7月21日，谷歌突然在AI Studio和Gemini模型选择器中上线了两个新模型：Gemini 3.6 Flash和Gemini 3.5 Flash-Lite。毫无征兆，也毫无犹豫，它们就这样悄然而至。这两个模型一个主打更强的代码和Agent能力，另一个则专注于低成本的大规模调用。反观被寄予厚望的旗舰模型Gemini 3.5 Pro，千呼万唤始出来，却依然不见踪影。按照原定计划，3.5 Pro本应在6月上线，如今7月已过大半，这款被寄予厚望的模型仍未正式亮相。代表旗舰实力的答卷迟迟未交，谷歌先抛出这两张“草稿纸”，究竟意欲何为？
**01 3.6 Flash：成本降低，性能稳步提升**
谷歌表示，相较于上一代Flash模型，Gemini 3.6 Flash在编码、推理和工具调用方面均有提升，同时通过减少输出token来降低运行成本。3.6 Flash的定位是面向真实生产环境的高效模型，或者更直白地说，是为Agent服务的。在Agent时代，一次任务可能需要数十轮模型调用，这意味着模型不仅要聪明，还必须足够快、足够便宜。Google此前已在Gemini 3.5 Flash上强化了这一路线。根据官方文档，3.5 Flash支持百万级上下文，能一次处理大量信息，并支持代码执行、外部工具调用及文件搜索，能完成更复杂、更长时间的任务。3.6 Flash延续了这一路线，它追求的不是单次回答的极致质量，而是“能够承担得起每日真实工作”的位置。
定价方面：输入1.50美元/百万token，输出7.50美元/百万token。相比3.5 Flash（输入1.5美元，输出9美元），输入成本不变，但输出成本下降。对于需要大量调用AI的企业而言，这种成本变化可能比基准测试中的几个百分点提升更为重要。谷歌内部测试显示，在完成同一任务时，3.6 Flash相比3.5 Flash减少了55.8%的token消耗，任务评分从85分提升至100分。这只是谷歌希望展示的方向：新模型更省，且能用更少的计算完成同样甚至更好的任务。
在公开基准测试中，谷歌主要强调代码和Agent能力。在DeepSWE代码评测中，3.6 Flash得49%，高于上一代的37%。谷歌称新模型能减少无效代码修改和重复执行。在OSWorld-Verified（AI操作电脑）评测中，3.6 Flash得83%，超过3.5 Flash的78.4%。在MLE Bench（机器学习任务）中，3.6 Flash得63.9%，高于上一代的49.7%。这些数据表明3.6 Flash相比上一代有所进步。
但若放在当前大模型竞争中横向比较，Google的对手是GPT-5.6 Luna、Grok 4.5和Claude Sonnet 5。从结果看，3.6 Flash并未全面领先，GPT和Claude在复杂软件工程和知识工作上的优势依然明显。但这正是Flash系列的意义：在明显低于旗舰模型成本的情况下，提供够用的能力。
官方测评之外，Artificial Analysis的测试显示，3.6 Flash在综合智力指数上与3.5 Flash持平（50分）。这意味着，如果只看模型综合“智力”，3.6 Flash并没有升级。但速度很好地弥补了这一点。Artificial Analysis统计显示，3.6 Flash每项任务平均耗时约1.3分钟，相比上一代3.5 Flash的约2.7分钟，速度提升了一倍。3.5 Flash-Lite的任务完成时间也从约1.6分钟下降到约0.6分钟。
总的来说，3.6 Flash的升级方向是效率：更少的token消耗、更低的运行成本，以及更适合长期运行的Agent能力。对于习惯使用3.5 Flash的用户来说，这确实是一次不错的升级。
**02 3.5 Flash-Lite：速度飞升，单价未降**
再来关注另一个模型Gemini 3.5 Flash-Lite。顾名思义，Flash-Lite是Flash系列中更轻量的版本，相比Flash牺牲了一部分能力上限，换取了更低的成本和更快的速度。如前所述，3.5 Flash-Lite的任务完成时间从上一代的约1.6分钟下降到了约0.6分钟。它是3.5系列中速度最快的型号，根据Artificial Analysis数据，其生成速度达到约350 token/秒，属于当前主流大模型的高速水平。
定价方面：输入0.30美元/百万token，输出2.50美元/百万token。相比3.6 Flash，输入价格约为1/5，输出约为1/3。不过，与上一代3.1 Flash-Lite相比，新模型并未进一步降价。虽然3.5 Flash-Lite因能力提升可能减少输出量从而降低部分成本，但综合来看，很难抵消单价上的成本增加。
根据文档，相比上一代，新模型在不同思考等级下都有明显提升，开发者可根据需求调整思考深度。此外，3.5 Flash-Lite还内置了Computer Use能力，帮助Agent更可靠地操作电脑环境。
具体测试中，新模型相比上一代有明显提升：Terminal-Bench 2.1编程Agent测试中，成绩从31%提升到54%；GDM-MRCR v2（长上下文理解）从60.1%提升到72.2%；GDPval-AA v2（任务执行）从642提升到1140。
值得注意的是，在一些Agent和代码测试中，3.5 Flash-Lite甚至超过了上一代更高定位的3 Flash模型。例如，SWE-Bench Pro中得54.2%，高于3 Flash的49.6%；OSWorld-Verified中得74.0%，超过3 Flash的65.1%。这意味着，随着模型能力提升，过去需要更大模型才能完成的Agent任务，正在下沉到更便宜、更快速的模型。
顺便一提，除前两个通用模型外，谷歌还推出了Gemini 3.5 Flash Cyber，主要针对网络安全场景。在CodeMender系统中，多个Flash Cyber Agent可协同完成不同分析任务并汇总报告。在CyberGym基准测试中，表现接近前沿模型。该模型目前不公开提供，仅通过CodeMender平台向政府和可信合作伙伴开放。
**03 3.5 Pro：迟迟未揭晓的旗舰答卷**
如果说3.6 Flash和3.5 Flash-Lite可以看作谷歌对AI规模化应用的判断，那么3.5 Pro则代表着谷歌模型的上限。但问题在于：这份答卷，到现在还没有交出来。
5月I/O大会时，谷歌表示3.5 Pro将在“接下来一个月左右”推出，即预计6月上线。现在7月已过大半。据彭博社7月16日报道，3.5 Pro发布时间已落后原计划数月，谷歌仍在继续优化模型能力，尤其是编码表现，希望达到内部目标。路透社最新报道显示，截至目前谷歌仍未公布具体上线时间，仅表示正在与合作伙伴测试，并将“很快”推出；另有新闻稿透露，Gemini 4的训练工作已开始。而我们都知道，“很快”意味着不确定。
Gemini 1.0曾因演示争议受质疑；1.5 Pro凭借百万上下文短暂扳回局面，但随后Claude和GPT系列快速追赶；直到3系列发布，谷歌才重新获得“回到前沿竞争”的评价。如今3.5 Pro再次延期，市场关注的已不只是一个模型何时上线，还有谷歌能否保持旗舰模型的竞争节奏。
何况谷歌透露的编码表现不及预期，并非容易解决的小问题。随着Agent进入企业工作流，代码能力的重要性迅速提升。一个模型能否理解复杂项目、修改真实代码、完成多步骤开发任务，已成为衡量其实际生产价值的重要指标。路透社指出，华尔街正在等待3.5 Pro，因为它将成为判断Google DeepMind能否跟上OpenAI和Anthropic的重要指标。
当然，谷歌并非没有动作，这次推出的模型恰说明谷歌正在强化另一条路线：让AI变得更便宜、更容易规模化。谷歌CEO Sundar Pichai近期多次强调成本优势，并表示企业若将大部分AI工作负载迁移至Gemini，可每年节省超10亿美元。但问题在于，市场期待的是一份证明谷歌模型实力的“答卷”，谷歌交出的却是两张关于效率和成本的“草稿纸”——这很难不让人觉得，谷歌在用Flash系列填补Pro延迟留下的空档。
有趣的是，在3.5 Pro延期的同时，AI竞争格局正在变化。过去，人们讨论AI领先者主要关注海外“御三家”：OpenAI、Anthropic和Google DeepMind。但最近，GLM-5.2、Kimi K3等国产模型也开始进入前沿竞争。前沿模型的追赶速度加快，也让谷歌的问题变得更加紧迫。谷歌当然可以继续大力推出Flash模型，但前提是它的旗舰模型足够给力——只要硬实力足够，自有大儒为他辩经。
如果谷歌最终推出一个真正领先的旗舰模型，那么Flash路线将成为完整体系的一部分：Pro负责突破能力上限；Flash负责规模化应用。但如果3.5 Pro持续落后，市场很可能会继续追问：谷歌拥有最强AI研究资源，为何却无法稳定跑赢竞争对手？在Alphabet本周举行的第二季度财报电话会议时，人们很可能会进一步询问有关3.5 Pro的更多细节。