Gemini3.6Flash被评史上最差，苦苦等待的 3.5Pro再度延期

昨夜谷歌DeepMind一场模型发布会，让不少开发者大失所望。大家翘首以盼的旗舰Gemini3.5Pro依旧不见踪影，取而代之的是三款轻量化模型：Gemini3.6Flash、3.5Flash-Lite与面向安全场景的3.5FlashCyber。

本以为3.6版本会带来能力跃升，可模型正式上线实测之后，负面评价席卷开发者社区，Gemini3.6Flash甚至被贴上“史上最差”的标签。一边是竞品持续迭代、赛道竞争白热化，一边是主力旗舰延期、新款轻量模型口碑崩盘，外界不禁发问：曾经手握技术优势的谷歌，在这场AGI长跑里，还能不能稳住位置？

一、实测大面积翻车，3.6Flash辜负市场期待

谷歌对外宣传，Gemini3.6Flash主打更高性价比，优化token消耗，适合规模化商用。但第一批上手测试的开发者，很快发现现实和宣传存在巨大落差，两大核心能力出现明显倒退。

首当其冲的是前端代码生成能力。界面开发一直是Flash系列的优势场景，不少程序员习惯用它快速产出页面代码。有开发者设计标准2-shot测试任务，考验模型UI界面生成水平，结果令人大跌眼镜。模型输出的代码组件嵌套混乱，交互逻辑断裂，代码无法直接运行，完全达不到工程使用标准。这名开发者留下一句感慨，迅速在全网传播：“这是我真正见过的最差结果。”在专业代码评测榜单CursorBench中，Gemini3.6Flash的成绩，甚至不如Cursor自研的Composer2.5，对比MetaMuseSpark1.1同样落于下风。

空间推理能力的下滑同样显眼。有爱好者录制完整测试视频，逐帧验证模型对物体位置、方向关系的理解。对比前代3.5Flash，3.6Flash判断失误频次明显增加。起初有人猜测，或许是没有开启高性能“highthinking”模式带来的限制，但多名网友开启高推理强度重新测试后，依旧没能改善问题。生成图像纹理偶尔尚可，但经常出现渲染bug，空间感知缺陷无法规避。

综合第三方平台ArtificialAnalysis测评数据，Gemini3.6Flash综合得分和上一代3.5Flash持平，没有实质性进步，排在MetaSpark、GLM系列、ClaudeSonnet、Grok一众模型之后。即便谷歌自家公开基准数据，也只能承认，新款模型仅在长上下文、视觉理解领域保持优势，代码能力已经被竞品超越。

更引发争议的还有知识截止日期。官方标注训练数据更新至2026年3月，大量用户实测后发现，模型对2025年下半年到2026年发生的事件认知严重缺失，有效知识库更接近2025年1月。不少人直言，这更像一个没有打磨完成、仓促推向市场的半成品。

二、高速不等于好用，另外两款新品亮点有限

本次同步登场的还有Gemini3.5Flash-Lite和3.5FlashCyber。

3.5Flash-Lite最大卖点是推理速度，每秒最高可以输出350个token，主打大批量文本处理、信息检索这类简单任务。但开发者吐槽了一个很现实的问题：速度再快，如果持续输出错误答案，本质只是更快消耗算力、浪费使用者的时间。横向对比竞品，它定价不占优势，能力又没有拉开差距，性价比很难打动企业用户。

而Gemini3.5FlashCyber定位十分清晰，是垂直网络安全模型，专门用来识别、修复程序漏洞。出于安全风险管控，谷歌采取有限开放策略，仅向可信机构试点投放。这款模型没有掀起大众讨论，属于谷歌面向政企安全赛道的布局，很难扭转普通开发者对于本次发布会的负面印象。

三款模型亮相，却没有一款能够撑起大众期待，整场发布的焦点，最终都绕不开同一个疑问：说好的Gemini3.5Pro去哪了？

三、旗舰持续跳票，转头启动规模空前的Gemini4预训练

面对全网追问，谷歌给出明确答复：Gemini3.5Pro还未准备就绪，上线时间继续延后。多家外媒消息显示，这款原本计划6月亮相的旗舰模型，因为内部测试代码能力达不到目标标准，被迫推迟发布。

就在3.5Pro难产的同时，谷歌抛出另一则重磅消息：正式启动Gemini4预训练项目。官方将其描述为谷歌有史以来规模最大、最有野心的训练计划，团队对外表示对项目进展感到振奋。

这条消息很难不让外界产生联想。有一种普遍猜测：3.5Pro研发遇到难以突破的瓶颈，谷歌调整资源重心，把算力与人力倾斜到更远期的Gemini4项目上。一边中端轻量模型匆忙上新刷版本号，一边主力旗舰不断延期，远期项目画下大饼，这样的节奏，让长期关注Gemini生态的开发者心生不满。

四、饱受诟病的版本游戏：重数字指标，轻真实体验

众多从业者的负面情绪，不止源于单款模型翻车，更是长期积攒下来，对谷歌“版本号策略”的反感。

AI行业竞争日趋激烈，各大科技巨头持续更新模型版本。但在不少开发者眼中，谷歌逐渐陷入指标导向的怪圈。为了财报展示、发布会宣传，不断推出带有更高数字后缀的新版本，追求更快的输出速度、更亮眼的纸面参数，却忽视大模型最核心的价值——真实场景可用性。

算力资源紧张已经是行业共识，有网友尖锐评论，如果打磨不完善的半成品仓促上线，本身就是一种算力浪费，不如把资源投入成熟产品迭代。Flash系列诞生之初，依靠均衡的能力和定价收获大量开发者，如今新版本“涨价、变弱”，不断消耗积累下来的口碑。

过去Gemini凭借超长上下文、多模态视觉能力一度建立差异化优势，如今国内外竞品持续追赶。Meta、Anthropic、OpenAI轮番更新模型，国内大模型也不断缩小差距。谷歌原本拥有充足技术储备，现在却出现中端模型原地踏步、旗舰断档的尴尬局面。

一场期待已久的发布会，最终演变成一场口碑危机。Gemini3.6Flash的翻车，不只是一款轻量化模型的失败，更折射出谷歌当前AI业务进退两难的处境。短期旗舰3.5Pro迟迟无法落地，中端产品线创新乏力，只能依靠迭代小版本维持曝光；长期赌上全部资源冲刺Gemini4，但巨大规模的预训练能否转化为实打实的性能优势，依旧充满未知。

大模型赛道拼的从来不是版本数字的大小，而是稳定可靠的实际能力。如果持续推出体验缩水的产品消耗信任，即便远期项目规划宏大，也很难留住开发者。在白热化的AGI竞赛中，谷歌想要守住第一梯队席位，显然需要调整节奏，拿出真正成熟、对得起期待的作品。