事実関係
解説と影響
其中，Gemini 3.6 Flash 被定位为新的“主力”模型。它在编程、知识工作和多模态任务上的能力均有提升，但更关键的突破在于代币效率的显著优化。根据 Google 官方博客 的数据，在 Artificial Analysis Index 测试中，3.6 Flash 的输出代币消耗比前代 3.5 Flash 减少了 17%；而在 Datacurve 的 DeepSWE 基准测试中，代币减少幅度最高可达 65% 来源：marktechpost.com。这意味着模型在执行多步骤工作流时，所需的推理步骤和工具调用次数也更少。效率提升的同时，价格也随之下调，其输入/输出代币定价为每百万 1.50 美元 / 7.50 美元，较 3.5 Flash 的输出价格（9.00 美元）有所降低，整体上降低了单次智能体任务的运行成本 来源：techcrunch.com。
与 3.6 Flash 一同登场的还有两款 3.5 系列的衍生模型。Gemini 3.5 Flash-Lite 被描述为同类中最快、最具成本效益的模型，它在继承前代性能的基础上进一步优化了运行效率，适合对成本极度敏感的应用场景 来源：gizmodo.com。而 Gemini 3.5 Flash Cyber 则是一款专注于网络安全的垂直领域模型。它经过专门微调，用于查找和修复安全漏洞，并将通过 CodeMender 平台进行有限访问试点。此举被外界视为 Google 在专业安全模型领域与 Anthropic 的 Claude Mythos 展开竞争 来源：tradingview.com。
此次发布的三款模型均未涉及传闻中的“3.5 Pro”版本，而是全部围绕“Flash”系列展开，清晰地表明了 Google 当前阶段的发展重心：并非单纯追求模型参数的极致规模，而是通过提升代币效率、降低计算成本，让 AI 模型在智能体工作负载和实际应用中更具经济可行性。这种策略上的调整，对于推动 AI 从实验性技术走向大规模商业落地具有关键意义。