Gemini 3.6 Flash 发布：更少 token，三款新模型重分 Agent 预算

Google 这次不是只把一个 Flash 模型换了版本号，而是把「Agent 的单位成本」拆成了三种产品方案：Gemini 3.6 Flash 负责复杂编码、知识工作和多模态任务；Gemini 3.5 Flash-Lite 负责高吞吐、低延迟的抽取与子 Agent；Gemini 3.5 Flash Cyber 则把安全漏洞发现和修复交给专用模型与 CodeMender 的多次调用。三者都在 2026 年 7 月 21 日发布，前两款已在 Gemini API 和相关产品中正式可用，Cyber 仍是面向政府与可信伙伴的限量试点。1 2

如果只看主要基准测试成绩，3.6 Flash 还没有全面超过 GPT-5.6 Luna、Grok 4.5 或 Claude Sonnet 5。它的发布价值在于，把相近甚至更高的任务分数与更少的输出 token、较低的输出价格和原生 Computer Use 绑在了一起。对于真正运行 Agent 的团队，这比「聊天回答更聪明」更接近成本表和故障日志。

这个分工很清楚：3.6 Flash 是主 Agent，Flash-Lite 是规模化的工作单元，Cyber 是受访问控制的垂直工具。把三者都当成可互换的「新 Gemini」会误判部署条件。规格与价格来自 Google 的开发者文档和模型卡；Cyber 的访问边界来自 DeepMind 的发布说明。2 3 4

3.6 Flash 基于 3.5 Flash，核心升级不是单一能力项，而是完成同一多步骤任务时减少输出 token、推理步骤和工具调用。Google 引用 Artificial Analysis Index 称，3.6 Flash 的输出 token 用量比 3.5 Flash 少 17%；官方 API 文档还明确写到，它更常先运行诊断脚本再修改代码，能减少不必要的文件改动和执行循环，但简单前端任务可能因此多出探索步骤。1 2

模型卡给出的对比数据说明了这个方向。3.6 Flash 在 DeepSWE v1.1 上为 49%，3.5 Flash 为 37%；MLE-Bench 为 63.9% 对 49.7%；OSWorld-Verified 为 83.0% 对 78.4%；GDPval-AA v2 的 Elo 为 1421 对 1349。它并非每项都赢，SWE-Bench Pro 也只是 58.7% 对 55.1%，但「少写一点、少调用几次、少陷入循环」和这些分数放在一起，才构成了实际的 Agent 升级。3

Google 同一张模型卡还列出了几个外部竞品的结果。由于不同模型的厂商、harness、推理设置和工具条件未必完全一致，下面只能当作官方披露口径的横向参考，不能当成统一实验室的绝对排名。3

从结果看，3.6 Flash 的优势集中在 Computer Use 和长上下文，而软件工程长任务仍落后于表中最强项。它更像一个适合做总控和多模态观察的中档模型，不是所有编码任务都应该无条件迁移的旗舰替代品。

3.6 Flash 和 Flash-Lite 的 API 迁移要求比一次改 model ID 更具体。Google 将 temperature、top_p、top_k 标为弃用参数；未来模型会因继续传入它们返回错误。预填充 model turn 也不再支持，旧请求如果以非空的 model turn 结尾，会收到 HTTP 400。使用旧版 Gemini 请求格式的团队，需要把原先依赖预填充来控制开头或 JSON 输出的逻辑改成 system instruction 或 structured outputs。2

这类改动的信号很明确：Google 正在把模型行为控制从采样旋钮移到 system instruction、thinking level 和结构化输出。3.6 Flash 默认 medium，可配置为 medium 或 high；Flash-Lite 默认 minimal，高吞吐抽取可以保持 minimal，带工具调用的子 Agent 则应测试 medium 或 high。迁移前应在代码库里全量搜索采样参数、prefilled turn、旧的 thinking_budget 和候选数设置，而不是只替换模型字符串。

Flash-Lite 的账面价格是输入 $0.30、输出 $2.50 / 百万 token，输出速度按 Artificial Analysis 的测量为 350 tokens/s。模型卡显示，它相对 3.1 Flash-Lite 在 Terminal-Bench 2.1 上从 31.0% 升到 54.0%，GDPval-AA v2 从 642 提到 1140，OSWorld-Verified 从 54.3% 提到 74.0%。它也不是低价版万能模型：在 SWE-Bench Pro 上为 54.2%，略低于模型卡列出的 GPT-5.4 mini 的 54.4%，GDPval 为 1140 对 1171。1 5

这决定了它更适合做大量、短链路、可重试的任务：文档分段、分类、翻译、结构化 JSON、搜索结果初筛，以及由 3.6 Flash 发起的子任务。若把它用于自主编码或长流程办公，thinking level、工具调用重试和提前终止都要单独测，不能因为单价低就默认总成本低。

Gemini 3.5 Flash Cyber 建在 3.5 Flash 上，并针对漏洞发现、验证和补丁生成微调。CodeMender 不把它当成一次性问答模型，而是最多调用五次，让多个子 Agent 扫描更多代码路径，最后合并成一份报告。Google 在 CyberGym 上称其相较更大的安全模型有竞争力，同时也明确说明竞品结果来自提供方自报。4

这个设计比「安全模型更强」更值得关注。漏洞搜索的瓶颈往往是路径覆盖和重复验证，轻量模型足够便宜，才能把同一份代码拆成更多次探索。Google 还称，在 V8 JavaScript Engine 的固定调用次数测试里，Cyber 找到 55 个独特且确认的问题，3.5 Flash 找到 47 个，Claude Opus 4.6 找到 36 个；这些数字来自 Google 的评估，不能直接外推到所有仓库。4

风险边界也没有被藏起来：Flash Cyber 近期只会通过 CodeMender 面向政府和可信伙伴试点，Google 计划逐步扩大；普通客户可以在 Gemini Enterprise Agent Platform 使用 CodeMender 的基础能力，但不等于拿到了 Cyber 模型本身。安全团队要关注的不是模型是否能生成 exploit，而是扫描权限、补丁审批、结果留痕和人工复核是否被强制保留。

Google 在发布三款模型的同时说，Gemini 4 已经启动「最雄心勃勃的一次预训练」，但没有公布发布时间、规格、能力或访问方式。这个信息可以作为路线信号，不能写成 Gemini 4 即将上线。当前能直接影响开发者的，仍然是 3.6 Flash 和 Flash-Lite 已进入 GA，以及 API 迁移规则已经落地。1 2

对开发者，3.6 Flash 的第一价值是降低复杂 Agent 的执行预算，同时把 Computer Use 和 1M 上下文放到可生产使用的模型里；迁移成本则来自 API 参数和对话格式变化。对产品团队，Flash-Lite 让高吞吐任务有了更便宜的默认层，但必须用端到端成功率、重试次数和延迟验证真实成本。对安全团队，Flash Cyber 的贡献是把更多代码路径纳入扫描，而不是开放一个可以随意调用的漏洞模型。

因此，适合立刻做的不是把所有流量切到 3.6 Flash，而是分三组建立基线：用固定任务集比较 3.5 Flash 与 3.6 Flash 的完成率、工具调用数和输出 token；用 Flash-Lite 测抽取、分类和子 Agent 的单位成功成本；等待 Cyber 扩大试点后，再在隔离代码库中评估漏洞召回、补丁正确率和审批链。Gemini 4 先留在观察列表里，直到 Google 给出模型卡、预览入口或可复核的技术材料。