谷歌Gemini 3.6 Flash发布，三款新模型各有什么看点

数码前线

谷歌最近一次性放出了三款Gemini系列新模型，分别是Gemini 3.6 Flash、Gemini 3.5 Flash-Lite和Gemini 3.5 Flash Cyber。作为一个平时用AI写代码和做知识整理的用户，简单聊聊这次更新里我比较在意的几个点。
Gemini 3.6 Flash：这次的主力担当
3.6 Flash是这次更新的核心模型，谷歌官方把它定位为"主力模型"。从实际表现来看，它在几个关键场景都有比较明显的进步。
编码这块是很多人最关心的。在DeepSWE v1.1这个长周期软件工程测试里，3.6 Flash拿到了49%的成绩，对比3.5 Flash的37%和3.1 Pro的12%，提升幅度不小。MLE-Bench机器学习工程测试也从49.7%涨到了63.9%。对于经常用AI辅助写代码的人来说，这意味着模型处理复杂工程任务时的稳定性应该会更好。
知识工作方面，GDPVal-AA v2测试得分从1349提升到了1421。这个提升不算炸裂，但考虑到输入价格维持1.5美元/百万Token不变、输出价格从9美元降到7.5美元，性价比确实变高了。token消耗还比前代减少了17%，对高频使用的开发者来说能省下一笔。
多模态和计算机使用能力也有进步，OSWorld-Verified得分从78.4%提升到83.0%。如果你有用AI操作浏览器或者处理复杂图表的需求，这个提升是有实际意义的。
长上下文是另一个亮点。GDM-MRCR v2测试里，128k平均得分从77.3%涨到91.8%，1M pointwise更是从26.6%直接跳到54.0%。这个翻倍式的进步说明谷歌在长文本理解和检索上下了不少功夫。
Gemini 3.5 Flash-Lite：极致速度党的选择
如果你追求的是响应速度而不是绝对性能，3.5 Flash-Lite可能是更适合的选项。输出速度能达到350 tokens/s，是3.5系列里最快的。定价也相当激进，输入0.3美元/百万Token、输出2.5美元/百万Token，比3.6 Flash便宜了一大截。
这个定位挺清晰的——适合那些对延迟敏感、但不需要处理特别复杂任务的场景，比如实时对话、简单内容生成、或者大规模批处理任务。用速度换成本，对于企业来说是个务实的选择。
Gemini 3.5 Flash Cyber：垂直领域的尝试
这次比较意外的是谷歌还推了一个专门面向网络安全的模型。基于3.5 Flash微调，专门用于发现和修补关键软件漏洞。
从CyberGym的测试结果来看，它在CodeMender场景下拿到了83.2%的成绩。虽然略低于GPT-5.5-Cyber的85.6%，但和Mythos 5、GPT-5.6 Sol等竞品基本处于同一水平线。考虑到这是谷歌第一次在这个细分领域发力，这个起步成绩算是合格的。
安全领域的AI应用一直是个刚需，但大多数通用模型在处理漏洞分析、代码审计这类任务时表现都不够稳定。出一个专门优化的版本，对安全工程师来说应该能减少不少重复劳动。
横向对比的一点观察
从谷歌放出的完整对比表来看，3.6 Flash在自家产品序列里的进步是实实在在的，但和竞品相比并不是全面领先。比如在SWE-Bench Pro上，Grok 4.5的64.7%和GPT-5.6 Luna的62.7%都高于3.6 Flash的58.7%。Terminal-bench 2.1也是GPT-5.6 Luna领先。
不过在OSWorld-Verified计算机使用、LVBench长视频理解、以及GDM-MRCR长上下文这些维度上，3.6 Flash确实做到了第一梯队。这说明谷歌的优化方向很明确——不是去卷单一指标，而是在多模态交互和长文本处理这些实际应用场景上建立优势。
最后说两句
这次三款模型的发布，感觉谷歌在尝试用更细分的策略覆盖不同用户群体。3.6 Flash打综合性能，Flash-Lite打性价比和速度，Cyber打垂直安全场景。对于普通用户来说，3.6 Flash应该是首选；对于开发者和企业用户，可以根据具体需求在三款之间做选择。
你更看好哪一款？或者已经在实际用上了，欢迎分享体验。