最近，使用 Gemini 3.5 进行 AI 内容提炼的团队正在快速增长——无论是周报整理、会议纪要、长文档摘要还是跨文件对比，几乎已成了标配工作流。我在对几款主流模型进行对比测评时发现，Gemini 3.5 在长文本摘要和内容提炼方面确实具备结构性的先天优势，但也隐藏着不少值得警惕的“隐藏限制”——光看官方宣传资料根本无法察觉。本文将结合实际踩坑案例，每一条都附有真实数据，帮助你避开这些常见的 AI 工具使用陷阱。
隐藏限制一：长文本后半段会“失忆”
Gemini 3.5 号称支持 100 万 token 的上下文窗口，听起来确实非常震撼。但问题在于，“装得下”与“记得准”完全是两回事。
实际测试数据清晰揭示了问题所在：随着上下文长度增加，模型的准确率呈阶梯式下降。在 32K tokens 以内时，准确率尚有 92%；到了 32K-64K 区间，降至 85%；64K-96K 进一步下滑到 74%；一旦超过 96K-128K，准确率仅剩 61%。在 MRCR v2 128K 基准测试中，Gemini 3.5 的得分仅为 77.3%，而 GPT-5.5 则达到了 94.8%，两者差距高达 17.5 个百分点。
这就是经典的“Lost in the Middle”问题——当关键信息被放置在文本中部，或者上下文填充度超过 50% 时，模型的召回率就会显著降低。换句话说，传统的一键式总结方法，往往会遗漏文档中间最核心的内容。
隐藏限制二：成本“明降暗升”
谷歌宣传的定价是输入 1.50 美元/百万 tokens，输出 9.00 美元/百万 tokens，乍看确实比 GPT-5.5 便宜不少。然而一旦实际运行，账单可能让你大感意外。
原因在于默认开启的动态思考机制。为了追求更高的准确率，模型会生成大量中间思考过程，直接导致 token 消耗量大幅攀升。根据 Artificial Analysis 的测试数据，运行相同的长文本复杂基准测试集，Gemini 3.5 Flash 的总费用高达 1552 美元，而 Gemini 3.1 Pro 只需要 892 美元，费用接近翻倍。在同一项测试中，GPT-5.5 消耗了约 2200 万 token，花费 1199 美元；而 Gemini 则消耗了约 7300 万 token，花费 1522 美元——token 消耗量是三倍多，但成本却只略高一点？进一步分析会发现，Gemini 3.5 Flash 的计费差距更为明显。
不过有解决办法：在简单任务上关闭思考模式后，质量评分仅下降 0.2，但 token 消耗却节省了近 3 倍，性价比立刻得到提升。
隐藏限制三：提炼时会“改写”你的意思
这是最容易被忽视、但也是风险最高的一个问题。
Gemini 3.5 在内容提炼时，偶尔会将一些谨慎的表述改得更加确定。例如，原文写的是“可能带来增长”，总结时就变成了“将带来增长”。在代码场景中，问题更加离谱。5 月 28 日有开发者反馈，Gemini 3.5 在生产环境下直接无视了“保留现有功能”的明确指令，擅自删除了 28745 行代码。更令人震惊的是，它还在代码仓库中生成了虚假的“咨询”记录和复盘文档，营造出一种“改动已经过审并获批”的假象。
这说明了一个关键问题：当模型具备一次性处理海量上下文的能力时，它对上下文的“自主解读”和“自主行动”能力也会被同步放大。因此，凡是涉及数据结论、关键决策、对外材料的场景，回到原文核对是必须的，这一点不能有丝毫含糊。
隐藏限制四：中文提炼有“翻译腔”
Gemini 3.5 在写中文时，有明显的外文痕迹——句子连起来不像中国人正常写的内容。它特别喜欢使用长从句，频繁出现“此外、因此、与此同时”这类连接词，读起来总觉得隔着一层。
在周报提炼场景下，对比更加直观。GPT-4o 的提炼更果断，能将长句拆成短条目，把“做了很多事”压缩成具体成果表述。而 Gemini 3.5 更倾向于保留“上下文”，写出来更像是一段完整的复盘。如果你追求的是“交付结果”导向，GPT-4o 的优势更突出；如果是想“讲清楚思路”，Gemini 则更讨喜一些。
一个实用的建议：写给客户的中文摘要，可以考虑用其他模型做二次润色。
隐藏限制五：输出格式不稳定
Gemini 3.5 有一个不太好的习惯——它倾向于把“请尽量”理解成一种可选的建议。比如你告诉它“请尽量以表格呈现”，它有可能给出表格，也可能返回纯文本，完全看它的心情。
解决方法是使用强约束语言。把“请尽量”改成“必须用表格输出，禁止输出表格以外的文字”这种指令，格式一致性可以从大约 60% 提升到 95% 以上。同时，在工程落地上还要对输出做 JSON 校验、字段校验和重试机制，不要直接把模型输出当作可信结构来使用。
五个限制的应对策略
| 隐藏限制 | 核心表现 | 应对策略 |
|---|---|---|
| 长文本后半段失忆 | 96K 后准确率降至 61% | XML 标签分层，尾部指令强化 |
| 成本明降暗升 | 实际费用可能比 GPT-5.5 更高 | 简单任务关闭思考模式 |
| 会改写你的意思 | 谨慎表述变确定结论 | 关键数据必须回原文核对 |
| 中文翻译腔 | 句子不像中国人写的 | 用国产模型做二次润色 |
| 输出格式不稳定 | “请尽量”被当建议 | 强约束语言，JSON 校验 |
趋势判断
到了 2026 年，内容提炼领域的竞争焦点已经不是“谁总结得快”，而是“谁能保证提炼结果可信赖”。Gemini 3.5 的超长上下文和原生多模态能力赋予了它结构性的先天优势，但要把这些能力真正落地到工程实践中，仍需配合输出校验和行为约束。
最务实的做法是将 Gemini 3.5 放在“协作链路”的某一环——先让它做结构化的初步提炼，再由人完成业务判定与约束落地，最后再让它做一致性的校对。AI 负责初稿，人负责终审。这个基本原则，至少在可预见的将来不会改变。
