曝 Gemini 4 开启预训练 

尽管谷歌在 3.6 Flash 上有所推进，但更引人注意的，其实是“没有发布的东西”。

目前，谷歌在公开榜单前十中甚至没有一款模型。谷歌原计划在 6 月推出的旗舰模型 Gemini 3.5 Pro，至今仍在测试阶段，而华尔街正以该模型作为衡量 Google 旗下 Google DeepMind 是否能够与 Anthropic 和 OpenAI 保持竞争力的重要信号。去年 11 月，Gemini 3 系列模型的推出，一度显示出 Google 在经历多年落后后重回 AI 竞赛前列，甚至促使 OpenAI 在内部拉响“红色警报”，加速推进其 GPT 模型的研发。

7 月 17 日，据外媒报道，Gemini 3.5 Pro 的延期，据称是因为其未能达到内部预期，尤其是在编程能力方面，而这恰恰已成为企业级 AI 最具商业价值的应用场景之一。6 月下旬，团队曾尝试通过更新训练数据（即模型学习所依赖的大规模数据集）来进行改进，但结果依然令人失望。受该消息影响，Alphabet Inc. 的股价单日下跌约 4.4%，市值蒸发约 2000 亿美元。

有 10 名现任和前任谷歌员工透露，包括研究人员和管理层在内的许多人担心，随着竞争对手 Anthropic 和 OpenAI 推出能力超过 Gemini 模型，公司可能会在市场上失去优势。这些不愿具名的知情人士表示，谷歌在模型发布前需要协调多个层级的利益相关方，同时还要努力将 AI 融入其庞大的产品体系，包括搜索、地图以及 YouTube，这种复杂性也可能导致发布进度放缓。

谷歌对此的回应，是把目光投向更远处。该公司表示，已经启动了迄今为止“最雄心勃勃的一次预训练”，目标直指 Gemini 4。但这更多是一种意图表达，而非已经落地的能力。也就是说，Gemini 4 也很可能已经在预训练阶段。因此，与其说 Gemini 3.6 是一次重大升级，不如说更像是在“真正的大版本到来之前”，提醒市场 Gemini 仍然存在的一次展示。

这次谷歌的三款模型发布，率先传达出“效率优先”的策略。整体来看，这一策略是自洽的：在企业开始精打细算 token 成本的年份，用“便宜 + 快速”占领中端市场，同时为旗舰模型争取时间。并且，该策略也不止体现在软件层面。据了解，谷歌同时在研发自研芯片，以更低成本运行 Gemini。

但这场赌局能否成立，取决于两点：Gemini 3.5 Pro 能否尽快落地，以及 Gemini 4 最终是否不只是一次“训练中的承诺”。

参考链接：

https://ai.google.dev/gemini-api/docs/latest-model

https://www.reuters.com/business/google-updates-lightweight-gemini-models-flagship-still-delayed-2026-07-21/

https://www.bloomberg.com/news/articles/2026-07-16/google-gemini-launch-delayed-as-tech-falls-short-of-internal-goals