（来源：AI信息Gap）
关于谷歌，你在期待什么？
6 月 9 日，Anthropic 发布 Claude Fable 5，模型综合榜单至今第一。
7 月 9 日，OpenAI 发布 GPT-5.6 Sol，Fable 5 终于有了像样的对手。
7 月 16 日，月之暗面发布 Kimi K3，2.8 万亿参数，全球最大开源模型。
7 月 19 日，阿里紧跟着放出 Qwen3.8-Max 预览版，2.4 万亿参数。
而就在刚刚，谷歌也发布了新模型。
Gemini 3.6 Flash。
还有 3.5 Flash-Lite 和一款只对政府开放的 3.5 Flash Cyber。等了两个多月的 3.5 Pro，依旧「搁浅」。
Gemini 3.6 Flash 有进步，但不是你期待的那种进步。
运行同一个长周期编程任务 DeepSWE，3.5 Flash 平均消耗 27.6 万输出 token，3.6 Flash 只用了 9.7 万个，省了 65%，模型的输出定价也从每百万 token 9 美元降到了 7.5 美元。
所以，谷歌今天的新模型，主打的是 token 效率。也就是：替你省钱。
单纯看模型性能，Gemini 3.6 Flash 没有多性感。
长周期编程测试 DeepSWE 从 37% 提升到 49%，机器学习研究基准 MLE-Bench 从 49.7% 涨到 63.9%，操控电脑测试 OSWorld-Verified 从 78.4% 涨到了 83.0%，和自家上一代比确实每一项都有提升。
但这种程度的提升，太小了。
不信你看第三方测评机构 Artificial Analysis 的排行榜。
Gemini 3.6 Flash 综合得分 50。Gemini 3.5 Flash，也是 50 分。升级了一代，分数一模一样。
AA 排行榜覆盖了 187 个模型，3.6 Flash 目前排在第 11 名。在它前面站着一众大佬，Claude Fable 5 60 分、GPT-5.6 Sol 59 分、Kimi K3 57 分、Claude Opus 4.8 56 分、GPT-5.6 Terra 55 分、Grok 4.5 54 分、Claude Sonnet 5 53 分。
谷歌 Gmeini，连前十都进不去了。
谷歌也是懂宣传的，官方博客通篇只和自家模型比，3.1 Pro、3.5 Flash、3.6 Flash，柱状图从左到右越来越高。
单看上面那张跑分图，你甚至会觉得 3.6 Flash 挺强的。
但作为曾经的「御三家」，谷歌的目标显然不止于此。和 GPT-5.6 Luna、Grok 4.5、Claude Sonnet 5 相比，综合软件工程测试 SWE-Bench Pro 3.6 Flash 58.7%，其他三家分别 62.7%、64.7%、63.2%；DeepSWE 差距更大，3.6 Flash 仅得 49%，GPT-5.6 Luna 67%。要知道，GPT-5.6 Luna 是 GPT-5.6 系列最弱、最便宜的版本。
性能卷不动，谷歌也来卷效率和性价比了。
我为什么用了「也」这个字呢？因为在 Gemini 3.6 Flash 前面，早有老马的 Grok 4.5 瞄准了这个赛道，同样主打性价比，目前风评还不错。
5 月份的 I/O 大会上谷歌当着全球网友的面承诺，Gemini 3.5 Pro 下月发布。然后就没有然后了。
据爆料，3.5 Pro 在编程任务上一直没达到内部预期。谷歌 6 月底换了训练数据重新训练了一轮，结果不理想，于是 DeepMind 团队重构了模型的关键部分，这基本等于推倒重来。7 月 16 日延期消息被正式报道，谷歌母公司 Alphabet 股价当天应声下跌，直到我写这篇文章谷歌官方对于 3.5 Pro 的说法还是「正在与合作伙伴测试」。
而谷歌上一次发布 SOTA 级别的模型，已经是今年 2 月、将近半年前的 Gemini 3.1 Pro 了。
相较于不怎么惊艳的 Gemini 3.6 Flash，小杯的 Gemini 3.5 Flash-Lite 反而更有看点一些。3.5 Flash-Lite API 定价输入每百万 token 0.3 美元、输出 2.5 美元，输出速度能达到 350 token/s。又便宜又快。
性能方面就不用纠结过多了，和 3.6 Flash 差不多，3.5 Flash-Lite 的提升也相当有限。
下一代预训练都开始了，上一代 Pro 还在「与合作伙伴测试」。
谷歌，依旧死磕 Flash。
