家事
Gemini 3.5 Pro难产，谷歌先交了两张草稿纸_我的网站
一 | Facebook今天宣布，未来三年将投资3亿美元在全球地方新闻上。此前，Facebook因其在全球新闻业务中的角色受到批评。Facebook周二表示，对时间和金钱的投资是其先前帮助美国和世界其他地区新闻编辑创建和维护可行商业模式以确保其生存的计划的一个重大扩展。据即将接受投资的公司称，与以往对新闻业务的投资不同，Facebook最新一轮投资的特点是缺乏与Facebook产品的链接。据报道，Facebook此前几轮对新闻业务的投资旨在鼓励出版商依靠Facebook交付产品。 7月21日，谷歌突然上线了两个新模型： Gemini 3.6 Flash和Gemini 3.5 Flash-Lite。
二 | 在这种模式下，当Facebook的战略发生变化时，许多新闻机构的利益将受到影响。 没有一点点防备，也没有一丝顾虑，它俩就这样出现在了Google AI Studio和Gemini的模型选择器里。 这两个模型，一个主打更强的代码和Agent能力，一个主打更低成本的大规模调用。
三 | 而作为旗舰模型的Gemini 3.5Pro，千呼万唤依然……出不来。
四 | 按照此前的计划，3.5 Pro本应在6月份上线，现在7月都过一大半了，这款被寄予厚望的模型仍然没有正式亮相。Facebook负责全球新闻合作的副总裁坎贝尔·布朗在一份声明中说：“我们将继续打击Facebook上的虚假新闻、虚假信息和低质量新闻。同时，我们有机会和责任帮助当地新闻机构发展壮大。先前的批评者指出，Facebook为仇恨言论、错误信息和政治干预提供了平台。 代表旗舰实力的答卷迟迟不交，谷歌先拿出两张“草稿纸”，是个什么意思？ 01 3.6 Flash：比上一代便宜，不比上一代聪明 谷歌表示，相比上一代Flash模型，Gemini 3.6 Flash进一步提升了编码、推理和工具调用表现，同时通过减少输出token降低运行成本。根据Facebook的计划，美国的第一轮投资将有助于增加当地报道的资源，帮助研究如何利用技术改进新闻收集和创造新产品，招募“受训社区记者”，并将他们安置在当地的新闻室。 Gemini 3.6 Flash的定位是一个面向真实生产环境的高效模型，或者更直白一点，为Agent服务。此外，它还将帮助资助一个类似于和平公司的项目，在五年内将1000名记者安置在当地的新闻编辑室。 在Agent时代，一次任务可能需要几十轮模型调用，这意味着模型不仅要聪明，还必须足够快、足够便宜。 Google此前已经在Gemini 3.5 Flash上强化了这条路线。
五 | 投资将由普利策中心、美国报道、奈特·伦费斯特地方新闻改革基金、地方媒体协会和地方媒体联盟、美国新闻项目和社区新闻项目进行。
六 | 根据官方API文档，Gemini 3.5 Flash支持100万token的长上下文，可以一次处理大量信息，同时支持代码执行、调用外部工具、搜索文件等能力，能够完成更复杂、更长时间的任务。去年12月，Facebook宣布向英国出版商投资600万美元。脸谱网还计划扩大去年推出的加速器计划，以帮助诸如旧金山纪事和丹佛邮政等当地新闻编辑室提高他们吸引用户和会员捐款的能力。 Gemini 3.6 Flash延续了这条路线，它追求的并不是单次回答的质量，是一个“能够承担得起每日真实工作”的位置。 Gemini 3.6 Flash的定价如下： 输入：1.50 美元/百万 token 输出：7.50 美元/百万 token 相比此前Gemini 3.5 Flash每百万token输入1.5美元、输出9美元的价格，输入成本没有变化，但输出成本进一步下降。
七 | 对于需要大量调用AI的企业来说，这种成本变化可能比benchmark上的几个百分点提升更加重要。 另外，谷歌展示的一项内部测试显示，在完成同一任务时，Gemini 3.6 Flash相比3.5 Flash减少了55.8%的token消耗，同时将任务评分从85分提升到了100分。
八 | 当然，这只是谷歌自己的测试结果，只能说明Google希望展示的方向： 新模型不仅更省，而且能够用更少的计算完成同样甚至更好的任务。 在那些被公开的benchmark里，谷歌主要强调的是代码能力和Agent能力。 在DeepSWE代码评测中，Gemini 3.6 Flash得分49%，高于上一代的37%。谷歌表示，新模型能够减少无效代码修改和重复执行过程。 在测试AI操作电脑能力的OSWorld-Verified评测中，Gemini 3.6 Flash得分83%，超过3.5 Flash的78.4%。 而在面向机器学习任务的MLE Bench中，Gemini 3.6 Flash得分63.9%，相比上一代的49.7%也有明显提升。
九 | 不过，上述数据更多说明Gemini 3.6 Flash相比上一代有所进步。 如果放到当前大模型竞争中横向比较，Google选择的对手是GPT-5.6 Luna、Grok 4.5和Claude Sonnet 5（这里也可以看出这个产品的定位）。 从结果来看，Gemini 3.6 Flash并没有全面领先，GPT和Claude的模型在复杂软件工程和知识工作任务上仍然保持优势。 但这其实也是Flash系列存在的意义： 它不一定要成为最强模型，只需要在明显低于旗舰模型成本的情况下，提供够用的能力。 官方测评之外，根据Artificial Analysis的发布前测试，Gemini 3.6 Flash在Intelligence Index上拿到了50分，与Gemini 3.5 Flash持平。 这意味着，如果只看模型综合“智力”，Gemini 3.6 Flash并没有什么升级。
十 | 但是呢，它的速度又很好地弥补了这一点。
十一 | Artificial Analysis还统计了模型完成Intelligence Index任务所需的平均时间。结果显示，Gemini 3.6 Flash每项任务平均耗时约1.3分钟，相比上一代3.5 Flash的约2.7分钟，减少了一半。 与此同时，Gemini 3.5 Flash-Lite的任务完成时间也从上一代3.1 Flash-Lite的约1.6分钟，下降到约0.6分钟。 总的来说，Gemini 3.6 Flash的升级方向其实是效率——更少的token消耗，更低的运行成本，以及更适合长期运行的Agent能力。 对于习惯使用Gemini 3.5 Flash的用户来说，确实是非常不错的升级。
十二 | 02 3.5 Flash-Lite：更快，但没有上一代便宜 然后再来看另一个模型Gemini 3.5 Flash-Lite。 顾名思义，Flash-Lite是Flash系列中更轻量的版本，相比Flash，它牺牲了一部分能力上限，换取了更低的成本和更快的速度。
十三 | 就像前面提到的那样，Gemini 3.5 Flash-Lite的任务完成时间从上一代3.1 Flash-Lite的约1.6分钟，下降到了约0.6分钟。 3.5 Flash-Lite也是3.5系列中速度最快的型号，根据Artificial Analysis测试数据，其生成速度达到约350 token/秒，已经属于当前主流大模型中的高速水平。 Gemini 3.5 Flash-Lite的定价如下： 输入：0.30 美元/百万 token 输出：2.50 美元/百万 token 相比Gemini 3.6 Flash，输入价格约为1/5，输出价格约为1/3。
十四 | 不过，与上一代Gemini 3.1 Flash-Lite相比，新模型并没有进一步降价。 虽然Gemini 3.5 Flash-Lite由于能力提升，可以通过减少输出量降低部分成本，但综合起来，还是很难抵消单价上的成本增加。 根据官方文档，相比上一代Gemini 3.1 Flash-Lite，新模型在不同思考等级（thinking levels）下都有明显提升。开发者可以根据任务需求调整模型的思考深度。 此外，Gemini 3.5 Flash-Lite还内置了Computer Use能力，可以帮助Agent更可靠地操作电脑环境，完成跨应用任务。 在具体测试中，Gemini 3.5 Flash-Lite相比上一代模型也有明显提升：在Terminal-Bench 2.1编程Agent测试中，成绩从31%提升到54%；在测试长上下文理解能力的GDM-MRCR v2中，从60.1%提升到72.2%；在更贴近真实工作场景的GDPval-AA v2任务执行测试中，从642提升到1140。 值得注意的是，在一些Agent和代码相关测试中，Gemini 3.5 Flash-Lite甚至超过了上一代更高定位的Gemini 3 Flash模型。 例如，在SWE-Bench Pro软件工程测试中，Gemini 3.5 Flash-Lite得分54.2%，高于Gemini 3 Flash的49.6%；在测试AI操作电脑能力的OSWorld-Verified中，Gemini 3.5 Flash-Lite也以74.0%的成绩超过Gemini 3 Flash的65.1%。 这意味着，随着模型能力不断提升，过去需要更大模型才能完成的部分Agent任务，正在逐渐下沉到更便宜、更快速的模型。 顺便一提，除了前两个面向普通用户的通用模型，谷歌还推出了Gemini 3.5 Flash Cyber。 它主要针对网络安全场景。根据官方文档，在CodeMender系统中，多个Gemini 3.5 Flash Cyber Agent可以协同工作，分别完成不同分析任务，并最终汇总成一份完整报告。
十五 | 在网络安全基准测试CyberGym中，Flash Cyber也达到了接近前沿模型的表现。 该模型目前不会公开提供，仅通过CodeMender平台向政府和可信合作伙伴开放。 03 3.5 Pro：谷歌迟迟交不出的旗舰答卷 如果说Gemini 3.6 Flash和Gemini 3.5 Flash-Lite还可以看作是谷歌对AI规模化应用的判断，那么Gemini 3.5 Pro则代表着谷歌的模型上限。 但问题在于：这份答卷，到现在还没有交出来。 5月I/O的时候，谷歌表示Gemini 3.5 Pro将在“接下来一个月左右”推出，也就是预计在今年6月上线。现在7月都过了一大半了。 据彭博社7月16日报道，Gemini 3.5 Pro的发布时间已经落后原计划数月。谷歌正在继续优化模型能力，尤其是编码表现，希望达到内部设定的目标。 路透社最新的报道则显示，截至目前，谷歌仍未公布具体上线时间，只表示该模型正在与合作伙伴测试，并将“很快”推出；另有新闻稿透露，Gemini 4的训练工作已经开始了。 而我们都知道，“很快”就是不确定的意思。 Gemini 1.0发布时就曾因演示争议受到质疑；Gemini 1.5 Pro凭借百万token上下文短暂扳回局面，但随后Claude和GPT系列快速追赶；直到Gemini 3系列发布，谷歌才重新获得“回到前沿竞争”的评价。 如今Gemini 3.5 Pro再次延期，市场关注的已经不只是一个模型什么时候上线，还有谷歌到底能否保持旗舰模型的竞争节奏问题。 何况谷歌透露出的编码表现不及预期，并不是什么容易解决的小问题。 随着Agent开始进入企业工作流，代码能力的重要性迅速提升。一个模型能否理解复杂项目、修改真实代码、完成多步骤开发任务，已经成为衡量它是否具备实际生产价值的重要指标。 路透社指出，华尔街正在等待Gemini 3.5 Pro，因为它将成为判断Google DeepMind是否能够跟上OpenAI和Anthropic的重要指标。 当然，谷歌并不是没有动作，这次推出的几个模型，恰说明谷歌正在强化另一条路线：让AI变得更便宜、更容易规模化。
十六 | 谷歌CEO Sundar Pichai近期也多次强调成本优势，并表示企业如果将大部分AI工作负载迁移到Gemini模型，可以每年节省超过10亿美元。 但问题在于，市场在期待一份证明谷歌模型实力的“答卷”，谷歌交出的却是两张关于效率和成本的“草稿纸”——很难不让人觉得，谷歌在用Flash系列填补Pro延迟留下的空档。
十七 | 有意思的是，在Gemini 3.5 Pro延期的同时，AI竞争格局正在发生变化。 过去，人们讨论AI领先者，主要关注海外“御三家”：OpenAI、Anthropic和Google DeepMind。 但最近，GLM-5.2、Kimi K3等国产模型也开始进入前沿竞争，并引发了大量讨论。 前沿模型的追赶速度正在加快，也让谷歌的问题变得更加紧迫，它当然可以继续大力推出Flash模型，但前提是它的旗舰模型足够给力——只要硬实力足够，自有大儒为他辩经。 如果谷歌最终推出一个真正领先的旗舰模型，那么Flash路线会成为完整体系的一部分：Pro负责突破能力上限；Flash负责规模化应用。 但如果Gemini 3.5 Pro持续落后，市场很可能会继续追问：谷歌拥有最强AI研究资源，为什么却无法稳定跑赢竞争对手？ 在Alphabet本周举行第二季度财报电话会议时，人们很可能会进一步询问有关Gemini 3.5 Pro的更多细节。（作者：袁心玥）。
Current article:http://cmjy.shaihanhuangwoshang.cyou/news/20260826_454.html
Published on:03:45:34
