谷歌Gemini三箭齐发，Flash降价提效、网络安全模型直指Anthropic，旗舰3.5 Pro仍难产

谷歌又一次调整了AI军备竞赛的焦点。这一次，重心从单纯追求更大、更强的旗舰模型，转向了更便宜、更快、更适合大规模部署的AI智能体。

美东时间周二，谷歌一口气推出了三款新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，以及面向网络安全的Gemini 3.5 Flash Cyber。其中，Gemini 3.6 Flash主打代码、知识工作和多模态任务，在减少输出Token消耗的同时，价格也比上一代更低；Flash-Lite则瞄准了高吞吐、低延迟的场景；而Flash Cyber通过CodeMender代码安全智能体，试图以更低成本切入网络安全AI市场，这个动作值得关注。

先说价格。Gemini 3.6 Flash的输出价格相比前代3.5 Flash下调了约17%，但并非所有新模型都明面上降价了。Gemini 3.5 Flash-Lite的核心策略是，通过更快的响应速度和更高的任务效率，来降低高吞吐场景下的整体使用成本。如果只看名义Token价格，它比上一代Gemini 3.1 Flash-Lite并没有下降，输出价格反而更高了。

所以，这次谷歌AI产品策略的核心，与其说是全面“价格战”，不如说是通过模型分层，在模型能力、Token消耗、响应速度和实际任务成本之间，寻找一个新的平衡点。

不过，这次发布也暴露了谷歌当前AI战略的一个尴尬之处：市场最期待的旗舰模型Gemini 3.5 Pro，仍然没有正式发布。据路透社报道，该模型原定于6月推出，目前还在与合作伙伴测试中，谷歌只表示将在“准备好后”尽快扩大开放。与此同时，谷歌已经启动了迄今为止最雄心勃勃的Gemini 4预训练工作。

在OpenAI和Anthropic持续推出更强大模型的背景下，AI企业客户开始越来越关注推理成本和Token效率。谷歌这次发布的三款模型，更像是一次围绕“AI智能体商业化”的全面补位。

Gemini 3.6 Flash：代码与智能体能力同步提升，成本却下来了

核心更新是Gemini 3.6 Flash。按照谷歌的说法，它是在Gemini 3.5 Flash基础上，根据开发者和企业客户反馈进行优化的“工作马”模型，重点提升了代码编程、知识工作和多模态能力。

更值得关注的是效率。谷歌引用Artificial Analysis Index的数据称，Gemini 3.6 Flash相比3.5 Flash，输出Token消耗减少了17%，同时完成多步骤工作流所需的推理步骤和工具调用次数也有所减少。对于需要长时间运行、反复调用工具的AI智能体来说，这意味着成本不单单是按Token价格下降，整个任务的计算量都有望减少。

价格方面，Gemini 3.6 Flash的输入价格为1.5美元/百万Token，输出价格为7.5美元/百万Token，较前代3.5 Flash的9美元/百万Token输出价，低了将近17%。

从谷歌公布的测试数据来看，3.6 Flash在多个关键指标上比3.5 Flash有明显提升：DeepSWE从37%提升到49%，MLE Bench从49.7%提升到63.9%，OSWorld-Verified从78.4%提升到83%，GDPval-AA v2从1349分提升到1421分。OSWorld-Verified主要测试模型使用计算机完成实际任务的能力，GDPval-AA则更偏向现实世界的知识工作任务。

谷歌强调，3.6 Flash能够减少不必要的代码修改和执行循环，从而生成更高质量、更接近生产环境要求的代码。

这其实是AI模型竞争正在发生变化的一个缩影。早期，市场更关注模型能否在数学、知识问答和综合基准测试中取得更高分数。但随着企业开始真正部署AI智能体，模型每多调用一次工具、每多生成一段无效Token，都可能转化为实际成本。因此，“单位智能的成本”正在成为AI模型竞争的新战场。

Flash-Lite：每秒350个Token，专为规模化而生

如果说3.6 Flash针对的是复杂任务，那么Gemini 3.5 Flash-Lite的目标更加明确：规模化。谷歌将其定位为Gemini 3.5系列中速度最快、成本效率最高的模型，适用于智能搜索、文档处理以及其他高吞吐、低延迟任务。

根据Artificial Analysis的数据，Flash-Lite的输出速度达到了每秒350个Token。价格则进一步下探至：输入定价0.30美元/百万Token，输出2.50美元/百万Token。这意味着，在大量文档总结、分类、信息抽取以及AI搜索等高频任务中，开发者可以使用更便宜的模型处理海量请求，而不必让更昂贵的旗舰模型承担所有工作。

测试数据显示，Flash-Lite相比此前的3.1 Flash-Lite，在Terminal-Bench 2.1上的成绩从31%提高至54%，GDM-MRCR v2从60.1%提高至72.2%，GDPval-AA v2从642分提高至1140分。更值得注意的是，谷歌称，3.5 Flash-Lite在部分测试中甚至超过了更高一级的Gemini 3 Flash，包括SWE-Bench Pro和OSWorld-Verified。

这背后反映的是谷歌对未来AI应用架构的一个判断：未来的AI智能体可能不会由一个超级模型独立完成所有工作，而是由多个不同成本、不同能力的模型协同完成。一个较强的“主智能体”负责规划和决策，多个便宜、快速的“子智能体”负责搜索、整理、调用工具和执行重复性任务。在这种架构下，模型的速度和成本效率，可能比单纯的最高基准分数更加重要。

网络安全专用模型，正面迎战Anthropic

此次发布中最具战略意味的产品，可能是Gemini 3.5 Flash Cyber。谷歌表示，该模型专门用于发现、验证和修复代码安全漏洞，并与其CodeMender代码安全智能体结合使用。在CodeMender体系中，多个Gemini 3.5 Flash Cyber智能体可以协同工作，最终形成综合安全报告。

Flash Cyber的设计目标很明确：在低于大型模型的每Token成本下，实现具有竞争力的网络安全能力。这显然是瞄准了一个正在快速升温的AI应用市场。随着AI模型越来越擅长生成代码，企业面临的一个新问题是：AI生成代码的速度可能已经超过人类安全团队审查和修复漏洞的速度。因此，能够自动扫描代码、发现漏洞、验证漏洞并生成修复方案的AI安全智能体，正在成为企业AI应用的重要方向。

谷歌此次将Flash Cyber与CodeMender结合，实际上是在尝试打造一个“低成本、可规模化”的自动化安全防御系统。不过，由于网络安全AI具有明显的双重用途属性，Flash Cyber初期将仅通过有限访问试点向政府和受信任合作伙伴提供，而不是直接全面开放。

路透社指出，谷歌当前正面临Anthropic和OpenAI的竞争压力。Anthropic近期推出了更强大的Mythos 5和Fable 5模型，OpenAI也推出了GPT-5.6。其中，Anthropic最新模型的网络安全能力尤其受到市场关注。因此，谷歌推出Flash Cyber的意义，不仅在于发布一个垂直领域模型，也是在试图证明：在AI安全领域，企业不一定需要使用最昂贵、最大的模型。如果一个更小、更快、更便宜的模型能够完成大部分漏洞检测和修复任务，那么企业部署AI安全工具的成本就可能显著下降。

旗舰Gemini 3.5 Pro仍然延期，谷歌已经开始训练Gemini 4

不过，谷歌此次密集推出Flash系列，并没有完全消除市场对旗舰模型的疑问。Gemini 3.5 Pro原计划于今年6月发布，但目前仍然处于与合作伙伴测试阶段。路透社援引知情人士称，Gemini 3.5 Pro延期的一个重要原因，是其在内部测试中尤其是在代码任务上的表现没有达到预期。而代码能力恰恰是目前企业AI市场增长最快、商业价值最高的应用场景之一。

这也解释了为什么谷歌在Gemini 3.5 Pro仍未发布的情况下，选择继续加码Flash系列。一方面，Flash模型能够迅速覆盖开发者和企业客户；另一方面，谷歌也可以通过更低的价格，扩大Gemini模型的实际调用规模。Alphabet CEO皮查伊此前曾强调，企业如果将大部分AI工作负载转移至Gemini模型，每年可能节省超过10亿美元。路透社称，谷歌近期也在持续强调Gemini模型的成本优势。

但从竞争格局看，谷歌面临的压力依然不小。去年Gemini 3系列发布时，谷歌一度重新回到AI竞争的第一梯队，并迫使OpenAI内部发出“红色警报”。然而，此后Anthropic和OpenAI继续推出更强大的模型，谷歌的旗舰产品却出现延期。

如今，谷歌的战略开始出现明显分层：Gemini 3.6 Flash负责效率，Flash-Lite负责规模，Flash Cyber负责垂直场景，而Gemini 3.5 Pro则承担重新证明谷歌顶级模型能力的任务。更大的悬念在于Gemini 4。谷歌此次透露，Gemini 4已经启动了“迄今最雄心勃勃的预训练工作”。这意味着，谷歌正在一边修补Gemini 3.5 Pro的延期问题，一边加速下一代旗舰模型的研发。

对于Alphabet而言，真正的考验已经不只是“能否发布一个更强的模型”，而是能否同时解决三个问题：模型能力能否追上OpenAI和Anthropic；模型成本能否足够低；以及AI模型能否真正转化为搜索、云计算和企业软件业务的收入增长。从这次三款新模型的发布来看，谷歌正在把“更强模型”的竞争，进一步转向“更高性价比的AI基础设施”竞争。但在Gemini 3.5 Pro正式亮相之前，市场恐怕仍会继续追问：谷歌能否再次拿出一个足以改变AI竞争格局的旗舰模型。