课程
Practical AI with Google Gemini and NotebookLM
2 小时
10K
提示：Google 近期又宣布了Gemini 3.8 Flash 和 3.8 Flash Cyber。在我们的Gemini 3.8 Flash API 教程中查看其实际效果。
Google 今日发布了三款 Gemini 模型，目标一致：用更少的 tokens 完成更多工作：
- 3.6 Flash
- 3.5 Flash-Lite，及
- 3.5 Flash Cyber。
3.6 Flash 是通用型升级。Flash-Lite 以速度与价格换取质量。Cyber 是面向安全的窄域工具，大多数人无法获得访问权限。
下文将介绍各模型的实际用途、基准数据表现，以及 Gemini 3.5 Pro 在其中的定位。
如何在新款 Gemini 模型间做选择
三者分别处于不同的性价比位置。如果您打算根据基准结果来选，请继续往下看；基准数据在后文。
什么是 Gemini 3.6 Flash？
Gemini 3.6 Flash 是此次发布的核心。Google 希望您在编程、知识工作，以及任何多模态任务上默认选用它。
根据 Artificial Analysis 指数，与3.5 Flash相比，3.6 Flash 将输出 token 用量减少了 17%，而 Google 报告称在 DeepSWE 等单项评测上降幅可高达 65%。部分来源于更聪明的模型“少说话”。其余得益于用更少的推理步骤与工具调用就能得出结论，这是一种不同类型的增益，也更难“作假”。
3.6 Flash 接受文本、图像、视频、音频与 PDF 作为输入，提供 100 万 token 的上下文窗口与 64k 的输出上限。计算机使用能力如今已内置于 Gemini API 与 Gemini Enterprise，同时支持函数调用、结构化输出与“搜索即工具”。（不过这可能已不再是 3.6 Flash 独有；多数前沿实验室如今都已提供某种形式的计算机使用能力。）
那 Gemini 3.6 Flash 与 Gemini 3.5 Flash 相比如何？
与其前代相比，几乎全面跃升：DeepSWE 几近翻倍，MLE-Bench 从 49.7% 升至 63.9%，GDM-MRCR v2 的长上下文表现提升达两位数。
什么是 Gemini 3.5 Flash-Lite？
3.5 Flash-Lite 并不追求成为此系列中最聪明的模型。它是最快的，每秒 350 个输出 token；它也是最便宜的，输入 $0.30/百万 token，输出 $2.50/百万 token。
如果您的工作负载是高并发、对延迟敏感——比如代理式搜索、批量文档处理、任何每天运行数千次的任务——那么为追求更高质量而付出的成本很可能得不偿失。这正是 Flash-Lite 的押注。
开发者可按任务调节“思考层级”：最小或较低，用于廉价、快速的高吞吐执行；更高，用于确实需要多步推理的子代理工作。
那 Gemini 3.5 Flash-Lite 与 Gemini 3.1 Flash-Lite 相比如何？
对比其前代 3.1 Flash-Lite，差距显著：Terminal-Bench 2.1 从 31% 升至 54%，GDM-MRCR v2 从 60.1% 到 72.2%，GDPVal-AA v2（Elo）从 642 到 1140。
| 基准 | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite |
|---|---|---|
| Terminal-Bench 2.1 | 54% | 31% |
| GDM-MRCR v2（长上下文） | 72.2% | 60.1% |
| GDPVal-AA v2（Elo） | 1140 | 642 |
更有意思的，其实是向上对比。在若干代理式与编程评测中，3.5 Flash-Lite 现已直接超越更老更大的 Gemini 3 Flash——如 SWE-Bench Pro（54.2% vs. 49.6%）、OSWorld-Verified（74.0% vs. 65.1%）。若这在您的工作负载上也成立，就是一次无需质量让步的直接降本。
什么是 Gemini 3.5 Flash Cyber？
最后是 Cyber，多数读者大概永远无缘上手。它是在 3.5 Flash 基础上专门微调用于发现与修补安全漏洞，并部署在 Google 的 CodeMender 系统中，多个 Cyber 模型代理协作，最终给出一份合并报告。
Google 称其在广泛使用的网络安全基准 CyberGym 上与前沿规模模型具备竞争力，尽管模型体量更小——如果经得起检验，这或许是整个发布中更耐人寻味的效率故事。
访问权限仅通过 CodeMender 的试点项目向政府与受信任伙伴开放。未公布价格，也无普遍上市日期。
Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 基准测试
以下是基准结果摘要。文中也包含了定价信息——在做选择时这是关键因素之一。
| 基准 | Gemini 3.6 Flash | Gemini 3.5 Flash | Gemini 3.1 Pro | GPT-5.6 Luna | Grok 4.5 | Claude Sonnet 5 |
|---|---|---|---|---|---|---|
| 输入价格（$/百万） | $1.50 | $1.50 | $2.00 | $1.00 | $2.00 | $3.00 |
| 输出价格（$/百万） | $7.50 | $9.00 | $12.00 | $6.00 | $6.00 | $15.00 |
| SWE-Bench Pro | 58.7% | 55.1% | 54.2% | 62.7% | 64.7% | 63.2% |
| DeepSWE v1.1 | 49% | 37% | 12% | 67% | 54% | 54% |
| Terminal-Bench 2.1 | 78.0% | 76.2% | 73.8% | 84.7% | 83.3% | 80.4% |
| MLE-Bench | 63.9% | 49.7% | 42.6% | 47.6% | 43.2% | 66.9% |
| OSWorld-Verified | 83.0% | 78.4% | 76.2% | 72.6% | — | 81.2% |
| GDPVal-AA v2（Elo） | 1421 | 1349 | 965 | 1584 | 1535 | 1607 |
| CharXiv 推理（无工具） | 85.2% | 84.2% | 83.3% | 82.7% | 81.6% | 77.0% |
| GDM-MRCR v2，128k | 91.8% | 77.3% | 84.9% | 74.8% | 81.4% | 71.6% |
对外部对手而言，结果各擅胜场。GPT-5.6 Luna 与 Grok 4.5 在偏编程的基准——SWE-Bench Pro、DeepSWE——上领先；如果您的工作负载确实是“重编码”而非“贴近编码”，这差距就很实际。
Claude Sonnet 5 在知识型工作与 MLE-Bench 上领先。
3.6 Flash 真正取胜之处在长上下文检索与基于图表的推理，优势显著，同时其输出价格也低于清单上除 GPT-5.6 Luna 与 Grok 4.5 外的所有模型。
发布日期、可用性与定价
3.6 Flash 与 3.5 Flash-Lite 现已上线——Gemini API、Google AI Studio、Android Studio，以及针对 3.6 Flash 的Google Antigravity。企业客户可通过 Gemini Enterprise Agent Platform 使用二者，并在 Gemini Enterprise 应用中使用 3.6 Flash。面向消费者，二者已在 Gemini 应用中，且 Flash-Lite 已开始在 Google 搜索的 AI 模式中出现。
定价摘要如下：
- 3.6 Flash：$1.50/百万输入 token，$7.50/百万输出 token
- 3.5 Flash-Lite：$0.30/百万输入 token，$2.50/百万输出 token
- 3.5 Flash Cyber：未公开定价——仅限 CodeMender 试点项目
Gemini 3.6 Flash 的安全性：前沿防护与越狱抵抗
3.6 Flash 随附 Google 所称的增强版“前沿安全”防护，聚焦 CBRN 与网络攻防滥用——本质上是“我们努力让越狱更难、同时不让模型变得难用”的标准表述。每家实验室都声称找到了平衡，但 X 上的评论往往另有说法。
Cyber 的受限发布，实质上是同一思路的另一种实践。与其为漏洞挖掘模型调安全参数后面向大众，不如干脆不做大众化发布。
Gemini 接下来是什么：3.5 Pro 与 Gemini 4 时间线
3.5 Pro 仍在合作伙伴测试中，Google 表示将在准备就绪后开放普遍可用性。
更值得注意的是，Google 确认已开始预训练 Gemini 4，称其为迄今最雄心勃勃的预训练。想获取最新 AI 动态，请订阅我们的通讯 The Median，我们会及时推送此类重要模型发布的信息。
结语
这三款模型都不是要称霸所有榜单——这大概也是明智之举。3.6 Flash 在编程评测上不及 GPT-5.6 Luna 与 Grok 4.5，在知识型工作上不及 Claude Sonnet 5，但换来的是相对前代真正的效率飞跃，以及在长上下文检索上的明显领先。
3.5 Flash-Lite 干脆不在质量上硬碰硬。它押注于：对大量代理式工作而言，质量超过某个阈值后，速度与成本更重要。这很可能是事实。但这种押注常常在智能体做出某个更聪明模型不会犯的错误之前，看起来都显得理所当然。
Cyber 根本不在榜单上。它是为一个任务而生的窄域工具，只向 Google 信任的用户开放——这与上文安全部分相比，同样能说明 Google 对漏洞发现风险的重视程度。
合在一起看，这更像是 Google 在为大规模代理式工作微调整个 Flash 阶梯，而将真正雄心勃勃的模型——3.5 Pro、Gemini 4——留待成熟时机。
Author
Josef Waples
三款新模型分别是什么？
3.6 Flash 比 3.5 Flash 高效多少？
3.6 Flash 的上下文窗口是多少？
3.5 Flash-Lite 有多快？
3.5 Flash-Lite 是否优于更大的模型？
我能访问 3.5 Flash Cyber 吗？
3.6 Flash 与 GPT-5.6 Luna、Grok 4.5 相比如何？
Gemini 3.5 Pro 是否已发布？
主题