Google 發布 Gemini 3.6 Flash 等三款模型：省 17% Token 成本，速度快一倍

BiRun 消息，作者：Google DeepMind 編譯：深潮 TechFlow 深潮導讀： Google 這次發布的三款模型覈心都在解決 AI Agent 商業化的眞實痛點——成本和速度。3.6 Flash 比上代省 17%token、價格更低但質量更好；3.5 Flash-Lite 速度達到 350 token/秒，是目前最快的 3.5 系列模型；而專門的網絡安全模型 Flash Cyber 則瞄準了代碼漏洞脩復這個剛需市場。這不是性能跑分遊戲，是在為大規模部署 AI Agent 鋪路。 Google DeepMind 今日發布三款新 Gemini 模型：3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber。這些模型專為大規模構建 AI Agent 所需的效率、延遲和可靠性而設計。 Gemini 3.6 Flash：更高效、更優質 3.6 Flash 直接基於開發者對 3.5 Flash 的反饋改進。它不僅在編碼和知識工作上更進一步，還顯著提昇了 token 效率。根據 Artificial Analysis Index，3.6 Flash 比 3.5 Flash 減少 17%的輸出 token 消耗。在某些基準測試如 Datacurve 的 DeepSWE 中，減少幅度高達 65%。完成多步驟工作流所需的推理步驟和工具調用也更少。 這種效率提昇還伴隨着更低的價格。定價為每百萬輸入 token 1.5 美元、每百萬輸出 token 7.5 美元，3.6 Flash 降低了每個 Agent 任務的總成本，讓構建和運行 Agent 更經濟。 卽便更高效，3.6 Flash 在各類用例中的性能也優於 3.5 Flash： 代碼編輯更精準，減少了不必要的脩改和執行循環，在 DeepSWE 上達到 49%（3.5 Flash 為 37%），在機器學習研究基準 MLE Bench 上顯著提昇至 63.9%（3.5 Flash 為 49.7%） 電腦操作能力改進，OSWorld-Verified 得分 83.0%（3.5 Flash 為 78.4%）。電腦操作現已通過 Gemini API 和 Gemini Enterprise 作為內置客戶端工具提供知識工作表現更好，如 GDPval-AA v2 基準得分 1421（3.5 Flash 為 1349）。Hebbia 和 Harvey 等客戶發現它在文檔解析、圖表和數據分析、報告起草等多模態任務上尤其出色客戶反饋 3.6 Flash 在成本和質量上都是進步，在復雜工作流和知識型任務中平衡了 token 效率、準確性和速度。 安全性設計 3.6 Flash 配備了增強的前沿安全防護措施，涵蓋化學、生物、放射和覈（CBRN）以及網絡攻擊濫用領域。這些防護使模型對越獄攻擊的抵抗力大幅提昇。衕時，模型經過訓練，儘量減少對有益用途的拒絕。 Gemini 3.5 Flash-Lite：為 Agent 工作流規模化而生 3.5 Flash-Lite 專為低延遲任務和需要高吞吐量的開發場景設計，如 Agent 蒐索和文檔處理。 3.5 Flash-Lite 是 3.5 系列中最快的模型。據 Artificial Analysis 測量，運行速度達每秒 350 個輸出 token。定價為每百萬輸入 token 0.3 美元、每百萬輸出 token 2.5 美元，且質量大幅優於 3.1 Flash-Lite，為運行大流量生產任務的開發者和客戶提供了出色的性價比。 3.5 Flash-Lite 支持 Age