谷歌发布Gemini 3.6 Flash、3.5 Flash-Lite及3.5 Flash Cyber模型

推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber构建生产级 AI 智能体的开发者和客户需要更高的 token 效率、更低的延迟和更可靠的性能。

我们的 Flash 系列模型旨在平衡效率与质量，以支持智能体工作流的规模化扩展。在 Gemini 3.5 Flash 的基础上，我们推出了新的 Gemini 模型：- 3.6 Flash：我们的主力模型，在编码、知识工作和多模态性能上表现更佳。

根据 Artificial Analysis Index，其输出 token 使用量相比 3.5 Flash 减少了 17%，在 Datacurve 的 DeepSWE 等基准测试中，我们观察到降幅高达 65%，且每个输出 token 的成本更低。

- 3.5 Flash-Lite：我们最快、最具成本效益的 3.5 级别模型，根据 Artificial Analysis Index，每秒可输出 350 个 token，在智能体工作流中的表现也显著优于前代 Flash-Lite。

- CodeMender 中的 3.5 Flash Cyber：成功的网络安全应用需要将模型与智能体基础设施精心编排。我们推出了一种新型、高效、专注于网络安全的专用模型，与我们的 CodeMender 代码安全智能体相结合，在前沿领域提供具有竞争力的性能。

除了今天的发布，Gemini 3.5 Pro 目前正在与合作伙伴进行测试，我们计划在准备就绪后尽快广泛提供。

与此同时，我们的团队已经在专注于构建下一代模型。我们已启动了迄今为止最雄心勃勃的预训练运行——针对 Gemini 4，并对进展感到兴奋。

3.6 Flash：比 3.5 Flash 更高效、质量更好Gemini 3.6 Flash 直接基于开发者和客户对 3.5 Flash 的反馈构建。3.6 Flash 不仅在编码和知识工作上实现了提升，同时还显著提高了 token 效率。

例如，在 Artificial Analysis Index 上，我们看到 3.6 Flash 消耗的输出 token 比 3.5 Flash 少 17%。它完成多步骤工作流所需的推理步骤和工具调用也更少。

这种增强的效率还与低于 3.5 Flash 的价格相结合。以每百万输入 token 1.50 美元、每百万输出 token 7.50 美元的价格，3.6 Flash 降低了每个智能体任务的总成本，使智能体的构建和运行更具成本效益。

在 OSWorld 验证任务（API）中，3.6 Flash 相比 3.5 Flash 展现出更好的 token 效率和更低的冗长性。

即使在更高效的情况下，3.6 Flash 在多个用例中的性能相比 3.5 Flash 也有所提升：- 3.6 Flash 在 DeepSWE（49% 对比 37%）中实现了更高的精度，减少了不必要的代码编辑和执行循环，

并在 MLE Bench（63.9% 对比 49.7%）的 ML 研究中显示出显著改进。- 它在计算机使用能力上有所提升，如 OSWorld-Verified（83.0% 对比 78.4%）所示。

计算机使用现在通过 Gemini API 和 Gemini Enterprise 成为内置的客户端工具。- 它在知识工作方面优于 3.5 Flash，如 GDPval-AA v2（1421 对比 1349）等基准测试所示。

Hebbia 和 Harvey 等客户发现它在文档解析、图表和数据分析以及报告起草等多模态任务上特别有能力。客户报告称，3.6 Flash 在成本和质量上均向前迈进了一步，在复杂工作流和基于知识的任务中平衡了 token 效率、准确性和速度。

安全构建3.6 Flash 在化学、生物、放射和核（CBRN）以及网络攻击滥用领域配备了增强的前沿安全防护措施。这些防护措施使模型对越狱攻击的抵抗力大幅增强。同时，该模型经过训练，尽量减少对有益用途的拒绝。

更多信息请参阅 3.6 Flash 模型卡。3.5 Flash-Lite：专为扩展智能体工作流而构建除了 Flash，我们还发布了 Gemini 3.5 Flash-Lite，专为低延迟任务以及高吞吐量对开发者工作流至关重要的任务（如智能体搜索和文档处理）而设计。

3.5 Flash-Lite 是 3.5 系列中最快的模型。根据 Artificial Analysis 的测量，它以每秒 350 个输出 token 的速度运行。

定价为每百万输入 token 0.3 美元、每百万输出 token 2.5 美元，且质量显著优于 3.1 Flash-Lite。3.5 Flash-Lite 为运行高吞吐量生产流量的开发者和客户提供了强大的性价比。

3.5 Flash-Lite 以低于 3.5 Flash 的延迟执行高容量任务。3.5 Flash-Lite 支持智能体系统的高效扩展。在各个思考级别上，该模型显著优于 3.1 Flash-Lite。

根据工作负载，开发者可以配置模型，以最低和低思考级别优先处理高容量任务的低延迟、低成本执行，或使用更高思考级别处理多步骤子智能体工作负载。该模型现在还将计算机使用作为内置工具，以可靠地支持跨平台的这些智能体任务。

它在编码和智能体任务（如 Terminal-Bench 2.1，54% 对比 31%）、长上下文（如 GDM-MRCR v2，72.2% 对比 60.1%）以及现实世界任务执行（如 GDPval-AA v2，1140 对比 642）方面均有显著提升。

事实上，在许多智能体和编码评估中，3.5 Flash-Lite 甚至优于 3 Flash，包括 SWE-Bench Pro（54.2% 对比 49.6%）和 OSWorld-Verified（74.0% 对比 65.1%），

使其成为 2.5 和 3 Flash 工作负载的更快、更强大的选择。3.5 Flash-Lite 的早期客户强调其独特的速度、智能和成本效率组合，用于扩展智能体工作流和数据处理任务。有关该模型的更多信息，请参阅 3.5 Flash-Lite 模型卡。

CodeMender 中的 3.5 Flash Cyber：高效发现和修复漏洞AI 模型已经能够比当前系统修复漏洞的速度更快地发现安全漏洞。应对这一日益增长的威胁需要一种高能力且高效的软件安全方法。

Flash 的性能和效率使其成为大规模检测、验证和修补代码安全问题的理想基础。Gemini 3.5 Flash Cyber 基于 3.5 Flash 构建，并针对发现和修复网络安全漏洞进行了微调，每个 token 的价格低于更大的模型。

在 CodeMender 中，多个 3.5 Flash Cyber 智能体协同工作生成一份综合报告，3.5 Flash Cyber 在流行基准测试 CyberGym 上达到了前沿的竞争性能。

鉴于该技术的双重用途性质，我们采取了审慎的方法来部署 3.5 Flash Cyber。该模型将很快通过 CodeMender 作为有限访问试点计划的一部分，独家提供给政府和受信任的合作伙伴。这将使前线防御者能够在关键漏洞被利用之前发现并修复它们，同时减轻更广泛的滥用风险。

3.6 Flash 和 3.5 Flash-Lite：立即开始使用3.6 Flash 和 3.5 Flash-Lite 从今天起可用：- 对于开发者，可通过 Google AI Studio 和 Android Studio 中的 Gemini API 使用。

3.6 Flash 也可在 Google Antigravity 中使用。

请参阅开发者指南开始使用。- 对于企业，可在 Gemini Enterprise 智能体平台中使用。3.6 Flash 也可在 Gemini Enterprise 应用中使用。- 对于所有人，可通过 Gemini 应用使用。

3.5 Flash-Lite 也正在 Google 搜索中推出。当您开始使用 3.6 Flash 和 3.5 Flash-Lite 构建时，我们欢迎您的反馈以改进未来的 Gemini 模型，并期待很快发布 3.5 Pro。