Google发布Gemini 3.6 Flash：意外惊喜与未来展望
Google近期发布了一款令人惊喜的新模型 Gemini 3.6 Flash，尽管此前业界普遍预期 Gemini 3.5 Pro 即将问世，但这一版本的提前发布依然带来了不少新鲜感。作者表示，如果 Gemini 3.5 Pro 能在几周后以更完美的状态推出，他也愿意等待，但目前 3.6 Flash 的发布无疑是一个重要的里程碑。与此同时，Google还透露已启动了 Gemini 4 最大规模、最具雄心的预训练运行，这为未来的模型发展埋下了伏笔。在本次发布中，除了 3.6 Flash，还同步推出了 3.5 Flash Light 和 3.5 Flash Cyber 两款模型，但本视频将重点聚焦于 3.6 Flash 的深度测试与分析。
"Google has just released... a surprising but exciting new release, Gemini 3.6 Flash from Google."
核心优势：Token消耗降低与价格下调
此次 Gemini 3.6 Flash 最显著的提升在于 效率与成本的双重优化。根据官方数据，该模型在完成任务时所需的 Token数量 大幅减少。在 Artificial Analysis Index 基准测试中，3.6 Flash 比其前身 3.5 Flash 减少了 17% 的Token消耗。这一效率提升直接反映在定价策略上：3.5 Flash 发布时因价格较高而备受争议，尤其是其输出价格为 $9/百万Token，而 3.6 Flash 将输入价格调整为 $1.50/百万Token，输出价格调整为 $7.50/百万Token。这种价格下调使得该模型在保持高性能的同时，更具商业竞争力。
| 模型版本 | 输入价格 (每百万Token) | 输出价格 (每百万Token) | Token消耗变化 (vs 前代) |
|---|---|---|---|
| Gemini 3.5 Flash | $1.50 | $9.00 | 基准 |
| Gemini 3.6 Flash | $1.50 | $7.50 | -17% |
性能基准测试：编码与机器学习能力的飞跃
在具体的性能基准测试中，Gemini 3.6 Flash 展现了显著的能力提升，特别是在 编码 和 机器学习工程 领域。在备受关注的 Deepsw SWE 基准测试中，3.6 Flash 相比 3.5 Flash 实现了可观的跨越，而相比更早的 3.1 Pro 则实现了巨大的飞跃，这一数据甚至让作者感到有些意外，因为 3.1 Pro 仍是许多用户当前的主力模型。此外，在 机器学习工程 方面，新模型能够更有效地帮助优化本地硬件上的模型运行速度，甚至协助训练过程，只要不触发安全护栏导致回退到 Opus 4.8 等模型。图表数据显示，在 Deepsw SWE 和 AA Intelligence Index 中，3.6 Flash 的平均输出Token数显著减少，这意味着任务完成速度更快、效率更高。
| 基准测试项目 | 表现对比 (3.6 Flash vs 3.5 Flash) | 表现对比 (3.6 Flash vs 3.1 Pro) | 关键指标变化 |
|---|---|---|---|
| Deepsw SWE | 显著提升 | 巨大飞跃 | 平均输出Token数大幅减少 |
| AA Intelligence Index | 数据支持效率提升 | 信息不足 | 平均输出Token数大幅减少 |
其他新模型简介：Cyber与Light版定位
除了主力的 3.6 Flash，本次发布还包含两款针对性更强的模型。Gemini 3.5 Flash Cyber 基于 3.5 Flash 微调而成，专门用于快速发现、验证和修补漏洞。然而，该模型目前仅面向受信任的合作伙伴进行 有限访问试点，普通用户暂时无法直接使用。另一款 Gemini 3.5 Flash Light 则主打 速度与低成本，其输入价格为 $0.30/百万Token，输出价格为 $2.50/百万Token，运行速度高达 350 Token/秒。这款模型适合对智能要求不高但需要极高响应速度和低成本的应用场景，为开发者提供了更多样化的选择。
| 模型名称 | 主要用途 | 输入价格 (每百万Token) | 输出价格 (每百万Token) | 速度 (Token/秒) | 可用性 |
|---|---|---|---|---|---|
| 3.5 Flash Cyber | 漏洞发现与修补 | 信息不足 | 信息不足 | 信息不足 | 仅限试点 |
| 3.5 Flash Light | 高速低成本任务 | $0.30 | $2.50 | 350 | 公开可用 |
实测案例：Browser OS Test v2.5 表现
在实际测试环节，作者使用 Google 的 Anti-Gravity IDE 进行了 Browser OS Test v2.5 测试。输入提示后，3.6 Flash 在 15秒 内生成了实施计划，并迅速构建了 Cyber OS 界面。模型自动生成了具有 赛博朋克风格 的界面，包括霓虹灯效果和键盘图标，展现了其在 计算机使用 和 知识工作 方面的改进。尽管生成的 GTA 克隆版在警察追逐时存在“瞬移”的小瑕疵，但整体界面包含了时间、日期和音量控制等系统元素，且背景设计颇具美感。这一测试证明了 3.6 Flash 在生成复杂UI和自动执行任务方面的强大能力。
"This is troubled. Let's turn the speaker on... It does definitely have this kind of cyber aesthetic."
界面交互与视觉风格评估
视频开篇，评测者首先检查了Gemini 3.6 Flash的右键菜单，发现该模型并未包含“基准测试”（benchmax）选项，这可能意味着Google特意未将其纳入，或者该功能尚未开放。界面整体采用了太空主题设计，包含盾牌图标和可移动的钻石UAP风格飞船，背景为小行星带。在壁纸展示环节，评测者体验了“矩阵雨”（稍快）、“复古霓虹合成网格”（平静）和“黑曜石深色”（极简）等选项，最终倾向于回归熟悉的“星场”壁纸。值得注意的是，通知弹窗的设计引发了评测者的不满，其风格类似MacOS，令其感到烦躁。
“All right. That just means they didn't benchmax it. Or maybe they did and they specifically didn't include that. So, I would say they didn't benchmax it. All possibilities must be considered.”
终端界面简洁，符合整体美学风格。评测者尝试打开GTA游戏并保存合成音效，发现点击特定元素即可触发特殊功能，操作逻辑简单但符合赛博朋克美学。尽管视觉冲击力略低于预期，但整体交互流畅。评测者指出，3D空间模式需要预先打开多个窗口才能生效，通过鼠标拖拽可在3D全息空间中旋转窗口，这一功能目前看来效果尚可，但需等待最终结论。
3D空间功能与生成速度对比
在测试3D空间窗口管理功能时，评测者发现虽然功能可用，但体验不如Gemini 3.5 Flash。他回忆称，3.5 Flash生成的音乐片段更具艺术感，而3.6 Flash在此处的表现略显平淡。随后，评测者转向更具挑战性的代码生成测试：一个自包含的C++滑板模拟游戏，并要求融入80年代商场的美学风格。
为了打破模型对训练数据的记忆，评测者对提示词进行了微调，这种迭代式修改是必要的，尽管它可能影响模型间的直接对比基准。在生成过程中，评测者惊叹于3.6 Flash的生成速度极快，甚至超过了之前宣称的3.5 Flash Light模型（350 tokens/秒）的速度。界面显示“Fast”模式限时可用，评测者推测这可能是新发布的特性。生成的代码可以直接运行，结果虽然简单但具备完整性，证明了模型在不同语言环境下的广泛能力。
C++滑板游戏生成与迭代优化
生成的滑板游戏代码成功运行，但存在物理引擎问题。滑板板面与玩家模型绑定旋转，无法独立运动，导致操作困难。评测者指出，滑板应与玩家模型独立移动，这是滑板游戏的核心机制。此外，轨道平衡（Rail Balancing）功能被意外实现，虽然这在滑板游戏中并不常见，但评测者认为这展示了模型对细节的处理能力。尽管存在物理缺陷，但文本描述准确，如“磨轨时产生火花”、“使用A和D键平衡”等，这些细节在以往的结果中从未出现过。
“I've never seen that in one of these results before. So, this is kind of more of what I was hoping to see from this model.”
针对80年代商场的美学要求，评测者发现模型生成的场景偏向霓虹赛博朋克风格，而非纯粹的80年代复古风。通过提供截图并要求模型“做得更好”，评测者进行了快速迭代。第二次生成显著改善了场景结构，增加了商场天花板，且滑板板面现在能够独立于玩家模型移动，物理反馈更加自然。尽管轨道平衡和坡道机制仍有瑕疵，但整体进步明显，证明了模型在视觉理解和代码修正上的能力。
性能基准测试与模型对比
为了验证生成速度，评测者进行了A/B测试：同时使用Anti-Gravity界面和常规Web聊天界面，均选择Flash模式生成相同的地铁车站FPS场景。两个界面的响应速度一致，证实了后端处理的高效性。随后，评测者引入了新发布的Gemini 3.5 Flash Light模型进行对比，预期其速度更快。然而，结果显示3.5 Flash Light的响应时间并未明显优于3.6 Flash，甚至初期看起来更慢，后经排查发现是结果未流式传输导致的错觉。
| 模型版本 | 界面/模式 | 生成任务 | 速度表现 | 备注 |
|---|---|---|---|---|
| Gemini 3.6 Flash | Anti-Gravity (Flash) | 地铁车站FPS场景 | 极快 | 与Web端速度一致 |
| Gemini 3.6 Flash | Web Chat (Flash) | 地铁车站FPS场景 | 极快 | 验证了跨界面一致性 |
| Gemini 3.5 Flash Light | Web Chat (Flash) | 地铁车站FPS场景 | 较快 | 初期看似较慢，实为流式传输问题 |
最终对比显示，3.6 Flash在代码生成质量和速度上均表现出色，尤其在处理复杂逻辑（如滑板物理）时，其迭代优化能力优于预期。尽管视觉风格仍有偏差，但核心功能的实现和修正效率证明了该模型在编程辅助领域的强大潜力。评测者认为，3.6 Flash在综合表现上优于3.5 Flash，特别是在处理非Web类任务时的稳定性。
前端设计测试：3D模型与交互逻辑的初步验证
本次测试首先对Gemini 3.6 Flash进行了前端网页设计能力的评估，具体场景为为一家手表公司创建一个包含3D模型和电影级运镜效果的网站。尽管提示词未明确要求3D，但模型主动生成了3D模型，并在滚动时触发了相应的视觉效果。虽然初始代码中存在如括号缺失等语法错误，但通过提供修复前后的对比图片作为上下文，模型成功修正了代码。作者指出，基于图片反馈的迭代优化效果显著，模型能够准确理解视觉差异并调整输出。
"This made a significant improvement just based off of the photos that I had sent it. So, I'm happy to see it."
在功能层面，生成的网页实现了PBR材质渲染和爆炸视图/组装视图的切换，且光照效果能实时影响场景。用户还可以通过界面更改手表型号（如Chrono或Diver），模型均能正确响应。尽管整体风格略显独特且部分细节未完全融合，但仅通过图片反馈就实现了显著的性能提升，证明了该模型在基于视觉反馈的代码修正方面具有较强能力。
视频生成与镜头控制测试
视频生成环节初期遭遇挫折，模型在模拟跳伞场景时出现了严重的物理逻辑错误。测试者指出模型未能正确处理降落伞的视觉呈现，导致第一人称视角无法看到降落伞顶部，而第三人称视角同样存在遮挡问题。尽管尝试切换夜视模式（N键）以解决视野受限问题，但整体效果被评价为“硬着陆”，暗示模型在处理复杂动态场景时仍存在明显短板。然而，在随后的“赛博骑士与星星”场景中，模型展现了调整能力，虽然未能完美呈现顶部细节，但通过多视角切换勉强维持了叙事连贯性，测试者认为这一结果“并非糟糕”，甚至调侃其具有战术游戏的潜质。
“Oh, okay. Hard impact landing to put it lightly.”
创意写作与角色构建能力
在文学创作测试中，测试者提供了一张历史照片作为小说封面素材，要求生成书名、角色名及故事大纲。模型生成的角色名“Arthur Vance”和“Clarance”被评价为缺乏新意，属于通用AI命名池中的常见组合。然而，故事内核却展现出一定的创意深度，超越了传统的“小镇失踪案”套路，转向了金融犯罪与系统性欺诈的主题。主角Arty被设定为盲目乐观的庄园继承人，而Clara则是一位背负黑暗秘密的务实妻子。故事围绕家族遗产、财务账本及匿名勒索展开，探讨了“无知是福”与“沉默即生存”的张力。测试者认为，尽管名字平庸，但剧情架构具有超越常规的心理惊悚元素，值得肯定。
“The actual story of proposed here was actually somewhat creative, like financial crimes and things like that, it was beyond the traditional like peace tied to disappearances around town that sometimes happens.”
对抗性UI设计与交互逻辑
测试者尝试让模型设计一个“表面美观但使用体验令人抓狂”的网站前端，以测试其对反人类交互设计的理解。模型生成的初始界面存在布局挤压和元素溢出等视觉不一致问题，被测试者直接斥为“垃圾”。但在测试者指出问题后，模型迅速识别出使用了Tailwind工具类导致的根因，并尝试修复。最终生成的界面成功实现了“微妙地令人恼火”的目标：滚动至页脚时突然弹出“播放432赫兹宁静无人机音乐”的提示，且检测到光标犹豫4.2秒后自动清空表单输入。这一结果证明模型不仅理解了任务指令，还精准执行了干扰性交互逻辑，实现了“任务失败但成功”的效果。
“Play 432 Herz serenity drone... as soon as we scrolled down to the footer that had popped up. Good. That is very infuriating.”
3D建模与交互式可视化
在3D建模测试中，测试者要求为RC车项目创建一个可3D打印的V8发动机模型，需适配280直流电机且无需支撑结构。模型不仅生成了模型，还额外提供了交互式3D网页可视化器和STL下载中心，这一超出预期的功能令测试者印象深刻。尽管发动机模型本身细节略显简单，且电机无法从底部滑入（物理上不现实），但系统提供了爆炸视图组装、多种视觉风格切换及主题调整功能。测试者认为，这种在能力限制范围内提供超越预期的交互体验（如光照设置、部件预览）的做法，与之前测试中的表现一致，体现了模型在呈现复杂数据时的优势。
“The fact that it went ahead and actually included this web thing where we can both preview it and then download these specific things... this is impressive.”
3D模型生成的可视化呈现能力突破
在针对V8发动机模型的3D生成测试中，Gemini 3.6 Flash展现出了令人惊叹的结果呈现能力。尽管生成的模型本身略显基础，但其交付形式远超预期。模型不仅包含了电机轴和280电机孔等关键结构细节，还提供了一个完整的交互式网页界面。用户可以在浏览器中查看爆炸视图，自由切换特定部件的可见性，甚至调整配色方案。这种从简单的OpenSCAD代码到完整可视化交互体验的跨越，被评价为“迄今为止收到的最佳测试呈现”。
“这真的是我见过的最好的结果呈现方式，考虑到我们原本只期望得到一个可以在OpenSCAD中查看的简单文件。”
这种超越提示词要求的额外功能，包括提供3D打印指南和STL下载中心，极大地提升了用户体验。这种超出预期的交付质量直接激发了后续更复杂测试的动力，证明了该模型在理解用户潜在需求并主动补充完整解决方案方面的能力。
Android应用生成的全流程实现
基于对3D生成能力的信任，测试者进一步要求生成一个用于调节吉他 exotic tunings（特殊调弦）的Android应用。提示词明确要求应用需具备精美的UI设计、应用图标，并利用手机麦克风进行调音，同时鼓励融入AI功能。模型通过ADB连接手机，成功安装并运行了该应用。应用界面清晰地显示了目标参考音符，并提供了弦张力风险提示，指导用户缓慢调音或使用更轻的琴弦，体现了对实际使用场景的细致考量。
“这其实挺酷的，它甚至给出了弦承受的张力重量。”
应用内置了多种预设调弦模式，如“Open Pink Moon”、“Rain Song”以及针对特定歌曲（如Led Zeppelin、Iris）的调弦方案。最引人注目的是其AI调弦生成器功能，允许用户输入目标风格或流派，由AI自动生成对应的调弦方案。这一功能不仅展示了模型在代码生成上的完整性，更体现了其在创意辅助方面的潜力。
调音功能与交互体验的细节验证
在功能验证环节，测试者启动了麦克风DSP调音器功能。应用成功请求了麦克风权限，并准确识别了Drop B调弦。在调音过程中，当音准正确时，应用会触发庆祝动画（Confetti），这种细节处理增强了应用的趣味性和用户反馈的即时性。尽管测试者对如何演奏这种极端调弦表示疑惑，但应用的核心功能——基于麦克风的实时调音——运行流畅且准确。
随后，测试者要求生成一个用于销售该应用的前端营销网站。模型生成了具有ROG手机风格的美学设计，并创建了展示AI功能、截图等内容的页面。虽然生成的图片并非直接从手机截取的屏幕截图，但其整体风格和视觉呈现依然保持了高度的一致性。这一系列操作展示了模型从后端逻辑生成到前端视觉营销的全链路能力。
综合评估与模型局限性分析
Gemini 3.6 Flash的表现呈现出明显的两极分化。在3D可视化和App生成等需要综合创意和结构化的任务中，它表现卓越，甚至超越了之前的3.5 Flash版本。然而，在传统的网页生成测试中，其表现并不突出，部分结果甚至被认为不如3.5 Flash。例如，在“地铁站”场景的Web Chat界面测试中，3.5 Flash的结果可能更具优势，这可能是因为该测试场景已趋于饱和。
“这个模型很难评判，因为我们在传统测试中做的很多网页结果并不一定令人印象深刻。”
总体而言，该模型在基于视觉反馈的自我改进方面表现出色。它不仅能执行指令，还能主动添加如“温馨灯光”等未在提示词中明确提及但能提升氛围的细节。尽管在特定基准测试中并非全面领先，但其在复杂任务整合和用户体验优化方面的突破，使其成为当前最具潜力的模型之一。
首次测试总结：结果多变但体验惊艳
本次对 Google 最新模型 Gemini 3.6 Flash 的首次观察与测试正式结束。这是一个非常令人困惑的模型，因为试图量化其结果具有一定的挑战性，测试数据表现出了一定的波动性。尽管在某些方面可能未完全发挥该模型的优势，但整体体验依然令人印象深刻。正如评测者所言：
"This was cool as well as the app that actually went on the phone. There were no hiccups there."
这种无卡顿的流畅体验是本次测试中最为突出的亮点之一，尤其是在移动端应用层面的表现，证明了该模型在实际部署中的稳定性。
性能亮点：V8 引擎与极速响应
在测试过程中，V8 引擎模型的表现堪称精彩。该模型在速度上的提升尤为显著，其处理速度之快令人惊叹。这种极速响应不仅体现在网页端的 AI 引擎加载上，也体现在整个应用程序的交互过程中。当用户点击链接时，页面能够瞬间跳转至相关联的功能页面，这种无缝的体验极大地提升了用户满意度。
"It's just so incredibly fast and this V8 engine model presentation was fantastic."
尽管其他某些测试维度可能稍显不足，但这可能并非模型本身的缺陷，而是测试场景未能充分激发模型的核心优势。因此，不能仅凭部分环节的平淡表现就否定其整体实力。
结论与后续互动
综上所述，Gemini 3.6 Flash 作为 Google 当前最高编号的 3.6 系列模型，展现了其在速度和移动端适配上的强大潜力。虽然结果存在一定波动，但其核心性能表现依然出色。评测者鼓励观众在评论区留下任何疑问，以便进行更深入的探讨。本次测试不仅是对新模型的一次初步探索，也为后续更全面的性能评估奠定了基础。
"So, if you have any questions, please feel free to leave them in the comments and thanks for watching."
这一结论为观众提供了清晰的视角：该模型值得进一步关注，尤其是在其擅长的极速响应领域。