Google 刚发布了 Gemini 3 Flash，老实说？AI 经济学被改写了。
一款“快”模型如何重画价格-性能曲线
你今天早上打开 Gemini app，总觉得哪儿不一样。更快，更锐利。你可能都没注意到更新提示。
Google 把默认模型整个换了。全球范围。你睡觉的时候它就完成了。
这可不常见。公司一般不会一夜之间给几百万个应用换“发动机”。通常会先发布、内测、分阶段上线。但眼下事实如此。Gemini 3 Flash 已经上线。现在就能用。它是 Search、Gemini app，以及所有关键开发者 API 的默认模型。
我花了过去六个小时测试它。下面是大家还没谈到的点。
让我停下手头工作的那个数字
78% on SWE-bench Verified。
也许你不在乎 benchmark。大多数人都不在乎。但这个很重要，因为它测的是现实问题：这个模型能不能真正在生产代码库里修 bug？
做个对比，Gemini 3 Pro（旗舰模型）在这项上的分数是 74%。Gemini 2.5 Flash？48%。
便宜、快速的模型在编程上干翻了贵的模型。这对价格-性能曲线是实质性位移。
我把它丢进了我最乱的一坨代码里
我有个遗留的 Python 项目。六年前的。四个外包一起写的。现在没人敢碰，文档一塌糊涂，逻辑像意大利面。完美的测试样本。
我丢进去一段带微妙 bug 的代码——上个月我花了三个小时才找到它。问 Gemini 3 Flash：“这里哪里不对？”
响应时间：1.8 秒。
结果：它找到了 bug。解释了原因。给了两种修复方案。然后还提出重构周边代码，避免类似问题。
我又用 GPT-4 Turbo（gpt-4-turbo-2024–04–09，同样的提示词、同样的代码片段）跑了一次。
响应时间：4.3 秒。
结果：它也定位了 bug，但漏掉了背后的通用模式。没有提出重构建议。
用 GPT-4 之前：“这 AI 写代码还挺不错。也许能帮我省 30% 的调试时间。”
换成 Gemini 3 Flash 之后：“等等，它是在…理解代码的意图，而不只是语法。”
差异就在这儿。它能读懂言外之意。
让我改观的演示
Google 播了个视频，Gemini 3 Flash 实时分析匹克球视频并给动作建议。我当时想：“挺酷的派对把戏。没啥用。”
然后我拿自己的东西试了试。
我录了个视频，给一位初级开发讲一个复杂的数据库架构。二十分钟，手势飞舞，还几次自相矛盾，因为我边说边想。
把视频上传到 Gemini 3 Flash。让它：“基于这个视频出一套知识测验题，检测理解程度。”
它生成了 15 道选择题。每题都精准对应我讲的一个概念。甚至注意到我纠正自己的那一段，并基于“纠正后的版本”出题，而不是围绕我的口误。
随后它还提议生成抽认卡、总结文档和学习指南。
关键是？处理 20 分钟视频只用了 8 秒。
以这个质量，这是我见过最快的。
真公司已经把旧 API 扔了
我测试的同时，Twitter（现 X）上开始冒出早期采用者的反馈：
Resemble AI（deepfake 检测）：多模态（multimodal）分析速度较之前模型快 4 倍。现在几乎能实时处理取证数据。上周还做不到。
Astrocade（游戏创作平台）：用 Gemini 3 Flash 从单条提示生成完整的游戏方案和可执行代码。把构想在几分钟内变成可玩的游戏。不是原型，是能玩的游戏。
Harvey（legal AI）：在律所里依赖它做文档分析。要知道，律师愿意信任你的 AI，这是一道大槛。律师可不好打动。
这些不是内测。是第一天就上生产。
这已经说明了信心有多足。
真正重要的 benchmark
先别管学术论文。对开发者真正重要的是：
Humanity's Last Exam（博士级跨学科知识测试）：Gemini 3 Flash 得分 33.7%。
Gemini 2.5 Flash？11%。
GPT-5.2？34.5%。
Claude Sonnet 4.5？27%。
这个“又快又便宜”的模型突然在跟旗舰打擂。价格只是它们的一小部分。
定价：每百万输入 tokens $0.50，每百万输出 tokens $3。
对比 GPT-4 Turbo 的 $10 和 $30，或者 Claude Opus 的 $15 和 $75。
经济账被彻底改写了。
这对你的项目到底意味着什么
我不是来给 benchmark 打 call 的。实话实说：
如果你之前因为成本回避 AI：现在没借口了。价格底线降了。把那条搁置的想法捡起来。 如果你为了质量一直用慢模型，因为快模型“智商不够”：这周就测一下 Gemini 3 Flash。真的。你的用户会感受到差异。 如果你在做任何多模态（multimodal）应用：视频分析、图像理解、音频处理，这就是你要的模型。它快到能支撑此前做不到的实时场景。 如果你在做 Agentic（智能体式）工作流：那个 78% 的 SWE-bench 分数不是在炫技。它意味着模型真的能做事，而不只是说说。
我把跑了几个月的文档分析流水线重搭了一遍。功能不变，只把模型换成 Gemini 3 Flash。
旧流水线：每份文档 30–45 秒，成本大约 $0.08/份。
新流水线：每份文档 8–12 秒，成本大约 $0.02/份。
速度 3 倍，成本降到四分之一。结果还更好。
我会在周五前把整个生产系统迁完。
Google 没说的部分
它不是完美的。你需要知道这些：
今天早上 API 有点小抽搐。全球一键切换可以理解。美东时间上午 10 点左右限流有点异常，中午就恢复了。 预览（preview）模型意味着随时会变。如果你做生产应用，请锁定到具体版本。别用 -latest 别名，除非你喜欢意外的破坏性变更。 它本质上还是推理模型。有时会把简单事想复杂。如果你只要快速事实查找，可能用 Flash-Lite 更合适。 默认会显示“思考”过程。用户会在回复前看到模型“在想”。有人喜欢，有人觉得怪。一定要做真实用户测试。
但说真的？相比它带来的价值，这些都是小问题。
我现在在做什么
我正启动三个昨天还不划算的项目：
实时视频教练 app：边录边分析，即时反馈。8 秒处理时间让它成为可能。 代码评审助手：分析架构模式，而不只是查语法。78% 的 SWE-bench 让它足够可信。 法律文档流水线：处理合同，抽取条款，秒级标注风险。成本和时延都降到能跑通的水平。
它们在我的“改天再说”文件夹里躺了好几个月。这个周末我就开干。
真问题来了
“我该把应用迁到 Gemini 3 Flash 吗？”
如果你现在用的模型：
每百万 tokens 的价钱高于 $0.50/$3 典型响应超过 3 秒 多模态（multimodal）输入处理不行 复杂推理容易抓瞎
那就试试。花一个小时你就能知道它是否更适合你的场景。
如果你在跑超垂直的、精调到骨子里的任务，也许不该动。能用就好。
但对大多数人？这就是新的行业基线。
经济学已经改变。
Gemini 3 Flash 不只是“好了一点点”，它站在了价格-性能曲线的另一个象限。快模型原本不该在复杂推理 benchmark 上对线。预算模型原本不该在编程任务上打赢旗舰。
API 已上线。文档已就绪。早期生产部署已经在跑。
你接下来想造的东西，变得更可行了。
去试试吧。开发者社区需要大规模的真实世界反馈。
至于我？这个周末我要重构我一半的技术栈。成本门槛降到了足以让那些边际想法值得一试的程度。
你打算做什么？
