馬斯克補刀谷歌模型：別人輪流登頂，它只剩下便宜

出品 | 網易智能

作者 | 小小

編輯 | 王鳳枝

谷歌AI部門最近幾個月的日子不太好過。

新旗艦Gemini 3.5 Pro原定6月發布，到7月下旬仍未上線。與此同時，OpenAI、Anthropic和中國創業公司的新模型一款接一款，把谷歌擠出了多個主流榜單的第一梯隊。因為差距明顯，Gemini甚至被一些中文網友戲稱為"美國豆包"。

7月22日凌晨，谷歌一口氣發布了三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，主打更低成本、更快速度和更高效率。

其中，3.6 Flash的輸出token消耗比前代減少17%，部分工程任務中最多可減少65%；Flash-Lite每秒可生成350個token；Flash Cyber則專門用于發現和修復代碼漏洞。

但外界真正等的Gemini 3.5 Pro，依然沒有出現。 谷歌只表示，這款旗艦模型仍在與合作伙伴測試。

馬斯克隨后在X上發梗圖調侃：xAI、OpenAI、Anthropic輪番發布"全球最強模型"，終于輪到谷歌時，交出的卻是幾款主打省錢的Flash模型。

風水輪流轉，這次似乎偏偏沒轉到谷歌家。

這既像一次務實調整，也像一次被迫防守：最強模型暫時交不出來，就先靠價格、速度和生態守住開發者。

"省錢"是一門新絕活，

但真能打動開發者嗎？

這次更新，谷歌把"省錢省資源"當作了最大的亮點。

在AI模型的商業應用里，token就相當于計費單位，模型輸出的token越多，開發者要付的錢就越多。如果能在保持能力不降的前提下，讓模型更"精煉"，對大規模運行AI工作負載的企業來說，節省的成本相當可觀。

新推出的Gemini 3.6 Flash被定位為絕對主力，它在設計上就瞄準了"如何用更少輸出token、推理步驟和工具調用完成任務"。

谷歌官方博客引用第三方測評機構Artificial Analysis Index的數據顯示，Gemini 3.6 Flash在輸出時消耗的token數量比上一代Gemini 3.5 Flash平均減少了17%。

在Datacurve的DeepSWE這類長周期、多步驟的工程任務基準測試中，谷歌甚至觀察到了最多65% 的token節省。

價格也隨之下調，每百萬輸入token為1.50美元，輸出為7.50美元。

一同發布的Gemini 3.5 Flash-Lite則將"極致性價比"推向了新高度。它是谷歌Gemini 3.5系列中最快、最省錢的模型。

根據Artificial Analysis實測，它每秒能生成350個輸出token，速度大約是上一代Gemini 3.1 Flash-Lite的兩倍。價格更是探到了每百萬輸入token 0.30美元、輸出2.50美元，僅為GPT-5.4 mini的三分之一。

谷歌顯然希望用這款模型來承接那些對延遲極其敏感、需要高吞吐量的任務，比如大規模文檔處理、智能體搜索、收據翻譯和摘要這類工作。

第三款模型Gemini 3.5 Flash Cyber則走了專業路線。它基于Gemini 3.5 Flash微調，專門用來發現和修復網絡安全漏洞。

在流行的網絡安全基準測試CyberGym上，這款模型達到了與Anthropic Mythos等前沿網絡安全模型接近的性能水平。

據谷歌透露，在內部測試中，該模型在名為V8 JavaScript Engine的復雜開源代碼里發現了55個問題，其中包括10個此前未被其他模型發現的漏洞。

從分發渠道來看，Gemini 3.6 Flash和Gemini 3.5 Flash-Lite自今天起就通過Google AI Studio、Android Studio中的Gemini API向開發者開放，Gemini 3.6 Flash也可以在Google Antigravity中使用。

企業用戶可以通過Gemini Enterprise Agent Platform獲取，普通消費者則能在Gemini應用里體驗這些模型，Gemini 3.5 Flash-Lite也正在谷歌搜索中逐步推出。

然而，價格牌能否真正打動開發者，還得看模型的實際表現。谷歌目前展示的主要競爭力集中在效率和價格上，而非能力領先。

科技博主 @reight_s評論說："谷歌正在輸掉AI智能競賽，但悄無聲息地贏得了廉價競賽。"他進一步指出，在大家等一個煮不熟的旗艦產品時，谷歌似乎已經將重心轉向了降低成本的策略。

但這引發了另一個問題：如果模型本身不夠聰明，再便宜又有什么用？

跑分里的"尷尬"：

贏了自己卻輸給了對手

在谷歌給出的官方基準測試成績單上，Gemini 3.6 Flash相比前代模型確實有著肉眼可見的提升。

在反映計算機操作能力的OSWorld-Verified測試中，得分從78.4% 提升到了83.0%，這是所有對比模型中的最高分，甚至高于OpenAI的GPT-5.6 Luna和xAI的Grok 4.5。

在衡量機器學習研究能力的MLE Bench上，Gemini 3.6 Flash得分從49.7% 躍升至63.9%。在DeepSWE基準測試中，得分從37% 提升至49%。

處理知識型工作的GDPval-AA v2中，這款模型得分也從1349提高到了1421。在SWE-Bench Pro上，它取得了58.7% 的成績，高于前代的55.1%。

在需要處理100萬token長上下文的測試中，Gemini 3.6 Flash得分達到54.0%，而前代模型連27% 都達不到。

Gemini 3.5 Flash-Lite同樣有一些亮點。谷歌的資料顯示，這款"Lite"模型在SWE-Bench Pro、OSWorld-Verified等幾項關鍵評估中甚至優于標準版的Gemini 3 Flash。

在終端基準測試Terminal-Bench 2.1上，它從3.1 Flash-Lite時代的31% 躍升至54%。在現實世界任務執行測試GDPval-AA v2上，Gemini 3.5 Flash-Lite的得分也從642提升至1140。

這意味著，即使是谷歌產品線里最便宜的模型，在某些方面也已經具備了過去中端模型的水平。

然而，如果我們把視線從谷歌自家的縱向對比移開，看看橫向競爭，情況就不那么樂觀了。

科技媒體TechCrunch注意到，自2月份谷歌上次更新旗艦模型以來，OpenAI已經發布了GPT-5.5并開始推出GPT-5.6，Anthropic則推出了Claude Opus 4.8、Claude Sonnet 5，并擴大了其網絡安全前沿模型Fable 5的訪問權限。

中國公司也沒有閑著，月之暗面的Kimi K3吸引了大量需求以至于限制了新訂閱，阿里巴巴的Qwen3.8-Max-Preview也剛剛上線。

根據Artificial Analysis的綜合排名，谷歌在新模型發布前，甚至沒有一款模型能擠進前十。

網友 @synthwavedd尖銳地指出，Gemini 3.6 Flash在Artificial Analysis上的綜合得分和Gemini 3.5 Flash完全相同，遠遠落后于Meta Muse Spark 1.1、智譜GLM-5.2、OpenAI GPT-5.6 Luna、Anthropic Claude Sonnet 5以及xAI Grok 4.5等一長串對手。

谷歌自己的測試數據非常亮眼，而第三方綜合評分卻原地踏步，這看似矛盾，其實原因并不復雜。

谷歌選擇展示的OSWorld-Verified、MLE Bench、DeepSWE等測試，恰好是Gemini 3.6 Flash重點優化的方向，進步自然明顯。但Artificial Analysis的綜合指數覆蓋維度更廣，包括推理能力、事實準確率等多項指標，權重分配也不同。

Gemini 3.6 Flash在谷歌強調的幾個賽道上跑出了加速度，放到更全面的競技場上，整體排名并沒有實質變化。

正如AI分析師 @Teksart所言，Gemini 3.6 Flash給人的感覺是"谷歌優化了效率，而不是能力"。

"Gemini 3.6 Flash運行成本更低，但沒有更聰明。這感覺像是Gemini 4處于預訓練階段時的占位發布。谷歌需要提醒大家它在模型戰爭中依然存在。它成功了，但沒有改變排行榜。"

實測反饋：

速度快了，

但輸出質量沒有跟上

跑分之外，部分早期用戶也分享了明顯負面的上手體驗。

一位名為 @LuminaXspace的用戶詳細記錄了他用Gemini 3.6 Flash構建3D金門大橋的失敗經歷。

據他描述，這個過程堪稱災難：他不得不重復提示三次，因為模型反復忽略指令。

第一次，它沒有按要求創建 .html文件，而是試圖在Gemini應用內部用模擬方式來完成任務；第二次，它開始從網上找圖片貼到聊天里，而不是真正生成文件；直到第三次才勉強完成，但最終輸出質量慘不忍睹。

更讓他沮喪的是，這個結果竟然比5個月前發布的、如今已跌出前十的Gemini 3.1 Pro還要差得多。后來他換用Antigravity平臺再次測試，結果同樣令人失望。他最后的結論是等待Gemini 3.5 Pro或Gemini 6 Pro發布再嘗試。

另一名用戶Da7em的體驗更讓人哭笑不得。他給Gemini 3.6 Flash布置了一個中等規模的任務，本以為會花合理的時間來處理，結果模型兩分鐘就跑完了。

他一開始還驚嘆于這個速度，"然后我看到了結果。一個本地的4B模型都能比它做得更好。谷歌人難道沒有羞恥心嗎？"

速度快當然好，但如果生成的內容連本地小參數模型都比不上，那這種速度就毫無意義。

在編碼基準測試方面，網友Ejaaz拋出了兩個讓谷歌臉上掛不住的參照物：一個是月之暗面出品的Kimi K3，另一個是智譜的GLM 5.2。這兩個模型背后實驗室的資金規模跟谷歌完全不在一個量級。

月之暗面的估值僅為300億美元，而谷歌的市值高達4.5萬億美元，兩者的差距達到150倍。 用Ejaaz的原話就是："無限資本只買來了中規中矩的結果。"

普通開發者的吐槽還顯得有些零散，前谷歌Apps產品負責人、現任Abacus.AI聯合創始人兼CEO賓度·雷迪（Bindu Reddy）的評論更具分量。

她曾親歷谷歌內部的產品體系建設，如今以創業者的身份站在使用者的角度，對谷歌AI產品線做了一次從頭到腳的審視。

她先從開發者最常用的文本模型說起。她承認Flash拿來聊天還行，但一旦進入智能體循環（Agentic Loop）場景，它的表現就被Grok甩開了，哪怕是執行簡單的任務也不例外。

接著她把矛頭指向了Pro系列：這款本該撐門面的旗艦早已名不副實，只是一個停留在過去的老舊模型，跟當下前沿競品之間隔著一個代際的差距。

隨后，雷迪把話題延伸到了其他產品線。視頻生成工具Veo太貴，性價比不及競爭對手SeeDance；圖像模型NanoBanana Pro則被GPT的圖像生成明顯甩開。至于這次主打速度和低價的Flash Lite，她認為延遲問題讓"低價"的優勢打了折。

最后，雷迪總結道："谷歌沒有針對核心工作負載的領先AI模型。即使是在谷歌相對拿手的聊天功能上，Grok和GPT Luna也做得相當不錯，而且在遵循用戶指令方面還更勝一籌。"

這番評價等于將谷歌在圖像、視頻、智能體等多個維度的產品都判定為落后于競爭對手。

當然，也有站在長期視角上看好谷歌的聲音。有投資者提醒市場注意一個基本事實：人們現在用瘋狂的倍數給Anthropic和OpenAI估值，基于的是每年200到400億美元的收入預期，而谷歌今年有望實現4800億美元的收入，完全不在一個數量級。定制芯片、分發網絡和生態系統構成的護城河，讓"落后"看起來更像是暫時的。

另一種聲音則搬出"馬拉松而非短跑"的老話：現在最聰明的模型不等于第一個到達AGI的模型，去年Gemini也曾是頂尖，Claude曾經排名落后，真正決定勝負的，是擁有堅實基礎和垂直技術棧的公司。

失約的旗艦：

Gemini 3.5 Pro去哪了？

在這場新品發布會上，最引人注目的"主角"反而不是任何一款新模型，而是一款沒出現的模型，Gemini 3.5 Pro。

谷歌在5月份發布Gemini 3.5 Flash時曾高調預告，更強的Pro版本已在內部使用，預計6月推出。然而到了7月下旬，谷歌技術主管洛根·基爾帕特里克（Logan Kilpatrick）在X上給出模糊回應："正在與合作伙伴測試，準備就緒后立即推出"。

Business Insider在6月就曾報道，谷歌已將Gemini 3.5 Pro的目標發布日期推遲至7月。彭博社隨后報道稱，該模型可能已被進一步推遲，原因是難以達到內部性能目標。

這些報道勾勒出一個尷尬的現實：谷歌自己的旗艦產品，可能尚未達到內部性能目標。

在預測市場Polymarket上，交易者給出了90%的概率，認為Gemini 3.5 Pro不會在7月發布。

網友 @goodworse基于已經泄露信息的評論說："這個模型將比Mythos還要差，而Mythos是在4個月前發布的。AI時間線進展如此之快，以至于4個月的延遲感覺像是一年。"

他總結道，谷歌去年擁有一切成為最好的條件，但他們把一切都搞砸了。

更尖銳的評論來自知名報料人"草莓哥（X用戶 @iruletheworldmo）"。

他用一種諷刺口吻描述了當前局面：谷歌把自己最好的計算資源都給了Anthropic，人家拿這些資源訓練出了Fable，反手就把谷歌的Gemini 3.5 Pro碾壓了，所以谷歌只好含糊地談論一個"雄心勃勃"的新預訓練計劃。

這段話雖然刻薄，但它反映的是社交媒體上一種普遍情緒，作為云服務商，谷歌在向其他AI公司提供算力，而自家模型的發布卻一再延期。

CNBC在報道中也提到了一個客觀事實：谷歌云與Anthropic簽有數十億美元的芯片交易。只是，云服務收入和內部研發所用的GPU通常是不同的資源池，兩者之間是否存在直接競爭關系，目前并沒有公開信息能夠證實。

有錢、有人、有數據，

谷歌為何還跑得這么慢？

6月18日，Gemini聯合負責人諾姆·沙澤爾（Noam Shazeer）宣布離開谷歌加入OpenAI。第二天，DeepMind關鍵高管、2024年諾貝爾化學獎得主約翰·賈珀（John Jumper）也宣布離開，去向是Anthropic。前后腳出走的兩位核心人物，是谷歌AI部門這一年最直白的裁決。對于一家正處于追趕期的公司來說，核心人才的離開不僅是面子問題，更意味著項目的主導權和技術判斷力出現真空。

而人才只是問題的一面。另一個被反復提及的現象是，谷歌同時在推進的項目實在太多了，Gemini文本模型、Omni多模態模型、Nano Banana圖像模型、Genie世界模型……每多一個項目，就多一個分流人才和算力的口子。

問題或許不在于算力夠不夠，而在于組織注意力被攤薄了。當競爭對手把所有精力都壓在單一旗艦模型上時，谷歌的精力卻被分散到了近十個不同的戰場上。這種注意力和決策速度上的分散，有時比算力不足更難彌補。

資本市場的耐心也在被消耗。

路透社指出，Alphabet在4月份將2026年資本支出指引提高至1800億至1900億美元，還通過股權發行籌集了約850億美元。投入如此巨大，投資者自然緊盯著回報。

Aptus Capital Advisors的投資組合經理戴夫·瓦格納（Dave Wagner）表示，谷歌正在錯失AI編碼這個賽道的機會，這種擔憂在投資者中相當普遍，而且日益加重。在他看來，谷歌目前的戰略核心是押注生態系統的整體優勢，而非在單項能力上爭高下。

不過，市場對這套"生態系統"故事的耐心正在受到考驗。自4月下旬谷歌公布云銷售數據以來，Alphabet的股價已累計下跌約9%，同期表現落后于其他科技巨頭。投資者顯然不再滿足于遠期愿景，他們更想看到的是模型能力上實打實的追趕。

來自中國公司的競爭壓力也在加劇。不少開發者在討論中都提到同一個困惑：為什么資金只有谷歌零頭的實驗室能做出更強的模型？

月之暗面的Kimi K3就是一個典型例子，估值300億美元，是谷歌的1/150，編碼能力卻更勝一籌。這種反差讓谷歌的技術實力受到了前所未有的質疑。

在這種壓力之下，一個越來越明顯的行業現象是，"最強模型"的稱號正在以周為單位輪換。

馬斯克今天在X上發過一張梗圖，精確地概括了當下的競爭生態：無論哪家發布新模型，無一例外都會打出"推出全球最強大模型"的標語。

xAI發布Grok新版本，聲稱全球最強；谷歌緊接著發布Gemini新版本，反超并宣稱全球最強；Anthropic隨即推出Claude，登頂SOTA；OpenAI不甘落后發布新模型，再次搶回寶座。

如此循環往復，霸榜周期往往只有幾個月甚至幾周。

這張圖的調侃核心在于，只要等上幾個星期，輪盤就會轉到下一個廠商發布"史上最強AI"。

正是在這種"輪流坐莊"的節奏里，谷歌目前的位置顯得有些尷尬。近幾個月，它始終沒有重新站上綜合能力榜單的頭部位置，上一次有競爭力的文本模型還要追溯到2025年11月的Gemini 3。

3.6 Flash主打省錢高效，可以理解為谷歌在用價格和效率換取時間，為后續旗艦模型爭取窗口。 但問題在于，當所有對手都在用"全球最強"的旗號搶奪開發者注意力時，一味強調"便宜"能否真正守住陣地，恐怕連谷歌自己也沒有十足把握。

面對內外交困的局面，谷歌似乎也在進行戰略調整。

就在外界對Gemini 3.5 Pro議論紛紛之際，谷歌DeepMind產品技術主管洛根·基爾帕特里克（Logan Kilpatrick）確認，團隊已經啟動了"迄今為止最雄心勃勃的預訓練工作"，即下一代基礎模型Gemini 4。

CNBC還報道，谷歌正在開發一種專為運行Gemini而設計的專用芯片，效率最高可提升10倍。谷歌云發言人對此回應稱，團隊一直在做各種創新嘗試來提升性能和效率，雖然不保證每個項目都能落地，但持續探索本身就是公司"全棧方法"的核心。

大模型測評專家 @kimmonismus對Gemini 4的啟動給出了一個耐人尋味的評論：想必是3.5 Pro的進展令人失望，所以他們直接啟動了一個新的預訓練計劃。但他也提醒，谷歌擁有全世界的數據和海量計算資源，如果到現在還沒領先，那換個"預訓練程序"恐怕也不是關鍵。

谷歌這次證明了自己仍能把AI做得更快、更便宜。但市場等的不是又一款省錢模型。

3.6 Flash可以幫助谷歌守住陣地。

真正決定它還能不能反攻的，仍然是遲遲沒有出現的Gemini 3.5 Pro，以及更遠處的Gemini 4。