距离谷歌的Gemini 3.5 Flash发布已经一周多了。
皮查伊在谷歌发布会上口口声声地表示，Gemini 3.5 Flash性能比3.1 Pro还强，说它是Agent时代的底座。
可结果呢？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。输出的内容错误多、啰嗦、干活token消耗量爆炸……
谷歌Antigravity负责人瓦伦·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。
瓦伦表示，根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）任务上的表现，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啊！”
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，所有人都在为谷歌鼓掌，OpenAI甚至因此拉响红色警报，以防止被谷歌超越。
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？
网上对Gemini 3.5 Flash的评价非常一致，很快，但是不够好。
皮查伊在发布会上反复强调模型多便宜，然而现实中情况截然相反。
按照官方定价，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美元便宜。
但这只是价格表，真正决定成本的，是完成一个任务到底要消耗多少token。
Artificial Analysis在完整评估套件中测试发现，Gemini 3.5 Flash完成全部任务的总成本是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的成本也高出75%，大约是870美元。更尴尬的是，Gemini 3.5 Flash完成任务的费用，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成本因此暴增。
而这样的任务，GPT-5.5或者Opus 4.7，差不多只用20轮就能完成。
所以谷歌说的“成本不到一半”，指的是单位token价格。但对用户来说，Gemini 3.5 Flash一点都不便宜。
除了轮次多了，Gemini 3.5 Flash的输出非常啰嗦。
比如以前你问Gemini 3.1 Pro一个技术问题，模型会直接给出代码和简短解释。
换成3.5 Flash之后，同样的问题，模型会先解释背景，再列举三种可能的方案，然后逐一分析优缺点，最后才给出代码。
看起来很全面，实际上大部分内容都是废话。更要命的是，这些废话都算token，都要收费。
复杂任务的token消耗更是爆炸。
有用户反映，让Flash执行一个多步骤的代码重构任务，模型反复在不同文件之间跳转，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。
还有用户表示，只是输入了一个复杂的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，从固定消息数，改成了基于计算资源的配额（compute-based quota）。
就是说你一个任务，如果让模型思考得多，那即使它给你回复的内容不变，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多少算力？而且，我也推算不出来我还剩多少算力。
可能我只是跟它打个招呼，就花掉很多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功能一次能烧掉将近30%。
那为什么Gemini 3.5 Flash表现会这么一般？
答案藏在benchmark里，Flash的表现非常不均衡。
Gemini 3.5 Flash在Terminal-Bench 2.1、MCP Atlas、Toolathlon、OSWorld这类Agent、工具调用、代码执行榜单上表现不错。Terminal-Bench 2.1拿到76.2%，MCP Atlas拿到83.6%，都算是头部成绩。
这些榜单测的是模型能不能按照指令调用工具、执行命令、完成多步骤操作。Flash在这些方面确实有优势。
但在更接近“聪明不聪明”的综合推理榜上，它的表现就有点难看了。
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“智力不够”。它做不了现在最火的复杂推理、长链分析、创意判断。
记忆方面也有问题。
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平均成绩是77.3%，到1M pointwise只有26.6%。
Gemini 3.5 Flash虽然能一口吃下很多内容，但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。
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嵌入到了谷歌绝大多数产品里。
外媒表示，“Gemini正在变得无法避开”。
过去，一个AI不好用，你可以不用。你觉得ChatGPT不行，可以换Claude，还觉得不好你可以压根不用AI。
但谷歌把Gemini放进所有入口以后，Gemini 3.5 Flash的糟糕体验，污染了谷歌所有产品。
最典型的例子是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，导致搜索结果异常或空白。
有用户在X上发帖说，搜索“disregard”这个词，AI Overview不是给出定义，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。我已经停止当前操作。”
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。
问题不只出现在这几个词上。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的新搜索发布无关，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，不是谷歌能不能把AI塞进所有入口。这个问题已经有答案了，谷歌确实做到了。外界想看的是，Google能不能拿出一个足够聪明、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掉队。
这个任务Flash完成不了。它是一个执行型模型，速度快，能干活，但智力不够。它适合做Agent架构里的子任务执行器，配合强规划器使用。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。官方博客表示，“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。”
谷歌产品负责人图尔西·多希（Tulsee Doshi）表示，“3.5 Pro像项目经理，负责想清楚事情该怎么做；Flash像执行团队，负责把一个个具体任务跑完。真正需要推理和规划的地方，要交给更大的Pro；只是需要快速调用工具、批量处理任务的地方，用Flash就够了。。”
这个架构设计本身没问题，问题在于Pro还没出来，很多场景只能让Flash一个人苦苦硬撑。
所以Gemini 3.5 Pro变成了一个二次验货节点。
如果3.5 Pro出来后表现还不错，那谷歌高低还能圆过去。
话术我都想好“全线嵌入Flash是我们一个尝试，给大家造成了一些不好的产品体验，不过我们已经发布了3.5 Pro，绝对好用，欢迎大家体验”。
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表现不好，那谷歌在AI这块可以说是全面溃败。
AI Overview有低级错误、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，从优势变成负担。
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。
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器。
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。其实这句话的本质，就是在说谷歌的TPU硬件和数据中心卖得非常好。
基于谷歌模型构建的AI解决方案同比增长近800%。Gemini Enterprise的付费月活用户环比增长40%。通过API使用的AI token增长到每分钟160亿个，比第四季度的100亿增长了60%。
Cloud的backlog（已经签下，但还没有确认成收入的合同金额）在本季度翻了一番，达到4620亿美元。
皮查伊说，“显然，我们在短期内受到算力限制。如果我们能够满足需求，我们的Cloud收入会更高。所以我们正在度过这个时刻，我们正在投资，但我们有一个强大的长期规划框架……我们看到了前所未有的机会。”
公司预计在未来24个月内完成50%的backlog。
虽然谷歌基座模型不行，编程工具Antigravity表现也差强人意，但TPU这块表现太好了。
我都怀疑，谷歌是不是忘了自己其实是一个互联网公司，不是一个硬件公司？
Anthropic、Meta等外部大客户正在租用或采购谷歌TPU资源。
Anthropic在5月宣布与谷歌和Broadcom签署了新的多年期协议，扩大使用谷歌Cloud的TPU。
这笔交易让Anthropic获得了多达100万个谷歌AI计算芯片的使用权，价值数百亿美元，预计将在2026年带来超过1吉瓦的容量上线。
1吉瓦的电厂，大约能给35万户家庭供电。
谷歌在Google Cloud Next 2026上宣布了第八代TPU，首次采用双芯片方法，分别针对训练和推理设计专用架构，TPU 8t和TPU 8i。
尤其是TPU 8t，它是专为大规模、计算密集型的训练工作准备的，具有更大的计算吞吐量和更多的scale-up带宽。
TPU 8i则是专为低延迟推理工作负载设计，Agent干活要反复“思考、调用工具、再思考”。每一步慢一点，几十上百步下来就会很慢，所以低延迟对Agent特别重要。
或者你可以这么理解，TPU 8t是给模型用的。
训练前沿大模型就是让几万块芯片一起跑马拉松。问题不是单块芯片够不够快，而是这几十万块芯片能不能一直持续地跑。
比如说某根网络线坏了、某块芯片不亮了、系统需要重启检查点，那么整个训练集群就会因此浪费掉大量时间。
所以Google说TPU 8t的重点不是单纯“算力更强”，而是让训练过程更少中断。
谷歌说，TPU 8t的设计目标，是goodput超过97%。
所谓goodput，你可以理解成真正用于干活的时间。
比如一台机器理论上工作100小时，但中间故障、等待、重启浪费了10小时，那有效工作时间只有90小时，goodput就是90%。
Google说TPU 8t目标超过97% goodput，意思是它希望大部分时间都真的在训练，而不是在等修复、等重启、等网络恢复。
为了实现超过97%的goodput，谷歌给TPU 8t加入了很多横向提升性能的功能。比如系统发现哪里坏了，可以自动绕路，不用人手工停机修。
TPU 8i则是给Agent用的。
Agent推理是一个非常麻烦的事情，前文提到，Agent不是回答一次就结束了的，它会反复思考、查资料、调用工具、写代码、再检查、再修正。
一次任务可能要调用模型几十次甚至上百次。
所以TPU 8i重点是让这些调用尽可能快。
它有384MB板载SRAM，可以理解成芯片旁边有一片非常快的小记忆区。Agent短期记忆就保留在这里，那么当Agent需要用这些记忆的时候，就可以直接从这里面拿，从而减少来回搬数据的时间。
它还用了更多CPU主机，也就是让旁边有更多“调度员”帮忙安排数据输入输出、任务协调。Agent跑起来不只是模型算一下，还要不断读数据、发请求、调工具、拿结果，CPU就是帮TPU处理这些杂活的。
微软曾经有过这么一个预测，到2028年将有13亿个Agent投入运行，这才是为什么，谷歌要把TPU分成8t和8i，Agent的归Agent，训练的归训练。
和谷歌传统的互联网业务相比，TPU反而是他们现在最硬的叙事。
但问题就在于，Anthropic能用TPU造出Claude Opus 4.7以及现在的Mythos，可谷歌只拿出来了Gemini 3.5 Flash。
还真就是橘生淮南则为橘，生于淮北则为枳。
本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。
发布时间：2026-05-27 15:04
立即订购
在线咨询
返回顶部