Gemini 3.6 Flash

Google DeepMind 面向智能体时代的高效主力模型，在编程、知识工作与多模态任务上更强、更省 token

大语言模型 Google LLM

https://deepmind.google/

公式サイトへ

詳細レポート

Gemini 3.6 Flash 是 Google DeepMind 于 2026 年 7 月 21 日正式发布的主力模型，定位为面向智能体时代的「高效工作马」。它在编程、知识工作和多模态任务上较上一代 3.5 Flash 有所提升，同时把输出 token 用量压低了约 17%、价格也小幅下调。不过这一代发布并未带来外界期待已久的旗舰 Gemini 3.5 Pro，加上首批开发者实测反馈两极分化，社区口碑出现明显回落。对需要规模化、低成本调用 AI 的企业和开发者而言，它仍是性价比突出的选择，但若是冲着尖端推理能力去的用户，恐怕要失望了。
Gemini 3.6 Flash 由 Google DeepMind 开发，是 Gemini 3 系列的一员，技术路线上直接基于此前的 Gemini 3.5 Flash。谷歌这次选择先发三款轻量化模型——3.6 Flash、3.5 Flash-Lite 和面向安全场景的 3.5 Flash Cyber——而不是旗舰 Pro，本身就释放出明确信号：当前重点是给大规模构建 AI 智能体的客户提供更高效、更低延迟、更可靠的底层能力。值得注意的是，真正的旗舰 Gemini 3.5 Pro 已多次跳票。据彭博社 7 月中旬报道，3.5 Pro 因难以达到内部性能指标而延期，目前仅向合作伙伴开放测试。谷歌 DeepMind 产品负责人洛根·基尔帕特里克表示，团队正与合作伙伴测试 3.5 Pro，希望「尽快落地」，同时已启动公司史上最大规模的 Gemini 4 预训练计划。在 OpenAI、Anthropic 等对手加速迭代的背景下，谷歌把重心暂时压在 Flash 线上，被不少观察者解读为「用便宜的 Flash 稳住场子」。
Gemini 3.6 Flash 是原生多模态推理模型，支持文本、图像、音频、视频和 PDF 作为输入，输出为文本。它拥有最高 100 万 token 的输入上下文窗口和 6.4 万 token 的输出上限，默认开启中等强度的思考（thinking）能力。内置工具相当齐全：函数调用、结构化输出、代码执行、计算机操作（Computer Use，预览版）、搜索接地、文件检索、URL 上下文，以及 Google 地图接地，开箱即可用于复杂的智能体工作流。相比 3.5 Flash，3.6 Flash 主打「少说废话」：通过优化思考链，把多步工作流所需的推理步数、对话轮次和工具调用次数都降下来，缓解执行循环里的自我纠缠。代码生成质量提升，减少了不必要的改动和 debug 循环；指令遵循更好，诊断任务中更少误改文件；多模态与空间推理增强，在图表解读、视觉蓝图转换、多元素网页布局生成上表现更稳。它还倾向于在动手修改前先跑诊断脚本，提升了复杂任务的准确率，代价是在简单前端任务上会多出一些探索步骤。不过前端代码的视觉表现存在争议：官方坦言人类评估者更偏好上一代的视觉布局和样式，建议使用者主动给出明确的设计指引来弥补。
Gemini 3.6 Flash 采用标准 API 按量计费：输入 1.50 美元 / 百万 token，输出 7.50 美元 / 百万 token（3.5 Flash 为 1.50 / 9.00，输出成本下调约 17%）；带缓存的输入低至 0.15 美元，缓存存储按 1.00 美元 / 百万 token / 小时计费。此外还有免费档（有用量限制）。同批发布的 3.5 Flash-Lite 更便宜，输入 0.30 美元、输出 2.50 美元、生成速度达每秒 350 个 token，主打高吞吐、低延迟任务，并支持切换推理档位。3.5 Flash Cyber 则是专项微调的安全模型，用于发现和修复网络安全漏洞，仅向政府机构和受信合作伙伴限量开放。对大量调用 AI 的企业来说，3.6 Flash 的 token 成本下降，往往比 benchmark 上几个百分点的提升更具现实意义。
正面反馈集中在「快」和「省」。实测中，3.6 Flash 在逻辑与计算题上比 3.5 Flash 快约三分之一，token 消耗显著降低：同样的座位排列约束题，2338 token 对 3707 token；AA 分摊题 9.4 秒完成，而 3.5 Flash 用了 12.4 秒。在文档解析、图表数据分析、报告起草这类知识工作上，Hebbia、Harvey 等客户反馈突出，Figma、JetBrains 也公开背书；用它做可交互网页原型，完成度对不懂前端的人已经够用。负面反馈同样刺眼。首批开发者实测发现前端代码生成能力出现倒退：组件嵌套混乱、交互逻辑断裂、代码无法直接运行，有开发者留下「这是我真正见过的最差结果」的感慨。空间推理能力下滑，生成图像纹理偶有尚可但常出现渲染 bug。网友还吐槽中文选词离谱、记忆混乱、调用错工具、图像视频质量差且与指令对不上。在第三方 Artificial Analysis 的智力指数上，3.6 Flash 得分与 3.5 Flash 持平（约 50 分），落后于 Claude Fable 5、GPT-5.6 Sol、Kimi K3、Grok 4.5、GLM-5.2 等一众对手。有用户直言它「省下了 token，却没保住智商」。
第三方基准给出的画面是「局部领先、整体平庸」。在 SWE-Bench Pro（58.7%）、DeepSWE v1.1（49%）、OSWorld-Verified（83.0%）、Terminal-Bench 2.1（78.0%）、GDM-MRCR v2 百万 token 长上下文（54.0%）等智能体/代码任务上，3.6 Flash 普遍优于 3.5 Flash 和 3.1 Pro；但在 DeepSWE 上仍不如 GPT-5.6 Luna（67%）和 Grok 4.5（54%），SWE-Bench Pro 同样低于 GPT-5.6 Luna 的 64.7%。知识工作 GDPval-AA v2 的 Elo 从 1349 涨到 1421，但绝对排名仍在中游。行业普遍看法是：谷歌在速度和成本上仍有优势，3.5 Flash-Lite 和 3.6 Flash 在输出速度上位列 Artificial Analysis 榜单前两位；但在智力和单位成本上，已被 DeepSeek、MiniMax、GLM、Grok 等一众模型逼近甚至反超。真正的疑问落在迟迟未发的 Pro 旗舰上——一旦 Gemini 4 预训练再出波折，谷歌在模型竞赛中的声量恐怕进一步承压。
最大的争议来自「减配」质疑。官方强调更高效、更便宜、更省 token，但社区大量实测指向核心能力倒退，叠加旗舰跳票、人才出走、市值承压等背景，外界难免怀疑谷歌是否在「光顾着省成本忘了提智商」。Artificial Analysis 的智力得分持平，更让「降本不增智」的说法有了数据支撑。安全层面，3.6 Flash 上线了升级版 Frontier Safety 防护，重点盯防 CBRN（化学、生物、放射性、核）与网络攻击两类滥用，抗越狱能力增强，同时尽量减少误拒正常需求。模型卡显示，文本安全与多语言安全相较 3.5 Flash 有轻微回退（-1.35%、-5.45%），语气也略有下降，但谷歌称人工复核确认损失绝大多数是误报、并不严重。已知局限仍包括幻觉、偶发变慢或超时，知识截止日期为 2026 年 3 月。
3.6 Flash 适合把成本当第一约束、工作负载以多步工具调用和长周期规划为主、输出 token 主导账单的团队：agentic 编码、计算机操作、长文档与超大代码库推理、混合图文音视频 PDF 的多模态任务。它也适合作为高吞吐场景里的「副手」，例如批量抽特征、生成网页设计方案、翻译总结收据。如果你需要的是博士级科学推理、最强多模态理解，或是今天能买到的最强谷歌大脑，那它替代不了 Gemini 3.1 Pro，更等不来还没 GA 的 3.5 Pro。前端视觉精度要求高的项目，建议附上明确设计规范或直接用更擅长样式的模型。对国产模型有偏好、又看重极致性价比的用户，DeepSeek V4 Flash、Kimi K3 也都是绕不开的对照项。
Gemini 3.6 Flash 是一匹更省、更快、更听话的工作马，把谷歌在 Flash 线上的工程效率和成本优势推到了新高度，却没能在智力上限上带来惊喜，旗舰 Pro 的缺位更放大了这种落差。对企业级 agent 工作负载它值得第一时间回归测试，但若期待一次能力跃迁，答案要等到 Gemini 4。

ユーザーレビュー

JerryGray_2022

—

免费档还能用，先薅着玩玩多模态再说。

Scott.HughesK16

—

我的结论是把它当干活马而不是思想家：agentic 编码、计算机操作、长文档和超大代码库推理这些它强，复杂前端视觉和最强推理还是交给别人；对企业批量跑任务，token 成本下降比 benchmark 上几个点更实在，迁移前先拿自己的真实流程压一轮再说。

NAngu_fi

—

Artificial Analysis 上智力和 3.5 Flash 完全打平，等于没进步。

COmor

—

不给设计稿直接让它做评测中心网站，一分钟出图，主标题、指标卡、按钮层级都清楚，配色也统一，完成度不差；但真要上线肯定还得设计师和前端再优化一轮交互和移动端细节。

EpsilonEarn2962025

—

快是真的快，蠢也是真的蠢。

Noah_Fisher

—

说真的这一代让我挺失望的，基础解码偶尔出毛病，中文选词有时很离谱，生成的图片视频质量和指令对不上，做复杂任务时还会记忆混乱、调错工具。最难受的是你明明少花了 token，却感觉答案的靠谱程度也跟着降了，省成本没错，但别把智商一起省掉啊。

清风_14

—

这个模型在 AI Studio 里能直接选吗，要不要申请？

SPowell007

—

我认为省 token 不是免费午餐，而是一次明确的取舍：一个被训练成更早停下来的模型，在需要持续视觉推理和精细空间布局的任务上天然吃亏，所以前端、SVG、游戏素材翻车是结构性的，不是个案；反过来文本、代码审查、文档处理和工具编排它升级得很干净，关键是你得拿自己的最难任务去测，而不是看榜单。

Lincoln830

—

用 Antigravity 跑了个小游戏，木纹比上代还拉，大理石直接废。

truePauletteBischoff_pro

—

同样的座位排列题，3.6 Flash 只花 2338 个 token，3.5 Flash 要 3707 个，光看这点对天天跑 agent 的团队就是实打实的钱。

Frank_Bennett_66

—

前端的活儿还是别交给它了，翻车现场。

常婷_1

—

沙丘那个 SQBench 实战测下来 3.6 Flash 拿了 51.8 分，比前代涨了 11 分多，排到参评模型第五，说明它不是变聪明了，而是更利索了。

EugeneWatsonSr

—

我专门开了深度思考模式测，逻辑推理和约束文本生成确实明显变强，24 点运算和之前答错的密码题都对了；可代码生成反而更拉，3D 赛车直接报错起不来，复刻看板也有逻辑 bug，前端弹窗还缺交互，典型的过度思考副作用。

Samantha_Martin_Plus

—

Gemini 4 都开预训练了，3.5 Pro 还没影，急死个人。

Keith_Williams_77

—

官方说上了升级版 Frontier Safety，重点盯 CBRN 和网络攻击两类滥用，抗越狱强了但尽量不误伤正常需求，安全这块比上代稳。

PMorgan_66

—

和 GPT-5.6 Luna、Grok 4.5 比，它贵得不明显但智力确实落后一截，主打性价比反而有点尴尬。

JHill_99_460

—

价格降了效率涨了，但没发 Pro 总感觉谷歌算力紧张。

Norman662

—

同批的 3.5 Flash-Lite 更狠，每秒 350 个 token、输入才 0.3 美元，高吞吐文档处理直接平替 3.6 Flash 的活，真香。

HawkHedge6902025

—

发布几小时就进了 GitHub Copilot，第三方接入速度倒是快，builders 普遍欢迎降价，只是没人信 Pro 这次真能按时来。

胡杰

—

逻辑题 9.4 秒出答案，比 3.5 Flash 的 12.4 秒快了一截。

JackMurphy

—

Hebbia 和 Harvey 这些做知识工作的客户反馈还挺正面，说它在文档解析、图表分析、报告起草这类多模态任务上突出，Figma、JetBrains 也出来站台，看来办公场景比写前端靠谱得多，真要落地企业知识库它会是个顺手的角色。

bigrabbit586

—

号称知识截止 2026 年 3 月，实测对 2025 年后的事基本一问三不知，实际停在 2025 年 1 月，这更新有点糊弄。

SusanJohnsonQ82

—

我们团队把 3.6 Flash 接到 agent 流水线跑了两周，最直观的感受是单任务 token 成本确实下来了，一个长流程从平均 2.7 分钟压到 1.3 分钟，工具调用少了一截；但凡是涉及前端 UI 或空间布局的活，它输出的组件嵌套经常乱掉、交互逻辑断片，这种场景我们还是回退到 Claude 兜底，整体是当省钱的主力用、不是当全能大脑用。

redostrich284

—

做文档解析和长上下文检索确实稳，91.8% 的长文本得分摆在那，喂大代码库很适合，但前端和空间推理就别指望了。

Gemini 3.6 Flash

詳細レポート

ユーザーレビュー

類似の製品