谷歌发布Gemini 3.6 Flash系列：更快更便宜，但智能未跃升

谷歌于周二推出了三款新的Gemini模型，表明该公司正关注人工智能模型市场中的成本问题，同时仍通过提升模型速度及增强特定领域适用性，与OpenAI和Anthropic展开竞争。

Gemini 3.6 Flash模型聚焦于编程与知识任务。谷歌在该模型上重点优化了成本效率，在部分基准测试中，其每输出token成本低于Gemini 3.5 Flash。Flash-Lite是该系列中成本效益最高的模型，谷歌称其每秒可生成约350个输出token。而3.6 Flash Cyber是一款新型 网络安全模型 ，将与谷歌用于检测、修复及预防安全漏洞的AI智能体CodeMender协同使用。

新模型发布早于当前正在测试、即将推出的Gemini 3.5 Pro模型。然而，此次更新后的Flash系列发布之际，全球AI市场势头正转向更低成本的模型，中国AI厂商 阿里巴巴 与月之暗面（Moonshot AI）在过去一周内相继推出了高性能、低成本的模型。

“AI模型在全行业的成本利用率已成为业界关注焦点，”AI分析机构Tekonyx总裁兼首席研究官西德·纳格（Sid Nag）表示，“以速度为前提的成本优化，将持续成为我们这些行业参与者讨论的核心议题。”

聚焦成本

企业最大的成本之一是模型训练与推理。因此，若谷歌能借助3.6 Flash降低延迟与token成本，这“将转化为大规模部署（尤其是企业级部署）的可观节省”，纳格继续指出。

与近期发布的其他模型相比，Gemini 3.5 Flash-Lite似乎是该产品线中最便宜的选择，输入token成本为每百万0.3美元，输出token成本为每百万2.5美元。相比之下， 中国模型Kimi K3 的输入token成本为每百万3美元，输出token成本为每百万15美元。Gemini 3.5 Flash-Lite的成本亦低于OpenAI的GPT-5.6系列模型，后者输入token成本区间为每百万1至5美元，输出token成本区间为每百万6至30美元。

然而，康奈尔大学信息科学讲师兼AI创新主管艾哈姆·布歇尔（Ayham Boucher）表示，谷歌此次发布的新模型并未在所有方面完全实现成本目标。例如，3.6 Flash每单位输出的成本仍高于SpaceXAI旗下模型。Gemini 3.6 Flash的输入token成本为每百万1.50美元，输出token成本为每百万7.50美元。相比之下， SpaceXAI的Grok 4.5 输入token成本为每百万2美元，输出token成本为每百万6美元。

“众所周知，在具备智能体（agentic）功能的系统中，输入token往往非常短，而智能体将在响应前生成大量输出，”布歇尔表示，“输出token比输入token更为关键。”

速度 vs. 智能

布歇尔指出，除价格外，谷歌还对其模型的速度进行了优化。

“它们确实在速度上取得了显著成果，明显领先于所有前沿闭源模型；你唯有借助开源模型才能与之匹敌，”布歇尔表示。

然而，就智能水平而言，他指出谷歌自身尚未达到Anthropic与OpenAI等其他闭源模型的水准。这并不意味着谷歌正在落后，而是表明其正专注于基础设施建设，以支持更快、 更低成本的模型，他补充道。

“推理成本及高吞吐量推理的管理能力，将在我们持续推进AI系统成功部署的过程中变得极为关键且不可或缺，”布歇尔表示，“这正是谷歌所押注的方向，而它也并非误判——确实存在一个巨大市场，其中用户未必需要最聪明的模型，而是需要一种快速、智能且廉价的模型。”

他进一步指出，若预计明年发布的Gemini 3.6版本在智能水平上超越Anthropic当前的Fable版本，同时兼具高速度与更低成本，则可能引发广泛关注。这是因为明年的Fable版本很可能更加智能，而许多企业并非始终需要最智能的模型，因为诸多任务并不依赖最高级别的智能。

不过，布歇尔表示，谷歌聚焦于更具性价比的模型，并不意味着它不应同时提供一款在智能层面亦具竞争力的前沿模型。

“倘若它不这样做，便已在前沿智能竞赛中落后，”他表示，“仅仅让模型运行得更快，并不意味着你应放弃在智能前沿领域的领先地位。”

网络安全模型

谷歌通过发布Gemini 3.5 Cyber，亦清晰展现出其对网络安全模型的重视。在纳格看来，该网络安全模型体现了AI日益专业化发展的另一路径。

“它具有三大企业级影响，”他指出，“AI正融入软件开发生命周期；AI正成为安全团队的倍增器；当然，低成本安全智能体正变得切实可行。”

尽管Gemini 3.5-Cyber已构建出一套可自主识别并修复安全问题的智能体系统，但关于该模型仍有诸多待解之处，Guardrail Technologies公司首席执行官TJ马林（TJ Marlin）表示。 Guardrail Technologies。

“如果你拥有一套能自主发现漏洞并加以修复的系统，那么其中的制衡机制何在？”马林表示，“已知存在诸多局限性、可靠性问题及风险，这些并不会因他们构建了一套编排模型而自动消失。”

此外，尽管谷歌展示了Cyber模型的积极面，但该模型的可靠性尚不明确，他指出。

“我们并未掌握完整图景，”马林表示，“AI可能被有意或无意操纵并导致不良后果的所有风险，同样适用于谷歌为漏洞检测所构建的这一智能体系统。”