谷歌上新Gemini 3.6，模型开始价格战

作者 | 山竹

出品 | 锌产业

7月21日，谷歌一口气推出三款Gemini模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，以及面向网络安全的Gemini 3.5 Flash Cyber。

这三款模型试图讲述的是不同的故事：

Gemini 3.6 Flash强调更高的Token效率和更强的编程能力；

Gemini 3.5 Flash-Lite瞄准需要海量调用的智能体与文档处理任务；

Gemini 3.5 Flash Cyber则进入漏洞发现和修复这一高度专业、也更加敏感的领域。

它们的共同点是“轻”，谷歌希望用更低的调用成本、更短的任务耗时，让AI智能体真正跑进企业的生产环境。

但发布名单里，依然没有外界等待已久的Gemini 3.5 Pro。

这让此次发布呈现出一种微妙的反差：

当行业仍在等待谷歌拿出更强的旗舰模型时，谷歌先回答了另一个越来越现实的问题——当AI开始大规模干活，企业究竟要为每一次任务付多少钱？

01 Flash三连发

三款模型中，Gemini 3.6 Flash承担着主力角色。

按照谷歌的定位，它主要面向编程、知识工作和多模态任务，与5月发布的3.5 Flash相比，3.6 Flash减少了不必要的推理步骤、工具调用和执行循环，试图让模型用更少的Token完成同一项工作。

谷歌称，3.6 Flash的输出Token消耗较3.5 Flash减少17%。

在DeepSWE测试中，其得分从37%提升至49%，在衡量计算机操作能力的OSWorld-Verified测试中，得分则由78.4%升至83%。

与此同时，模型的价格也随之下调，3.6 Flash每百万输入Token价格仍为1.5美元，输出价格由3.5 Flash的9美元降至7.5美元。

不过，这次升级更像一次效率优化，而非基础智能的明显跃迁。

第三方评测机构Artificial Analysis给出的结果显示，3.6 Flash与3.5 Flash在其智能指数上均为50分，前者的平均任务耗时却从2.7分钟降至1.3分钟，单次任务成本也下降约18%。

换句话说，3.6 Flash未必变得聪明很多，但干活更快、更简洁，也更便宜了。

Gemini 3.5 Flash-Lite则进一步压低了使用门槛。

它是Gemini 3.5系列中速度最快、价格最低的模型，面向智能体搜索、文档解析、数据提取和子智能体执行等高吞吐量任务。谷歌援引Artificial Analysis的测试称，其输出速度达到每秒350Token。

3.5 Flash-Lite每百万输入、输出Token的价格分别为0.3美元和2.5美元。它不追求处理最复杂的问题，而是希望在一套智能体系统中承接数量庞大、难度相对有限的基础任务。

第三款模型3.5 Flash Cyber更为特殊。

它基于3.5 Flash微调，专门用于查找、验证和修复软件漏洞。谷歌的CodeMender安全智能体可以同时调用多个3.5 Flash Cyber子智能体，扫描不同代码路径，最后合并成一份报告。

在谷歌针对V8 JavaScript引擎进行的内部测试中，3.5 Flash Cyber发现了55个经确认的独立问题。

作为对比，谷歌称3.5 Flash和Claude Opus 4.6分别发现47个和36个。

但由于网络安全能力具有明显的双重用途，3.5 Flash Cyber不会像另外两款模型一样全面开放，谷歌计划先通过CodeMender向政府和可信合作伙伴提供有限试用，再决定后续开放范围。

02 模型战开始算账

过去的大模型发布会，总要回答“谁更聪明”。

基准测试分数、数学推理、编程能力和上下文窗口，构成了厂商争夺技术领先位置的主要指标，但随着AI智能体开始进入真实业务，另一个问题正变得更加重要：

完成一次任务，需要调用多少次模型、消耗多少Token，又要花多长时间？

一项普通的聊天请求，可能只需要模型生成一次答案。

智能体任务却往往包含规划、搜索、调用工具、检查结果和反复修改，一套多智能体系统还可能将任务拆给多个子模型，单次调用看似微小的成本差异，经过数十轮执行后就会迅速放大。

这正是谷歌三款新模型试图占据的位置。

3.6 Flash负责复杂任务和整体协调，3.5 Flash-Lite承接高频子任务，3.5 Flash Cyber则进入专业安全场景，它们共同组成的并非一款“全能模型”，而是一套可以按照任务难度、延迟和预算进行调度的模型组合。

不过，“Lite”也不意味着绝对更便宜。

Artificial Analysis指出，与上一代3.1 Flash-Lite相比，3.5 Flash-Lite虽然平均任务耗时接近减半，智能指数提升了11分，但其每百万输出Token价格由1.5美元升至2.5美元。

在该机构的测试中，其平均单次任务成本由0.04美元增至0.09美元。

企业最终需要计算的，因而不只是API价目表，还包括完成率、返工次数、Token用量和任务耗时。一个单价更高、却能减少执行循环的模型，实际总成本可能反而更低；一个速度很快但需要反复纠错的模型，也可能失去价格优势。

模型竞争正在从参数和分数，进入更具体的单位经济账。

03 Pro还在路上

三款Flash模型密集登场，并没有完全转移外界对Gemini 3.5 Pro的关注。

在今年5月的Google I/O大会上，谷歌CEO桑达尔·皮查伊曾表示，Gemini 3.5 Pro预计于6月推出。但截至此次发布，谷歌仍只表示该模型正在与合作伙伴测试，将在“准备就绪后”扩大开放，没有给出新的时间表。

据路透社报道，Gemini 3.5 Pro延期与模型未能达到部分内部目标有关，编程能力尤其受到关注。这一具体原因尚未得到谷歌公开确认。

谷歌也在官方文章中透露，Gemini 4已经启动预训练。

于是，谷歌当前的模型路线出现了一种少见的并行状态，3.5 Pro仍在测试，3.6 Flash已经进入市场，下一代Gemini 4也开始训练。

从产品策略看，谷歌正在降低对单一旗舰模型的依赖。

相比只用一款最强模型争夺排行榜，谷歌更希望依靠Gemini API、Google Cloud、Gemini应用及CodeMender等产品，把不同模型塞进开发、办公、安全和数据处理流程。只要调用规模足够大，即使单次价格不高，也能形成稳定的云服务收入和开发者黏性。

但旗舰模型仍然重要。它不仅代表技术上限，也影响开发者、企业客户和资本市场对谷歌能否继续紧跟前沿竞争的判断。

三款Flash模型回答了如何让AI跑得更快、成本更低，却没有回答谷歌下一款旗舰模型究竟能有多强。

在Gemini 3.5 Pro正式登场前，这仍是谷歌模型版图中最显眼的空位。