金陵十三钗

刚刚，Gemini 3.6 Flash 正式发布，但网友笑得更大声了_我的网站

一 |     如果你从去年就开始用 Gemini，那感觉就像看着自家兄弟慢慢得了阿尔茨海默症。

二 |     今年9月21日是第24个全民国防教育日。         这是最近网友对 Gemini 的一句调侃。         按理说，一家公司发新模型，通常是来打脸这种调侃的。

三 | 9月21日至22日，市委宣传部、抚顺军分区、市关工委、市教育局在辽宁省国防教育示范基地——抚顺聚力野战拓展训练基地，开展为期两天的青少年国防教育实训体验研学活动，来自抚顺市多所小学的学生参加了体验活动，进一步提升青少年国防意识，激发爱国情怀。

四 |          　　9月21日上午8时30分，全国国防教育示范学校——新抚区公园一校的40余名学生来到抚顺聚力野战拓展训练基地，参加实训体验研学活动。可就在刚刚，Google 一口气发了三个新模型之后，网友非但没收回这句话，反而笑得更大声了。3个半小时时间里，孩子们观看了爱国主义国防教育宣传片，学习了持枪瞄准射击基本要领，参加了野战对抗训练、有阵地对抗战和山地丛林战，进行了胸环靶、翻倒靶、火箭筒射击、障碍穿越射击等打靶训练，观摩了坦克、装甲车、高射炮等大型武器装备。多少有种他们都不看好你，可偏偏你最不争气的即视感。         三个模型分别是 3.6 Flash、3.5 Flash-Lite，还有一个专搞网络安全的 3.5 Flash Cyber。         　　活动中，抚顺聚力野战拓展训练基地邀请退伍军人担任教官，全程指导孩子们完成活动。孩子们以军人标准要求自己，积极认真参加各项训练，在体验活动中增强了国防意识，激发了爱国热情，掌握了基本军事技能，展现了良好的精神状态。官方博客的措辞也相当眼熟，「更高效」「更聪明」「为大规模 AI agent 而生」，一句不落。         　　新抚区公园一校校长罗红艳介绍，为扎实做好国防教育，学校开设了国防教育校本课程，让国防教育走进校园，走进课堂。

五 | 学校开展唱起来：唱好国歌、军歌；动起来：打好乒乓球，增强体能素质；请进来的国防专题讲座；走出去的实践活动等。

六 | 沉浸式国防教育活动，帮助青少年进一步强化国防意识，厚植家国情怀。

七 |          只不过，实际体感却冰火两重天。         主角登场，3.6 Flash 到底强在哪          先说头牌，3.6 Flash。官方给的定位就俩字——「主力」（workhorse），干活模型。         3.5 Flash 是今年 5 月 I/O 大会上发的，这次算是小版本迭代。         最大的卖点是省 token。         按 Artificial Analysis Index 的数据，3.6 Flash 比 3.5 Flash 少用 17% 的输出 token，在 DeepSWE（Datacurve 出的基准）这类场景上甚至能省到 65%。

八 |          　　市委宣传部相关负责人表示，近年来，抚顺市始终将青少年国防教育放在重要位置，充分发挥全市国防教育各类阵地作用，开展一系列青少年国防教育活动。官方还说它跑多步任务时，推理步数和工具调用都更少。未来将继续开展形式多样的国防教育活动，普及青少年国防知识，增强国防意识，为实现中国梦、强军梦贡献力量。也就是说，干同样的活，废话更少，绕路更少，账单更薄。         价格也确实降了。

九 |                     责任编辑：李丹。输入 1.5 美元/百万 token，输出 7.5 美元/百万 token——注意，上一代 3.5 Flash 的输出是 9 美元，这波直接砍到 7.5。又快又省，单个 agent 任务的成本就压下来了。         基准测试上，官方摆出了一整排数据。         代码能力是重点。DeepSWE 从 37% 提升到 49%，官方的说法是多余的代码改动更少、执行循环也更短，生成的代码更贴近生产环境的要求。

十 | 机器学习研究方向的 MLE Bench 提升更明显，从 49.7% 拉到了 63.9%。         计算机操作（computer use）能力也有长进，OSWorld-Verified 从 78.4% 升到 83%。并且，「计算机操作」（computer use）也成了Gemini API 和企业版的内置工具，主打一个开箱即用。         知识工作方面，GDPval-AA v2 从 1349 涨到 1421。Hebbia、Harvey 等客户反馈，它在文档解析、图表数据分析、报告起草这类多模态任务上表现尤其突出。Figma、JetBrains 也都出面背书了一番。         哦对了，还有个不起眼但挺实在的更新：知识截止日期终于从 2025 年 1 月推进到了 2026 年 3 月。老黄历总算翻篇了。         安全这块，官方说 3.6 Flash 上了升级版的 Frontier Safety 防护，重点盯着 CBRN（化学、生物、放射性、核）和网络攻击这两类滥用，抗越狱能力更强了，同时又尽量不误伤正常需求、少乱拒绝。

十一 |          ·以小博大，便宜大碗的 3.5 Flash-Lite 也能更换推理档位了          第二个是 3.5 Flash-Lite，定位比 3.6 Flash 还低一档，主打「快」和「便宜」，专治高吞吐、低延迟的任务，比如 agent 搜索、文档处理。         它是 3.5 系列里最快的，按 Artificial Analysis 的测量是每秒吐 350 个 token。价格更是白菜——输入 0.3 美元、输出 2.5 美元每百万 token。官方说质量比 3 月发的 3.1 Flash-Lite 好一大截。         有个设计挺灵活：它支持调「推理档位」。低配活儿就开最低档，图个快和省；碰上要多步拆解的子任务，就把思考档位往上拨。电脑操作这次也做成了内置工具。

十二 |          跟前代比，提升相当明显：代码和 agent 任务的 Terminal-Bench 2.1，从 31% 干到 54%；长上下文的 GDM-MRCR v2，从 60.1% 提到 72.2%；真实任务执行的 GDPval-AA v2，更是从 642 飙到 1140。

十三 |          最有意思的是，这个「小弟」在不少 agent 和代码任务上，居然反超了辈分更高的 3 Flash。         比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。以小博大，属实有点东西——等于说跑 3 Flash 的活儿，现在有了个更快更强的平替。         官方还举了几个用法：从海量电商数据里抽产品特征、给 3.6 Flash 当副手一口气生成 25 个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp 这几家客户也来夸了它「速度、智能、成本三合一」。         最后一个 3.5 Flash Cyber，画风突变，专门用来找和修代码里的安全漏洞。         Google 的逻辑挺有意思：现在 AI 找漏洞的速度，已经比现有系统修漏洞的速度快了。

十四 | 既然漏洞越堆越多，那干脆用便宜高效的 Flash 来批量补锅。

十五 |          这个模型是在 3.5 Flash 基础上微调出来的，搭配自家的 CodeMender 工具用。CodeMender 里跑的是好几个 Flash Cyber agent，协同工作、最后汇总成一份报告。         在业内有名的 CyberGym 基准上，官方称它摸到了第一梯队的水平，还比更大的模型更省 token。

十六 |          不过这模型我们暂时也用不上。         考虑到「找漏洞」这种能力是把双刃剑，浓眉大眼的 Google 也学 Anthropic 玩起了安全叙事。把它锁得死死的——只对「可信合作伙伴」限量开放，走内测。目的是给一线防守方争取时间，赶在漏洞被人利用前先修掉，同时防着有人拿它去干坏事。         说好的 3.5 Pro 呢？如来          看到这儿你可能会问：发了一堆 Flash，那真正的旗舰 3.5 Pro 去哪了？          官方口径是「正在和合作伙伴测试，准备好就上」。但这套说辞背后的故事，可能没那么体面。         据彭博社等媒体报道，3.5 Pro 的代码生成能力一直没达到内部预期。

十七 | Google 6 月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google 干脆推翻了原来的训练方案，从零开始重训。         而 Google AI 宣传委员 Logan Kilpatrick 更是索性在舆论上直接跳过 3.5 Pro，将预告的重点放在了Gemini 4，声称他们已经启动了史上最雄心勃勃的 Gemini 4 预训练，还放话说进展让人兴奋。         听着虽然挺提振人心，但把它放在「旗舰跳票」的背景下看，多少有点转移视线、画饼续命的味道了。         除了这些内幕，光看今天刚刚发布的 Flash 模型本身，网友们也并不全然买账。         第三方评测机构 Artificial Analysis 表示：两个新模型确实把单任务耗时砍半、token 效率也提升了，Flash-Lite 的智能指数涨了 11 分——但 3.6 Flash 的智能水平，相比 3.5 Flash 基本原地踏步。         价格没有便宜到足以忽略能力差距，能力也没有高到能够解释它的成本。         X 网友吐槽道：3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一样的分，还不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 这一票对手，直呼简直烂透了（阴阳怪气 doge）。         吐槽的还不止一个。

十八 |          网友 Angel 则直接从性价比入手：Gemini 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 还高，可智能程度反而更低。又贵又笨，这组合属实有点尴尬——毕竟 Flash 系列立身的根本就是「性价比」，结果被人当场指出性价比不如对手，等于自砸招牌。         作为对比，OpenAI 的 Tibo 刚刚也发话了：由于周活跃用户达到 1000 万，新的一天，Codex 和 ChatGPT Work 的付费用户迎来新一轮额度重置，尽情享用。         这对比，这落差，还有人记得大明湖畔的 Google Gemini 3？          实测派也来补刀。网友 Balder 更是直接开团：          这三个模型性能全比之前的 3.5 Flash 差。

十九 | 他甩出自己的测试吐槽，说问题包括但不限于——基础解码就有毛病、中文选词经常很离谱；生成的图片视频质量极差、跟指令对不上还限额严重；经常记忆混乱、调用完全错误的工具。

|          而且他还上了个阴谋论，认为 Google 之所以这么搞，是为了把算力腾出来卖给 Anthropic，还阴阳了一句这就是皮查伊想要的「Cloud First」。

|          此外，X 网友 Conor Dart 用 Google 自家的 Antigravity 跑了个 AI 生成游戏的测试，结果没有出乎意料，木头纹理更差了，大理石看着差不多但还是不能用。他直言这又是一次翻车，表示自己还是等 Gemini 3.5/3.6 Pro 吧。         简言之，你别问新模型强不强，你就说 Flash 不 Flash 就完事了。一边是官方更高效、更便宜、更省 token的漂亮账本，一边是大多数网友的当场差评，以及模型背后的旗舰跳票、大牛出走、市值缩水等一连串糟心事。         这很难不让人好奇是不是 Google 这次真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个 Flash 稳住场子？          反正 Gemini 4 的预训练都开跑了。

| 这一把要是再翻车，那句阿尔茨海默的玩笑，可就真要成谶语了。

|

Current article:http://ycwxn.feishuozhuangkeqi.cyou/list_va1yye/u5g.html

Published on:08:22:37