Gemini 3.5 Pro 在哪里？谷歌的 Gemini 攻势：速度比创新更重要。

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

Available in 27 languages 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年7月23日 / 更新日期：2026年7月23日 – 作者： Konrad Wolfenstein

Gemini 3.5 Pro 在哪里？谷歌的 Gemini 攻势：速度比创新更重要。

Gemini 3.5 Pro 在哪里？谷歌的 Gemini 攻势：速度比创意更重要——图片来源：Xpert.Digital

人工智能价格下降：谷歌如何利用 Gemini 3.6 Flash 革新市场

谷歌在双子座计划中出人意料地改变了策略，转而追求更低的成本而非更卓越的品质。

谷歌的新人工智能计划：该公司是否放弃了争夺最智能人工智能的竞赛？

谷歌正在彻底改变全球人工智能竞赛的规则。这家科技巨头不再与 OpenAI 和 Anthropic 等竞争对手进行孤立较量，争夺最智能（因而也是最昂贵）的旗舰机型，而是专注于大幅提升效率。其全新产品系列以 Gemini 3.6 Flash、超节能的 Flash-Lite 以及高度专业化但目前仍处于保密阶段的 Cyber 机型为核心，新的衡量标准正在成为焦点：在最大限度提高实用性的同时降低成本。尽管备受期待的旗舰机型 Gemini 3.5 Pro 仍未上市，但谷歌正在重新定位自身，成为快速发展的智能体经济中不可或缺的基础服务提供商。但这一战略转变对生成式人工智能的未来意味着什么？谷歌为何认为其最新的安全模型对普通用户而言风险过高？本文将分析谷歌务实地迈向下一代人工智能的道路，并探讨其对企业和开发者的巨大影响。.

为什么谷歌宁愿推出三个小模型，也不愿兑现一个大承诺？

在各大人工智能供应商的竞争中，谷歌的最新举措遵循着一种日益成为行业常态的模式：该公司不再推出单一的整体式技术革新，而是提供一系列针对不同应用场景量身定制的模型。继5月份发布Gemini 3.5 Flash之后，谷歌在短短几个月内便推出了Gemini 3.6 Flash、Gemini 3.5 Flash-Lite和Gemini 3.5 Flash Cyber，标志着谷歌迈入了人工智能发展的下一个阶段。此次举措的显著之处并非在于这些创新本身的技术层面，而在于其背后的战略意义：谷歌不再将自身定位为最智能模型的提供商，而是定位为最具经济效益的人工智能生态系统的构建者。.

节俭成为人工智能竞赛中的新身份象征

Gemini 3.6 Flash 的核心卖点并非提升智能水平，而是降低成本。谷歌宣称，根据人工智能分析指数 (AII) 的测量数据，与前代产品 3.5 Flash 相比，其代币消耗量降低了约 17%。在某些基准测试中，例如 DeepSWE，每个生成的输出代币的成本据称降低了高达 65%。与此同时，其标价也降低了：Gemini 3.5 Flash 的定价为每百万个输入代币 1.50 美元，每百万个输出代币 9 美元，而 Gemini 3.6 Flash 在输入成本不变的情况下，每百万个输出代币的成本仅为 7.50 美元。这种更低的消耗量和更低的单位价格相结合，对大规模部署生成式人工智能的公司的运营成本产生了显著影响。.

这种对效率的关注并非偶然，而是当前影响整个行业的经济现实的体现。大型语言模型每次查询都会产生计算成本，而当每天处理数百万甚至数十亿次查询时，这些成本累积起来将相当可观。希望扩展能够独立处理多阶段任务的代理系统的云服务提供商和平台运营商必须大幅降低每一步的令牌消耗；否则，此类系统带来的经济效益将被基础设施成本所抵消。谷歌正是为了解决这个问题而提出了一种新模型，据其自身所述，该模型完成多阶段工作流程所需的思考过程和工具调用次数更少。.

技术进步不仅仅关乎成本。

除了效率提升之外，Gemini 3.6 Flash 在经典性能基准测试中也表现出色。在编程任务中，根据 DeepSWE 测试，成功率从 37% 提升至 49%。在机器学习研究基准测试 MLE Bench 中，模型成功率从 49.7% 提升至 63.9%。在基于知识的任务中，进步也十分显著：GDPval-AA 得分从 1349 分攀升至 1421 分。尤其值得一提的是计算机素养的提升，特别是人工智能独立操作图形用户界面的能力：OSWorld-Verified 得分从 78.4% 提升至 83%。此外，模型的知识库已从 2025 年 1 月更新至 2026 年 3 月，这在当今快速发展的技术环境中是一项重要的实际优势。.

尽管取得了这些进步，Gemini 3.6 Flash 仍然明确地定位为中端型号。在 Arena.ai 等平台的直接对比测试中，它的性能落后于 Claude Opus 或新款 GPT 5.6-Sol 等顶级型号。这并非弱点，而是谷歌有意为之的设计选择：谷歌放弃了提供最强大型号的口号，转而专注于速度、成本和足够质量比理论上的最高智能水平更为重要的细分市场。这种策略让人联想到其他技术领域（例如处理器）的经典市场细分策略，在这些领域，制造商通常会同时提供面向大众市场的高效中端产品和高性能芯片。.

代理经济学的新基础层

谷歌推出的 Gemini 3.5 Flash-Lite 旨在实现更为激进的效率目标。该模型专为构建和扩展 AI 代理而设计——这些代理能够独立处理多步骤的复杂任务，无需在每个阶段进行人工干预。在基于知识和编程任务的基准测试中，Gemini 3.5 Flash-Lite 的性能均显著优于其前代产品 3.1 Flash-Lite，同时运行成本也保持在极低的水平，每百万输入令牌仅需 0.30 美元，每百万输出令牌仅需 2.50 美元。该模型的灵活性令人瞩目：根据不同的应用场景，它可以配置为以极快的速度和极低的成本运行，也可以更多地依赖其推理能力。当需要多个被称为子代理的专用子程序协同处理任务时，后者就显得尤为必要。.

这一架构决策揭示了整个行业的发展方向。许多市场观察人士认为，人工智能的未来不在于不断扩大的单个模型，而在于由小型、专业化模型组成的网络系统，这些模型协同工作，共同映射复杂的流程。以往由强大模型进行的大型计算将被许多小型、低成本的查询所取代，这些查询由精简模型并行或顺序协作完成。像 Flash-Lite 这样的模型非常适合这种架构，因为它将每次查询的成本降低到如此低的程度，以至于即使进行大量查询也仍然经济可行。谷歌宣布 Flash-Lite 也将在谷歌网络搜索中提供人工智能结果，这进一步凸显了谷歌在大众市场中对这种精简模型的重视。.

一个具有双重功能的工具：网络安全作为商业领域

第三版新版本 Gemini 3.5 Flash Cyber 标志着 Flash 系列产品在高度敏感领域实现了重大扩展。该模型经过专门训练，能够查找和分析软件代码中的安全漏洞，并提出相应的修复措施。这一专业化版本基于原本就高效的 Gemini 3.5 Flash，并通过针对性训练进一步优化，使其能够分析大型代码库。与向庞大的模型发送单次高成本查询不同，主安全代理 Codemender 会多次调用精简后的 Cyber 模型，并行检查程序的不同执行路径。然后，将各个部分的分析结果汇总成一份综合报告。.

这种方法的性能可以从具体数据中体现出来。在对复杂的 JavaScript 引擎 V8 进行的测试中，该网络安全模型识别出了 55 个不同的、已确认的漏洞，而通用 Flash 模型仅发现了 47 个，Anthropic 的 Claude Opus 4.6 也只有 36 个。其中 10 个漏洞是该专用网络安全模型独有的。在 CyberGym 基准测试中，该模型通过多次运行，评估了 AI 代理在数百个真实软件漏洞上的性能，其性能水平与 Anthropic 和 OpenAI 等厂商提供的规模更大、成本更高的安全模型相当。该基准测试评估了 AI 代理在数百个真实软件漏洞上的性能。在谷歌云安全团队的内部测试中，该模型仅用了两个小时就在生产系统中发现了几个关键漏洞，其中包括一个内存损坏漏洞，并且该模型还生成了一个可绕过常见保护机制（例如地址空间布局随机化）的有效利用程序。.

这种强大的代码漏洞识别能力也是该模型最大的风险所在。谷歌自身也公开承认这项技术的双重用途：防御者可以利用这项能力修复漏洞，而攻击者也可以利用它趁漏洞尚未被修复之前进行攻击。因此，谷歌决定暂时不公开该模型，而是通过其安全工具 Codemender，与政府和选定的可信合作伙伴开展一项严格控制的试点项目，独家共享该模型。目前尚未公布扩大访问权限的具体时间表。这种谨慎态度反映出业内人士日益意识到，安全领域高度专业化的人工智能系统不能像通用聊天机器人应用那样，以同样的规则发布。.

借助“托管人工智能”（人工智能）实现数字化转型的新维度——平台及B2B解决方案 | Xpert咨询

“托管式人工智能”开启数字化转型新篇章——平台及B2B解决方案 | Xpert Consulting - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

托管式人工智能解决方案——工业人工智能服务：服务业、工业和机械工程领域保持竞争力的关键

谷歌推迟发布 Gemini 3.5 Pro，并将重点放在 Flash 的大规模攻势上。

旗舰机型失踪之谜

整个发布会最引人注目的是它的缺失：Gemini 3.5 Pro，作为当前一代最强大的型号，原本预计会在五月份的 Google I/O 大会上亮相，但至今仍未出现。谷歌只是解释说，新版本目前正在与部分合作伙伴进行测试，测试成功后才会发布。该公司仍未给出具体的发布日期，但强调应该不会等待太久。一些业内人士认为，这种一再推迟发布表明，Pro 版本在内部尚未在复杂的编程和推理任务中达到预期效果，因此谷歌显然宁愿等待，也不愿发布一款不符合自身质量标准或竞争对手预期的产品。.

这种谨慎态度揭示了领先人工智能供应商之间的竞争动态。OpenAI 和 Anthropic 正接连快速发布顶级模型，而谷歌目前显然将重心放在中端和入门级性能领域。这既可以解读为谨慎的表现，也可以解读为精明的市场定位：谷歌并没有推出可能仍在开发中的旗舰模型，而是通过价格实惠、速度快、实用性强的模型来全面巩固市场份额，这些模型已经能够可靠地覆盖绝大多数日常业务应用。对于许多业务用例，例如文档处理、报告生成或简单的编程任务，只要速度和成本合适，模型的绝对峰值性能就并非最重要。.

可用性以及与现有生态系统的集成

新模型的实际应用速度惊人，且覆盖面极广。Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 已在 Google AI Studio、Android Studio 和 Gemini 企业代理平台中提供。此外，3.6 Flash 已集成到 Antigravity 开发环境和 Gemini 企业版应用中，而这两个模型也已在常规的 Gemini 终端用户应用中提供。尤其值得注意的是，Flash-Lite 即将提供 Google 网络搜索结果的 AI 生成结果。鉴于 Google 搜索引擎庞大的搜索量，这凸显了 Google 在全新维度上对高性价比模型的需求。这种快速应用也体现在 Google 生态系统之外：Gemini 3.6 Flash 在发布当天就被集成到 GitHub Copilot 中，这凸显了主流 AI 提供商与成熟开发者工具之间日益紧密的集成。.

这种跨多个产品线的广泛且同步的整合，展现了谷歌系统性地在其所有产品组合中无缝推出新一代产品模型的策略。与以往产品更新换代中经常出现的发布公告与实际应用之间存在明显时间差不同，此次发布似乎是一个精心策划的过程。这表明谷歌拥有成熟的内部基础设施，能够实现新模型在开发者和最终用户的所有接触点上近乎同步的部署。.

展望未来：双子星4号的发布

除了发布三款特定模型外，谷歌的公告还透露了下一代人工智能的雏形。该公司确认，Gemini 4 的基础初始训练阶段——所谓的预训练——已经启动。谷歌并未提供关于即将推出的大规模模型的架构、规模或计划功能的具体技术细节，但强调了其对目前进展的兴奋之情。这种刻意模糊的措辞是大型人工智能实验室的典型沟通策略：一方面，它们会提高人们的期望；另一方面，它们又不愿做出可能为时尚早的承诺。.

考虑到近年来谷歌的发布周期，他们通常会在春季的 I/O 开发者大会上推出新的基础模型，并在秋季或冬季进行重大版本更新，因此今年年底发布 Gemini 4 似乎合情合理。对于那些制定长期 AI 战略的公司而言，这意味着任何现在投资 Flash 系列产品的人都必须意识到，新的技术基础可能在短短几个月内就会出现，而这反过来又需要新的迁移决策。AI 模型生命周期如此之短，给 IT 部门和软件架构师带来了持续的挑战：如何设计系统才能尽可能平稳地实现底层模型的变更。.

背景：这种模式战略揭示了谷歌的市场地位

总体而言，最近的公告表明，领先的人工智能公司之间的竞争正日益分裂为两个平行维度。一方面，各方都在争夺最智能、最强大的模型，Anthropic 和 OpenAI 凭借其旗舰产品目前在该领域占据主导地位，而谷歌由于其 Pro 版本发布延迟，明显落后。另一方面，第二个可能更具经济意义的战场正在崛起：争夺最高效、最具成本效益且可扩展的基础设施，以实现人工智能在企业、搜索引擎和代理系统中的日常大规模部署。在第二个领域，谷歌正凭借其 Flash 系列产品，坚定不移地将自己定位在前沿。.

这种双管齐下的策略在经济上是合理的。对于绝大多数企业实际应用而言，从自动化文档处理和客服聊天机器人到简单的编程任务，模型的绝对顶级智能并非决定性因素，成本、速度和足够质量之间的平衡才是关键。对于每天需要处理数百万请求的云服务提供商来说，令牌成本两位数百分比的降低远比昂贵的顶级模型推理能力的微小提升更有意义。谷歌似乎一直在将这一洞察融入其产品战略，同时也向开发者和企业客户传递了一个信号：无论大型 Pro 型号最终何时发布，任何想要构建可扩展 AI 代理或经济高效的搜索集成方案的人，都能在 Flash 系列中找到坚实且经济可行的基础。.

与此同时，这款专用网络安全模型的推出揭示了人工智能竞争格局的一个新层面，它超越了单纯的效率考量：人工智能正日益成为网络安全领域的主动工具，这既为防御者带来了机遇，也带来了滥用的风险。谷歌以受控的分阶段方式发布这款模型，表明其意识到发布功能强大的安全工具所肩负的社会责任，并准备至少在暂时范围内，出于安全考虑限制其商业应用。随着人工智能模型越来越能够独立分析和操控复杂的技术系统，未来广泛可用性和受控访问之间的平衡将如何演变，很可能成为最值得关注的领域之一。.