7月下旬，Google 正式发布 Gemini 3.6 Flash 与 Gemini 3.5 Flash-Lite 两款新模型，同时宣布 Gemini 4 已开启预训练，而备受关注的 Gemini 3.5 Pro 仍在测试阶段。

相比发布一款旗舰模型，这次 Google 更关注另一件事——如何让 AI Agent 在真实业务中跑得更快、更便宜、更稳定。

对于开发者、企业以及 AI 应用创业者来说，这或许比模型排行榜的变化更值得关注。

Gemini 3.6 Flash 与 3.5 Flash-Lite 有哪些升级？

本次发布主要包含两款面向生产环境的新模型。

• 更低延迟（Low Latency）
• 更高 Token 效率
• 更低调用成本

其目标并不是挑战高推理能力，而是提升大规模 AI 应用的部署效率。

Gemini 3.6 Flash：不仅更聪明，还更省 Token

过去一年，AI 开发者的成本来源大多已经不是模型价格，而是 Token 消耗。

Google 在 Gemini 3.6 Flash 上进行了大量优化。

官方数据显示：

• 输出 Token 使用量相比 Gemini 3.5 Flash 降低约 17%
• 部分 Agent 工作流中 Token 消耗最高可降低 65%
• 输出价格进一步下降
• 多步任务需要更少 Tool Calls

对于企业来说，这意味着：

假设每天调用 100 万次接口，即使每次节省几个 Token，长期下来都是一笔可观的成本优化。

除此之外，在代码生成、多模态理解以及知识型任务方面，Gemini 3.6 Flash 的整体表现也优于上一代模型。

Gemini 3.5 Flash-Lite：真正适合大规模调用

如果说 3.6 Flash 是主力模型，那么 Gemini 3.5 Flash-Lite 更像是一台"高速流水线"。

Google 将它定位于：

• Agent Search
• 文档解析
• OCR
• 数据分类
• 批量生成
• 高并发 API 服务

官方数据显示，其生成速度可达到 350 Output Tokens/s，并保持极低调用成本，非常适合需要高吞吐量的 AI 服务。

对于 SaaS 产品、AI 办公工具、客服机器人等业务来说，Flash-Lite 很可能成为新的默认选择。

为什么 Google 没有先发布 Gemini 3.5 Pro？

相比新模型发布，更受关注的是：Gemini 3.5 Pro 为什么还没上线？

根据多家媒体报道，由于内部编码能力尚未达到 Google 的预期标准，因此 Gemini 3.5 Pro 的正式发布时间继续推迟。与此同时，Google 已经确认 Gemini 4 的训练工作已经启动。(Reuters)

这也反映出 Google 当前策略发生了一些变化：过去比的是谁模型强？现在比的是谁能够低成本跑更多 AI Agent。

AI Agent 正在成为新的竞争焦点

如果观察近几个月 OpenAI、Anthropic、Google 的产品更新，会发现一个共同趋势：大家都开始围绕 AI Agent 优化模型。

原因很简单。

未来真正消耗 Token 的，不再是聊天机器人。

而是：

• 自动编程 Agent
• 自动搜索 Agent
• 自动办公 Agent
• 自动客服
• 企业工作流

这些任务每天可能调用模型数百万次。

因此模型便宜一点；速度快一点；Token 少一点；都会直接影响企业成本。

Gemini 3.6 Flash 与 3.5 Flash-Lite 的定位，正是围绕这一需求展开。

开发者使用 Gemini API，需要关注哪些问题？

随着越来越多开发者开始接入 Gemini API 和 Google AI Studio，模型性能之外，还有几个容易被忽略的问题。

例如：

• API 请求稳定性；
• 不同地区访问延迟；
• 多账号开发环境管理；
• 自动化测试环境一致性。

对于需要长期调用海外 AI 服务的开发团队来说，一个稳定、持续的网络访问环境，能够减少接口波动带来的影响。

例如 IPFLY 提供覆盖多个国家和地区的住宅代理 IP 资源，可帮助跨境开发、AI 应用测试及全球业务部署团队，根据业务需求构建更加稳定的网络访问环境，在调用 Gemini API、Google AI Studio 等海外开发平台时提升连接稳定性和效率。

Gemini 3.6 Flash 更适合哪些用户？

综合官方介绍来看，可以简单理解为：

适合 Gemini 3.6 Flash

• AI Agent 开发
• 编程助手
• 多模态应用
• 企业知识库
• MCP 工具调用
• RAG 应用

如果你的产品需要更好的质量 + 更低 Token 成本，那么 3.6 Flash 会是首选。

适合 Gemini 3.5 Flash-Lite

如果业务特点是：

• OCR
• 文档解析
• 搜索
• 批量摘要
• 分类
• 自动审核

每天请求量巨大。

那么 Flash-Lite 更具性价比。

它的核心价值不是推理能力，而是速度足够快，成本足够低。

Google AI 正在进入"效率竞争"阶段

过去，大模型行业讨论多是：

• 谁跑分第一？
• 谁推理强？
• 谁上下文长？

但现在，企业更关心的是：

• 一天能跑多少请求？
• Token 成本是多少？
• 延迟是否足够低？
• 是否适合 AI Agent 长时间运行？

Gemini 3.6 Flash 与 3.5 Flash-Lite 的发布，意味着 Google 正试图用"效率"而不是单纯的参数规模来参与下一轮竞争。

总结

此次 Gemini 3.6 Flash 与 Gemini 3.5 Flash-Lite 的推出，并不是一次简单的版本更新，而是 Google AI 战略的一次明显转向。

相比追求单项能力极限，新模型更加注重 成本、速度、Token 效率以及 AI Agent 场景，这也契合当前企业级 AI 应用的发展方向。

对于开发者而言，未来选择模型时，不仅要关注基准测试成绩，更需要结合实际业务需求、调用成本以及部署稳定性进行综合评估。与此同时，在跨境开发、海外 AI 平台接入等场景下，借助 IPFLY 等稳定的代理 IP 服务构建可靠的网络访问环境，也有助于提升开发和测试体验，让 AI 应用更稳定地落地。