以色列要从黎巴嫩撤军了 ？
本文来自微信民众号：字母 AI ，作者：苗正 ，编辑：王靖 ，题图来自：AI 生成距离谷歌的 Gemini 3.5 Flash 宣布已经一周多了。皮查伊在谷歌宣布会上口口声声地体现 ，Gemini 3.5 Flash 性能比 3.1 Pro 还强 ，说它是 Agent 时代的底座� ？山峁� ？网上对 Gemini 3.5 Flash 的评价 ，除了速度快这唯一的优点外 ，全是缺点。输出的内容过失多、啰嗦、干活 token 消耗量爆炸……谷歌 Antigravity 卖力人瓦伦 · 莫汉（Varun Mohan）在 5 月 25 日发帖称 ，谷歌已增设 Gemini 3.5 Flash （Low）模型用于优化资源消耗。瓦伦体现 ，凭据谷歌的内部测试数据 ，在处理简单任务时 ，Gemini 3.5 Flash（Low）相比 Gemini 3.5 Flash（Medium）可以减少约 45% 的 token 生成量。在软件工程（SWE）任务上的体现 ，Gemini 3.5 Flash（Low）普遍优于上一代旗舰模型 Gemini 3 Flash（High）。然而网友们并不买账 ，现在 ，瓦伦的评论区已经被网友们的冷嘲热讽彻底攻占。热评第一条是 " 你们的产品测试过吗 ？看起来你们是拿我们在做测试�。�"第二条是 " 能否也解决一下图像模型的生成数量限制问题 ？你们的能力需要对标 Codex。我使用 Codex 可以生成 1000 张图像 ，但在谷歌的高级套餐下 ，我只能使用 Antigravity 生成 24 张。"Gemini 3.0 Pro 出来的时候 ，所有人都在为谷歌拍手 ，OpenAI 甚至因此拉响红色警报 ，以避免被谷歌逾越。然而到了 3.5 Flash ，谷歌成了小丑 ，眼瞅着就要步入 Meta 的后尘。那我们不禁要问 ，谷歌 ，你这是咋了 ？一、Gemini 3.5 的体现没有抵达预期网上对 Gemini 3.5 Flash 的评价很是一致 ，很快 ，可是不敷好。皮查伊在宣布会上重复强调模型多自制 ，然而现实中情况截然相反。凭据官方订价 ，Gemini 3.5 Flash 每百万输入 token 收费 1.5 美元 ，每百万输出 token 收费 9 美元 ，确实比 Claude Opus 4.7 的 5 美元和 25 美元自制。但这只是价格表 ，真正决定本钱的 ，是完成一个任务究竟要消耗几多 token。Artificial Analysis 在完整评估套件中测试发明 ，Gemini 3.5 Flash 完玉成部任务的总本钱是 1552 美元 ，而 Gemini 3 Flash 只需要 282 美元 ，前者是后者的 5.5 倍。哪怕是和 Gemini 3.1 Pro 相比 ，Flash 的本钱也横跨 75% ，约莫是 870 美元。更尴尬的是 ，Gemini 3.5 Flash 完成任务的用度 ，比 GPT-5.5 medium 还贵。原因在于 turn count ，也就是完成任务需要的轮次。在 Agent 评估中 ，Flash 模型平均每个任务需要 49 轮对话。每一轮对话 ，它都会把完整的对话历史输入给模型 ，token 本钱因此暴增。而这样的任务 ，GPT-5.5 或者 Opus 4.7 ，差未几只用 20 轮就能完成。所以谷歌说的 " 本钱不到一半 " ，指的是单位 token 价格。但对用户来说 ，Gemini 3.5 Flash 一点都不自制。除了轮次多了 ，Gemini 3.5 Flash 的输出很是啰嗦。好比以前你问 Gemini 3.1 Pro 一个技术问题 ，模型会直接给出代码和简短解释�；怀� 3.5 Flash 之后 ，同样的问题 ，模型会先解释配景 ，再列举三种可能的计划 ，然后逐一剖析优缺点 ，最后才给出代码� ？雌鹄春苋� ，实际上大部分内容都是空话。更要命的是 ，这些空话都算 token ，都要收费。庞大任务的 token 消耗更是爆炸。有用户反应 ，让 Flash 执行一个多办法的代码重构任务 ，模型重复在差别文件之间跳转 ，每次跳转都要重新加载上下文 ，最终消耗的 token 是预期的三倍以上�Ａ碛杏没逑� ，只是输入了一个庞大的 prompt ，就直接触发了 5 小时使用限制。谷歌在 I/O 2026 之后悄悄修改了 AI Pro 订阅的额度规则 ，从牢固消息数 ，改成了基于盘算资源的配额（compute-based quota）。就是说你一个任务 ，如果让模型思考得多 ，那纵然它给你回复的内容稳定 ，花的钱也比以前更多。那么问题来了 ，我怎么知道一个任务会让模型消耗几多算力 ？并且 ，我也推算不出来我还剩几多算力� ？赡芪抑皇歉蚋稣泻� ，就花掉许多 token。让它执行一个长周期任务 ，反而不怎么消耗 token。有用户在外网论坛上直接把新限制称为 " 骗局 " ，称单个 prompt 就消耗了 13% 的配额 ，某些 Gemini AI Plus 功效一次能烧掉将近 30%。那为什么 Gemini 3.5 Flash 体现会这么一般 ？谜底藏在 benchmark 里 ，Flash 的体现很是不均衡。Gemini 3.5 Flash 在 Terminal-Bench 2.1、MCP Atlas、Toolathlon、OSWorld 这类 Agent、工具挪用、代码执行榜单上体现不错。Terminal-Bench 2.1 拿到 76.2% ，MCP Atlas 拿到 83.6% ，都算是头部结果。这些榜单测的是模型能不可凭据指令挪用工具、执行命令、完成多办法操作。Flash 在这些方面确实有优势。但在更接近 " 智慧不智慧 " 的综合推理榜上 ，它的体现就有点难看了。Humanity ‘ s Last Exam 是 40.2% ，低于 Gemini 3.1 Pro 的 44.4% 和 Claude Opus 4.7 的 46.9%。ARC-AGI-2 是 72.1% ，低于 Gemini 3.1 Pro 的 77.1% 和 GPT-5.5 的 84.6%。GDPval-AA 也低于 Claude Opus 和 GPT-5.5。也就是说 ，Gemini 3.5 Flash 有点 " 蠢 "。你给它任务它能去干活 ，但它 " 智力不敷 "。它做不了现在最火的庞大推理、长链剖析、创意判断。影象方面也有问题。在谷歌的宣传中 ，Gemini 3.5 Flash 有最高 1M token 上下文。但模型卡里的 MRCR v2 长上下文测试显示 ，128k 平均结果是 77.3% ，到 1M pointwise 只有 26.6%。Gemini 3.5 Flash 虽然能一口吃下许多内容 ，可是到用的时候就开始糊涂了。Artificial Analysis 的独立测试直接打脸谷歌。在编程指数（Coding Index）上 ，Artificial Analysis 给 Flash 打了 45.0 分 ，低于 Gemini 3.1 Pro 的 56.5 分 ，更远低于 GPT-5.5。二、Gemini 污染了谷歌的入口 ，导致模型问题会污染 Google 的所有产品体验谷歌 I/O 2026 上 ，皮查伊宣布 ，Gemini 是谷歌全产品宇宙的连接层。也就是说 ，Gemini 3.5 Flash 嵌入到了谷歌绝大大都产品里。外媒体现 ，"Gemini 正在变得无法避开 "。已往 ，一个 AI 欠好用 ，你可以不必。你觉得 ChatGPT 不可 ，可以换 Claude ，还觉得欠好你可以压根不必 AI。但谷歌把 Gemini 放进所有入口以后 ，Gemini 3.5Flash 的糟糕体验 ，污染了谷歌所有产品。最典范的例子是 AI Overview 和 AI Mode 的 "disregard/ignore/stop" 故障。用户搜索 "disregard""ignore""stop" 等单词时 ，谷歌 AI Overview 会把它们误判成指令 ，导致搜索结果异�；蚩瞻�。有用户在 X 上发帖说 ，搜索 "disregard" 这个词 ，AI Overview 不是给出界说 ，而是回复 " 明白了！我会忽略之前的提示 ，重新开始。"搜索 "stop" ，AI Overview 说 " 没问题。我已经停止目今操作。"搜索 "ignore" ，AI Overview 说 " 收到。消息已忽略。"嵌入 Gemini 3.5 Flash 以后 ，AI Overview 把这些单词当成了对话指令 ，导致 AI Overview 把这些单词当成了对话指令。问题不但泛起在这几个词上。经过网友测试 ，"remember""start""finished""forget" 这些词也会触发类似故障。即便在搜索词里加上 "definition" ，也无法让 AI Overview 回归正常。谷歌方面回应称 ，这个问题与 I/O 的新搜索宣布无关 ，是 AI Overviews 自身问题 ，团队正在修复。搜索是谷歌的命根子 ，一旦搜索出了问题 ，所有人都只会觉得 " 谷歌要凉了 "。所以现在的压力给到了 Gemini 3.5 Pro。外界真正想看的 ，不是谷歌能不可把 AI 塞进所有入口。这个问题已经有谜底了 ，谷歌确实做到了。外界想看的是 ，Google 能不可拿出一个足够智慧、足够稳定、足够有说服力的旗舰模型 ，重新证明自己在模型能力上没有落后。这个任务 Flash 完成不了。它是一个执行型模型 ，速度快 ，能干活 ，但智力不敷。它适合做 Agent 架构里的子任务执行器 ，配合强计划器使用。但它不是旗舰 ，它撑不起谷歌在 AI 时代的门面。最终只能落到 3.5 Pro。目前 ，Gemini 3.5 Pro 还在内部测试中。官方博客体现 ，" 我们也在努力开发 3.5 Pro。它已经在内部使用 ，我们期待下个月（6 月）推出。"谷歌产品卖力人图尔西 · 多希（Tulsee Doshi）体现 ，"3.5 Pro 像项目经理 ，卖力想清楚事情该怎么做；Flash 像执行团队 ，卖力把一个个具体任务跑完。真正需要推理和计划的地方 ，要交给更大的 Pro；只是需要快速挪用工具、批量处理任务的地方 ，用 Flash 就够了。"这个架构设计自己没问题 ，问题在于 Pro 还没出来 ，许多场景只能让 Flash 一个人苦苦硬撑。所以 Gemini 3.5 Pro 酿成了一个二次验货节点。如果 3.5 Pro 出来后体现还不错 ，那谷歌崎岖还能圆已往�；笆跷叶枷牒� " 全线嵌入 Flash 是我们一个实验 ，给各人造成了一些欠好的产品体验 ，不过我们已经宣布了 3.5 Pro ，绝对好用 ，接待各人体验 "。Flash 的问题可以被理解为一种妥协 ，Pro 才是真正的实力展示。但如果 3.5 Pro 体现欠好 ，那谷歌在 AI 这块可以说是全面溃败。AI Overview 有初级过失、ChatBot 啰嗦、WorkSpace 消耗 token 过高导致价格太贵、Antigravity 没什么起色。所有这些产品都会被 Gemini 拖累 ，从优势酿成担负。谷歌现在的处境很微妙。它有现金、有基础设施、有 DeepMind。但自从 3.0 Pro 之后 ，它就一直缺能打的旗舰模型。3.5 Pro 要补的就是这个缺口。如果 3.5 Pro 做不到 ，谷歌真就有可能步入 Meta 的后尘。三、谷歌正在成为硬件公司不过谷歌并非一败涂地 ，相反 ，在硬件这块 ，谷歌反而支棱起来了。谷歌 2026 年 Q1 财报显示 ，公司收入 1099 亿美元 ，同比增长 22%。谷歌 Search & Other 收入 604 亿美元 ，同比增长 19%。YouTube 广告收入约 99 亿美元 ，同比增长 11%。谷歌 Cloud 收入 200 亿美元 ，同比增长 63%。这说明谷歌仍然是一台赚钱机械。这份财报里最亮眼的数字 ，来自于谷歌 Cloud 的 63% 增长。皮查伊在财报电话会上说 ，Cloud 的增长是 " 强劲需求 " 的结果。其拭魅这句话的实质 ，就是在说谷歌的 TPU 硬件和数据中