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。
这是近期网友对 Gemini 的一句戏谑式吐槽。
按理说，一家公司发布新模型，本该是来“打脸”这类调侃的。可就在刚刚，Google 一口气推出三款新模型后，网友非但没收回这句话，反而笑得更响亮了。多少透着一股“所有人都不指望你，结果你还真最不争气”的荒诞感。
这三款模型分别是：3.6 Flash、3.5 Flash-Lite，以及专注网络安全领域的 3.5 Flash Cyber。官方博客措辞依旧熟悉得令人恍惚——「更高效」「更聪明」「专为大规模 AI agent 打造」，一字未落，句句到位。
然而实际体验却呈现出冰火两重天的割裂感。
主角登场：3.6 Flash 到底强在哪儿？
先看头号主力——3.6 Flash。官方定位极简：「干活型模型」（workhorse）。
它基于今年 5 月 I/O 大会发布的 3.5 Flash 进行小幅迭代，核心卖点只有一个：省 token。
据 Artificial Analysis Index 数据，3.6 Flash 相比 3.5 Flash 输出 token 减少 17%，在 DeepSWE（Datacurve 推出的基准）等任务中甚至能节省高达 65%。官方还强调其在多步推理任务中，所需推理步数与工具调用次数均显著降低——意味着干同样活，废话更少、绕路更短、账单更薄。
价格也确实下调了：输入 1.5 美元/百万 token，输出 7.5 美元/百万 token——而上一代 3.5 Flash 的输出定价为 9 美元，这次直接砍至 7.5。快且省，单个 agent 任务成本自然压得更低。
基准测试方面，官方晒出一整页数据。
代码能力是重中之重。DeepSWE 分数从 37% 提升至 49%，官方解释称：冗余代码修改减少、循环执行更精简，生成结果更贴近真实生产环境需求。机器学习方向的 MLE Bench 更是跃升明显，由 49.7% 拉至 63.9%。
计算机操作（computer use）能力亦有进步，OSWorld-Verified 从 78.4% 升至 83%。同时，“计算机操作”功能已正式成为 Gemini API 及企业版内置工具，真正做到开箱即用。
知识工作层面，GDPval-AA v2 从 1349 提升到 1421。Hebbia、Harvey 等客户反馈，它在文档解析、图表数据分析、报告撰写等多模态任务中表现尤为亮眼。Figma、JetBrains 也纷纷站台背书。
顺带一提，还有个低调却实在的更新：知识截止日期终于从 2025 年 1 月推进至 2026 年 3 月——老黄历，总算翻篇了。
安全方面，3.6 Flash 部署了升级版 Frontier Safety 防护机制，重点盯防 CBRN（化学、生物、放射性、核）及网络攻击类滥用行为，抗越狱能力增强，同时尽量避免误拒正常请求。
·以小博大：便宜又灵活的 3.5 Flash-Lite，还能动态切换推理档位
第二款是 3.5 Flash-Lite，定位比 3.6 Flash 更轻量，主打「快」与「便宜」，专攻高吞吐、低延迟场景，例如 agent 搜索、批量文档处理。
它是当前 3.5 系列中最快的模型，Artificial Analysis 测得其输出速度达每秒 350 token。价格更是亲民——输入仅 0.3 美元、输出 2.5 美元/百万 token。官方称其质量相较今年 3 月发布的 3.1 Flash-Lite 有大幅跃升。
一个值得注意的设计是：支持调节「推理档位」。简单任务启用最低档，追求极致速度与成本；复杂子任务则可提升思考档位。此外，计算机操作功能同样被集成进该模型。
相比前代，提升显著：Terminal-Bench 2.1（代码与 agent 任务）从 31% 跃至 54%；长上下文理解 GDM-MRCR v2 由 60.1% 升至 72.2%；真实任务执行 GDPval-AA v2 更是从 642 飙升至 1140。
有趣的是，这款“小弟”在多项 agent 与代码任务中，竟反超了资历更深的 3 Flash：
比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。这意味着——原本需靠 3 Flash 完成的任务，如今有了更快更强的平替方案。
官方列举了几种典型用法：从海量电商数据中提取产品特征、辅助 3.6 Flash 同时生成 25 个网页设计方案、批量翻译并总结收据、边玩边迭代开发小游戏。Ashler、Palo Alto Networks、Ramp 等客户也盛赞其“速度、智能、成本三位一体”。
第三款 3.5 Flash Cyber 风格突变，专用于识别和修复代码中的安全漏洞。
Google 的逻辑颇为务实：当前 AI 发现漏洞的速度，已远超人类修复节奏。既然漏洞越积越多，不如用轻量高效的 Flash 模型批量“补锅”。
该模型基于 3.5 Flash 微调而来，需搭配自研工具 CodeMender 使用。后者内部运行多个 Flash Cyber agent，协同分析、最终整合生成统一报告。
在业内权威基准 CyberGym 上，官方宣称其已达第一梯队水准，且比更大参数模型更省 token。
不过，这个模型目前我们普通用户暂时无缘使用。
考虑到“找漏洞”能力天然具备双刃属性，一向保守的 Google 也学 Anthropic 开始讲安全叙事——将模型严格限制为「可信合作伙伴」专属，仅限内测。目的很明确：帮一线防御方抢在漏洞被利用前完成修补，同时严防恶意用途。
说好的 3.5 Pro 呢？如来佛祖也没辙
看到这儿你或许会问：发了一堆 Flash，那真正扛旗的旗舰 3.5 Pro 去哪了？
官方口径仍是：“正与合作伙伴联合测试，准备就绪即上线。”但这句话背后的故事，恐怕并不体面。
据彭博社等媒体报道，3.5 Pro 在代码生成能力上始终未能达到 Google 内部预期。该公司甚至在 6 月下旬专门更新训练数据以强化该短板，结果仍无明显起色。更有传言称，Google 已彻底放弃原有训练路径，决定从零重启训练。
而 Google AI 宣传负责人 Logan Kilpatrick 更是在舆论场干脆跳过 3.5 Pro，将焦点全押在 Gemini 4 上，直言团队已启动“史上最雄心勃勃”的 Gemini 4 预训练，并称进展令人振奋。
听上去鼓舞人心，但放在“旗舰跳票”的语境下审视，难免让人怀疑这是转移视线、画饼续命的惯用手法。
除了这些幕后消息，单看今日发布的 Flash 系列本身，外界评价也并非一边倒叫好。
第三方评测机构 Artificial Analysis 指出：两款新模型确实在单任务耗时与 token 效率上取得进步，Flash-Lite 的智能指数上涨 11 分——但 3.6 Flash 的综合智能水平，相较于 3.5 Flash 几乎毫无提升。
价格降幅不足以掩盖能力停滞，而能力又无法支撑其现有定价。
X 平台网友犀利吐槽：3.6 Flash 在 Artificial Analysis 评测中与 3.5 Flash 打出完全相同的分数，甚至不及 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 等竞品，直呼“烂得离谱”（阴阳怪气 doge）。
质疑声不止一处。
网友 Angel 从性价比切入：Gemini 3.6 Flash 的单位成本高于 GPT-5.6 Sol medium，可智能表现反而更低。“又贵又笨”，这对主打性价比的 Flash 系列而言，无疑是致命打击——毕竟它的立身之本，正是“够用、便宜、稳定”。
作为对照，OpenAI 的 Tibo 也同步发声：因周活跃用户突破 1000 万，全新一天开启，Codex 与 ChatGPT Work 的付费用户额度已重置，欢迎畅用。
这一对比，这份落差，还有人记得那个曾被寄予厚望的 Google Gemini 3 吗？
实测派也迅速补刀。网友 Balder 更是直接开团：
这三款模型性能全面落后于旧版 3.5 Flash。他晒出个人测试结果，问题包括但不限于——基础解码异常、中文选词频繁失准；生成图像与视频质量极差、严重偏离指令且配额限制苛刻；记忆混乱频发、工具调用错误率居高不下。
他还抛出一个阴谋论：Google 如此操作，或意在腾出算力资源转售给 Anthropic，并调侃道：“这就是皮查伊梦寐以求的‘Cloud First’。”
此外，X 用户 Conor Dart 使用 Google 自家 Antigra vity 工具测试 AI 游戏生成效果，结果不出所料：木纹质感进一步退化，大理石纹理虽接近但依然不可用。他直言这又是一次翻车，并表示“继续等 Gemini 3.5/3.6 Pro 吧”。
一言以蔽之？别问新模型强不强，先问它闪不闪（Flash）就完事了。一边是官方吹得天花乱坠的“更高效、更省钱、更省 token”，另一边是多数用户的当场差评，以及模型背后隐藏的旗舰跳票、核心人才流失、市值缩水等一系列连锁危机。
这很难不让人生疑：Google 是否真在这轮技术演进中点歪了科技树？只顾压缩成本，却忘了提升智商，只能靠几个 Flash 模型勉强稳住阵脚？
反正 Gemini 4 的预训练已经启动。倘若这一把再翻车，那句关于阿尔茨海默症的玩笑，恐怕就要应验成真了。
