出品 | 网易智能
作者 | 小小
编辑 | 王凤枝
谷歌AI部门最近几个月的日子不太好过。
新旗舰Gemini 3.5 Pro原定6月发布，到7月下旬仍未上线。与此同时，OpenAI、Anthropic和中国创业公司的新模型一款接一款，把谷歌挤出了多个主流榜单的第一梯队。因为差距明显，Gemini甚至被一些中文网友戏称为"美国豆包"。
7月22日凌晨，谷歌一口气发布了三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，主打更低成本、更快速度和更高效率。
其中，3.6 Flash的输出token消耗比前代减少17%，部分工程任务中最多可减少65%；Flash-Lite每秒可生成350个token；Flash Cyber则专门用于发现和修复代码漏洞。
但外界真正等的Gemini 3.5 Pro，依然没有出现。 谷歌只表示，这款旗舰模型仍在与合作伙伴测试。
马斯克随后在X上发梗图调侃：xAI、OpenAI、Anthropic轮番发布"全球最强模型"，终于轮到谷歌时，交出的却是几款主打省钱的Flash模型。
风水轮流转，这次似乎偏偏没转到谷歌家。
这既像一次务实调整，也像一次被迫防守：最强模型暂时交不出来，就先靠价格、速度和生态守住开发者。
01 "省钱"是一门新绝活，但真能打动开发者吗？
这次更新，谷歌把"省钱省资源"当作了最大的亮点。
在AI模型的商业应用里，token就相当于计费单位，模型输出的token越多，开发者要付的钱就越多。如果能在保持能力不降的前提下，让模型更"精炼"，对大规模运行AI工作负载的企业来说，节省的成本相当可观。
新推出的Gemini 3.6 Flash被定位为绝对主力，它在设计上就瞄准了"如何用更少输出token、推理步骤和工具调用完成任务"。
谷歌官方博客引用第三方测评机构Artificial Analysis Index的数据显示，Gemini 3.6 Flash在输出时消耗的token数量比上一代Gemini 3.5 Flash平均减少了17%。
在Datacurve的DeepSWE这类长周期、多步骤的工程任务基准测试中，谷歌甚至观察到了最多65% 的token节省。
价格也随之下调，每百万输入token为1.50美元，输出为7.50美元。
一同发布的Gemini 3.5 Flash-Lite则将"极致性价比"推向了新高度。它是谷歌Gemini 3.5系列中最快、最省钱的模型。
根据Artificial Analysis实测，它每秒能生成350个输出token，速度大约是上一代Gemini 3.1 Flash-Lite的两倍。价格更是探到了每百万输入token 0.30美元、输出2.50美元，仅为GPT-5.4 mini的三分之一。
谷歌显然希望用这款模型来承接那些对延迟极其敏感、需要高吞吐量的任务，比如大规模文档处理、智能体搜索、收据翻译和摘要这类工作。
第三款模型Gemini 3.5 Flash Cyber则走了专业路线。它基于Gemini 3.5 Flash微调，专门用来发现和修复网络安全漏洞。
在流行的网络安全基准测试CyberGym上，这款模型达到了与Anthropic Mythos等前沿网络安全模型接近的性能水平。
据谷歌透露，在内部测试中，该模型在名为V8 JavaScript Engine的复杂开源代码里发现了55个问题，其中包括10个此前未被其他模型发现的漏洞。
从分发渠道来看，Gemini 3.6 Flash和Gemini 3.5 Flash-Lite自今天起就通过Google AI Studio、Android Studio中的Gemini API向开发者开放，Gemini 3.6 Flash也可以在Google Antigravity中使用。
企业用户可以通过Gemini Enterprise Agent Platform获取，普通消费者则能在Gemini应用里体验这些模型，Gemini 3.5 Flash-Lite也正在谷歌搜索中逐步推出。
然而，价格牌能否真正打动开发者，还得看模型的实际表现。谷歌目前展示的主要竞争力集中在效率和价格上，而非能力领先。
科技博主 @reight_s评论说："谷歌正在输掉AI智能竞赛，但悄无声息地赢得了廉价竞赛。"他进一步指出，在大家等一个煮不熟的旗舰产品时，谷歌似乎已经将重心转向了降低成本的策略。
但这引发了另一个问题：如果模型本身不够聪明，再便宜又有什么用？
02跑分里的"尴尬"：赢了自己却输给了对手
在谷歌给出的官方基准测试成绩单上，Gemini 3.6 Flash相比前代模型确实有着肉眼可见的提升。
在反映计算机操作能力的OSWorld-Verified测试中，得分从78.4% 提升到了83.0%，这是所有对比模型中的最高分，甚至高于OpenAI的GPT-5.6 Luna和xAI的Grok 4.5。
在衡量机器学习研究能力的MLE Bench上，Gemini 3.6 Flash得分从49.7% 跃升至63.9%。在DeepSWE基准测试中，得分从37% 提升至49%。
处理知识型工作的GDPval-AA v2中，这款模型得分也从1349提高到了1421。在SWE-Bench Pro上，它取得了58.7% 的成绩，高于前代的55.1%。
在需要处理100万token长上下文的测试中，Gemini 3.6 Flash得分达到54.0%，而前代模型连27% 都达不到。
Gemini 3.5 Flash-Lite同样有一些亮点。谷歌的资料显示，这款"Lite"模型在SWE-Bench Pro、OSWorld-Verified等几项关键评估中甚至优于标准版的Gemini 3 Flash。
在终端基准测试Terminal-Bench 2.1上，它从3.1 Flash-Lite时代的31% 跃升至54%。在现实世界任务执行测试GDPval-AA v2上，Gemini 3.5 Flash-Lite的得分也从642提升至1140。
这意味着，即使是谷歌产品线里最便宜的模型，在某些方面也已经具备了过去中端模型的水平。
然而，如果我们把视线从谷歌自家的纵向对比移开，看看横向竞争，情况就不那么乐观了。
科技媒体TechCrunch注意到，自2月份谷歌上次更新旗舰模型以来，OpenAI已经发布了GPT-5.5并开始推出GPT-5.6，Anthropic则推出了Claude Opus 4.8、Claude Sonnet 5，并扩大了其网络安全前沿模型Fable 5的访问权限。
中国公司也没有闲着，月之暗面的Kimi K3吸引了大量需求以至于限制了新订阅，阿里巴巴的Qwen3.8-Max-Preview也刚刚上线。
根据Artificial Analysis的综合排名，谷歌在新模型发布前，甚至没有一款模型能挤进前十。
网友 @synthwavedd尖锐地指出，Gemini 3.6 Flash在Artificial Analysis上的综合得分和Gemini 3.5 Flash完全相同，远远落后于Meta Muse Spark 1.1、智谱GLM-5.2、OpenAI GPT-5.6 Luna、Anthropic Claude Sonnet 5以及xAI Grok 4.5等一长串对手。
谷歌自己的测试数据非常亮眼，而第三方综合评分却原地踏步，这看似矛盾，其实原因并不复杂。
谷歌选择展示的OSWorld-Verified、MLE Bench、DeepSWE等测试，恰好是Gemini 3.6 Flash重点优化的方向，进步自然明显。但Artificial Analysis的综合指数覆盖维度更广，包括推理能力、事实准确率等多项指标，权重分配也不同。
Gemini 3.6 Flash在谷歌强调的几个赛道上跑出了加速度，放到更全面的竞技场上，整体排名并没有实质变化。
正如AI分析师 @Teksart所言，Gemini 3.6 Flash给人的感觉是"谷歌优化了效率，而不是能力"。
"Gemini 3.6 Flash运行成本更低，但没有更聪明。这感觉像是Gemini 4处于预训练阶段时的占位发布。谷歌需要提醒大家它在模型战争中依然存在。它成功了，但没有改变排行榜。"
03实测反馈：速度快了，但输出质量没有跟上
跑分之外，部分早期用户也分享了明显负面的上手体验。
一位名为 @LuminaXspace的用户详细记录了他用Gemini 3.6 Flash构建3D金门大桥的失败经历。
据他描述，这个过程堪称灾难：他不得不重复提示三次，因为模型反复忽略指令。
第一次，它没有按要求创建 .html文件，而是试图在Gemini应用内部用模拟方式来完成任务；第二次，它开始从网上找图片贴到聊天里，而不是真正生成文件；直到第三次才勉强完成，但最终输出质量惨不忍睹。
更让他沮丧的是，这个结果竟然比5个月前发布的、如今已跌出前十的Gemini 3.1 Pro还要差得多。后来他换用Antigravity平台再次测试，结果同样令人失望。他最后的结论是等待Gemini 3.5 Pro或Gemini 6 Pro发布再尝试。
另一名用户Da7em的体验更让人哭笑不得。他给Gemini 3.6 Flash布置了一个中等规模的任务，本以为会花合理的时间来处理，结果模型两分钟就跑完了。
他一开始还惊叹于这个速度，"然后我看到了结果。一个本地的4B模型都能比它做得更好。谷歌人难道没有羞耻心吗？"
速度快当然好，但如果生成的内容连本地小参数模型都比不上，那这种速度就毫无意义。
在编码基准测试方面，网友Ejaaz抛出了两个让谷歌脸上挂不住的参照物：一个是月之暗面出品的Kimi K3，另一个是智谱的GLM 5.2。这两个模型背后实验室的资金规模跟谷歌完全不在一个量级。
月之暗面的估值仅为300亿美元，而谷歌的市值高达4.5万亿美元，两者的差距达到150倍。 用Ejaaz的原话就是："无限资本只买来了中规中矩的结果。"
普通开发者的吐槽还显得有些零散，前谷歌Apps产品负责人、现任Abacus.AI联合创始人兼CEO宾度·雷迪（Bindu Reddy）的评论更具分量。
她曾亲历谷歌内部的产品体系建设，如今以创业者的身份站在使用者的角度，对谷歌AI产品线做了一次从头到脚的审视。
她先从开发者最常用的文本模型说起。她承认Flash拿来聊天还行，但一旦进入智能体循环（Agentic Loop）场景，它的表现就被Grok甩开了，哪怕是执行简单的任务也不例外。
接着她把矛头指向了Pro系列：这款本该撑门面的旗舰早已名不副实，只是一个停留在过去的老旧模型，跟当下前沿竞品之间隔着一个代际的差距。
随后，雷迪把话题延伸到了其他产品线。视频生成工具Veo太贵，性价比不及竞争对手SeeDance；图像模型NanoBanana Pro则被GPT的图像生成明显甩开。至于这次主打速度和低价的Flash Lite，她认为延迟问题让"低价"的优势打了折。
最后，雷迪总结道："谷歌没有针对核心工作负载的领先AI模型。即使是在谷歌相对拿手的聊天功能上，Grok和GPT Luna也做得相当不错，而且在遵循用户指令方面还更胜一筹。"
这番评价等于将谷歌在图像、视频、智能体等多个维度的产品都判定为落后于竞争对手。
当然，也有站在长期视角上看好谷歌的声音。有投资者提醒市场注意一个基本事实：人们现在用疯狂的倍数给Anthropic和OpenAI估值，基于的是每年200到400亿美元的收入预期，而谷歌今年有望实现4800亿美元的收入，完全不在一个数量级。定制芯片、分发网络和生态系统构成的护城河，让"落后"看起来更像是暂时的。
另一种声音则搬出"马拉松而非短跑"的老话：现在最聪明的模型不等于第一个到达AGI的模型，去年Gemini也曾是顶尖，Claude曾经排名落后，真正决定胜负的，是拥有坚实基础和垂直技术栈的公司。
04失约的旗舰：Gemini 3.5 Pro去哪了？
在这场新品发布会上，最引人注目的"主角"反而不是任何一款新模型，而是一款没出现的模型，Gemini 3.5 Pro。
谷歌在5月份发布Gemini 3.5 Flash时曾高调预告，更强的Pro版本已在内部使用，预计6月推出。然而到了7月下旬，谷歌技术主管洛根·基尔帕特里克（Logan Kilpatrick）在X上给出模糊回应："正在与合作伙伴测试，准备就绪后立即推出"。
Business Insider在6月就曾报道，谷歌已将Gemini 3.5 Pro的目标发布日期推迟至7月。彭博社随后报道称，该模型可能已被进一步推迟，原因是难以达到内部性能目标。
这些报道勾勒出一个尴尬的现实：谷歌自己的旗舰产品，可能尚未达到内部性能目标。
在预测市场Polymarket上，交易者给出了90%的概率，认为Gemini 3.5 Pro不会在7月发布。
网友 @goodworse基于已经泄露信息的评论说："这个模型将比Mythos还要差，而Mythos是在4个月前发布的。AI时间线进展如此之快，以至于4个月的延迟感觉像是一年。"
他总结道，谷歌去年拥有一切成为最好的条件，但他们把一切都搞砸了。
更尖锐的评论来自知名报料人"草莓哥（X用户 @iruletheworldmo）"。
他用一种讽刺口吻描述了当前局面：谷歌把自己最好的计算资源都给了Anthropic，人家拿这些资源训练出了Fable，反手就把谷歌的Gemini 3.5 Pro碾压了，所以谷歌只好含糊地谈论一个"雄心勃勃"的新预训练计划。
这段话虽然刻薄，但它反映的是社交媒体上一种普遍情绪，作为云服务商，谷歌在向其他AI公司提供算力，而自家模型的发布却一再延期。
CNBC在报道中也提到了一个客观事实：谷歌云与Anthropic签有数十亿美元的芯片交易。只是，云服务收入和内部研发所用的GPU通常是不同的资源池，两者之间是否存在直接竞争关系，目前并没有公开信息能够证实。
05有钱、有人、有数据，谷歌为何还跑得这么慢？
6月18日，Gemini联合负责人诺姆·沙泽尔（Noam Shazeer）宣布离开谷歌加入OpenAI。第二天，DeepMind关键高管、2024年诺贝尔化学奖得主约翰·贾珀（John Jumper）也宣布离开，去向是Anthropic。前后脚出走的两位核心人物，是谷歌AI部门这一年最直白的裁决。对于一家正处于追赶期的公司来说，核心人才的离开不仅是面子问题，更意味着项目的主导权和技术判断力出现真空。
而人才只是问题的一面。另一个被反复提及的现象是，谷歌同时在推进的项目实在太多了，Gemini文本模型、Omni多模态模型、Nano Banana图像模型、Genie世界模型……每多一个项目，就多一个分流人才和算力的口子。
问题或许不在于算力够不够，而在于组织注意力被摊薄了。当竞争对手把所有精力都压在单一旗舰模型上时，谷歌的精力却被分散到了近十个不同的战场上。这种注意力和决策速度上的分散，有时比算力不足更难弥补。
资本市场的耐心也在被消耗。
路透社指出，Alphabet在4月份将2026年资本支出指引提高至1800亿至1900亿美元，还通过股权发行筹集了约850亿美元。投入如此巨大，投资者自然紧盯着回报。
Aptus Capital Advisors的投资组合经理戴夫·瓦格纳（Dave Wagner）表示，谷歌正在错失AI编码这个赛道的机会，这种担忧在投资者中相当普遍，而且日益加重。在他看来，谷歌目前的战略核心是押注生态系统的整体优势，而非在单项能力上争高下。
不过，市场对这套"生态系统"故事的耐心正在受到考验。自4月下旬谷歌公布云销售数据以来，Alphabet的股价已累计下跌约9%，同期表现落后于其他科技巨头。投资者显然不再满足于远期愿景，他们更想看到的是模型能力上实打实的追赶。
来自中国公司的竞争压力也在加剧。不少开发者在讨论中都提到同一个困惑：为什么资金只有谷歌零头的实验室能做出更强的模型？
月之暗面的Kimi K3就是一个典型例子，估值300亿美元，是谷歌的1/150，编码能力却更胜一筹。这种反差让谷歌的技术实力受到了前所未有的质疑。
在这种压力之下，一个越来越明显的行业现象是，"最强模型"的称号正在以周为单位轮换。
马斯克今天在X上发过一张梗图，精确地概括了当下的竞争生态：无论哪家发布新模型，无一例外都会打出"推出全球最强大模型"的标语。
xAI发布Grok新版本，声称全球最强；谷歌紧接着发布Gemini新版本，反超并宣称全球最强；Anthropic随即推出Claude，登顶SOTA；OpenAI不甘落后发布新模型，再次抢回宝座。
如此循环往复，霸榜周期往往只有几个月甚至几周。
这张图的调侃核心在于，只要等上几个星期，轮盘就会转到下一个厂商发布"史上最强AI"。
正是在这种"轮流坐庄"的节奏里，谷歌目前的位置显得有些尴尬。近几个月，它始终没有重新站上综合能力榜单的头部位置，上一次有竞争力的文本模型还要追溯到2025年11月的Gemini 3。
3.6 Flash主打省钱高效，可以理解为谷歌在用价格和效率换取时间，为后续旗舰模型争取窗口。 但问题在于，当所有对手都在用"全球最强"的旗号抢夺开发者注意力时，一味强调"便宜"能否真正守住阵地，恐怕连谷歌自己也没有十足把握。
面对内外交困的局面，谷歌似乎也在进行战略调整。
就在外界对Gemini 3.5 Pro议论纷纷之际，谷歌DeepMind产品技术主管洛根·基尔帕特里克（Logan Kilpatrick）确认，团队已经启动了"迄今为止最雄心勃勃的预训练工作"，即下一代基础模型Gemini 4。
CNBC还报道，谷歌正在开发一种专为运行Gemini而设计的专用芯片，效率最高可提升10倍。谷歌云发言人对此回应称，团队一直在做各种创新尝试来提升性能和效率，虽然不保证每个项目都能落地，但持续探索本身就是公司"全栈方法"的核心。
大模型测评专家 @kimmonismus对Gemini 4的启动给出了一个耐人寻味的评论：想必是3.5 Pro的进展令人失望，所以他们直接启动了一个新的预训练计划。但他也提醒，谷歌拥有全世界的数据和海量计算资源，如果到现在还没领先，那换个"预训练程序"恐怕也不是关键。
谷歌这次证明了自己仍能把AI做得更快、更便宜。但市场等的不是又一款省钱模型。
3.6 Flash可以帮助谷歌守住阵地。
真正决定它还能不能反攻的，仍然是迟迟没有出现的Gemini 3.5 Pro，以及更远处的Gemini 4。