女生怒撕港独标语
成都蓉城冠军不稳了？罕见遭遇4连平，一胜难求，背后原因找到了_我的网站
A |
B | 这是最近网友对 Gemini 的一句调侃。 按理说，一家公司发新模型，通常是来打脸这种调侃的。可就在刚刚，Google 一口气发了三个新模型之后，网友非但没收回这句话，反而笑得更大声了。比分看着不差，但放在"连续 4 场平局"的背景下，谁都笑不出来。
C | 多少有种他们都不看好你，可偏偏你最不争气的即视感。回想赛季上半程，蓉城那是攻无不克、战无不胜，踢谁谁怕；如今却是一波四连平，活生生把"冠军相"踢成了"保平相"。积分榜上，蓉城 44 分继续领跑，第二名重庆铜梁龙 29 分——领先多达 15 分，纸面上看相当稳。 三个模型分别是 3.6 Flash、3.5 Flash-Lite，还有一个专搞网络安全的 3.5 Flash Cyber。但足球最怕"纸面"，四连平背后藏着的，是比分数更刺眼的信号：这支球队，真的开始掉速了。为什么会突然下滑？第一口锅，得甩给密集赛程。官方博客的措辞也相当眼熟，「更高效」「更聪明」「为大规模 AI agent 而生」，一句不落。多线作战的消耗是隐形的，上半程靠一口气顶着，到了赛季中段，体能债集中爆发，球员跑不动、对抗跟不上了，过去那种高位逼抢和快速转换自然打不出来。你以为对手变强了，其实是自己先累了。
D | 第二，是被研究透了。
E | 上半程蓉城战术新鲜、打法超前，对手来不及应对；现在全中超都在琢磨怎么"兑子"蓉城——收缩防线、切断中场连线、掐死箭头人物。 只不过，实际体感却冰火两重天。
F | 主角登场，3.6 Flash 到底强在哪 先说头牌，3.6 Flash。你越是被针对，越容易陷入阵地战泥潭，而阵地战恰恰是蓉城最不擅长的。当年的"新鲜感红利"，吃完了。官方给的定位就俩字——「主力」（workhorse），干活模型。 3.5 Flash 是今年 5 月 I/O 大会上发的，这次算是小版本迭代。第三，心态变了。 最大的卖点是省 token。
G | 从"追赶者"变成"被追赶的领跑者"，球员和教练组潜意识里会更保守，领先时想守、胶着时不敢冒进。 按 Artificial Analysis Index 的数据，3.6 Flash 比 3.5 Flash 少用 17% 的输出 token，在 DeepSWE（Datacurve 出的基准）这类场景上甚至能省到 65%。四连平里好几场都是先赢后缩，最后被追平，这不全是能力问题，是心态问题——怕输，反而更容易平，甚至输。
H | 官方还说它跑多步任务时，推理步数和工具调用都更少。第四，锋线效率下滑。创造机会的能力没丢太多，但临门一脚准星掉了，加上核心球员轮休、伤病增多，能一锤定音的人变少了，平局自然就多了。也就是说，干同样的活，废话更少，绕路更少，账单更薄。
I | 过去赢 1-0 的比赛，现在变成 1-1、2-2，差的不是场面，是那一下终结。那么冠军还稳吗？我的判断很明确：主动权还在蓉城自己手里，但"稳"字要打个大问号。 价格也确实降了。输入 1.5 美元/百万 token，输出 7.5 美元/百万 token——注意，上一代 3.5 Flash 的输出是 9 美元，这波直接砍到 7.5。15 分的身位是底气，可四连平说明，追兵只要在后面咬住，赛季后半段任何一次失误都可能被放大。更何况蓉城自己若继续抱着"平局思维"，积分优势会被一场场磨平——领先 15 分不等于安全，领先 15 分却连续不掉链子，才是真安全。又快又省，单个 agent 任务的成本就压下来了。
J | 基准测试上，官方摆出了一整排数据。真正的考验在后半程：能不能在转会窗补强短板、能不能把战术套路翻新、能不能把心态从"守冠军"调回"抢冠军"。
K | 冠军从来不是算分算出来的，是一场场踢出来的。 代码能力是重点。DeepSWE 从 37% 提升到 49%，官方的说法是多余的代码改动更少、执行循环也更短，生成的代码更贴近生产环境的要求。蓉城现在最需要的，不是恐慌，而是一记清醒的耳光——四连平，就是那记耳光。
L | 机器学习研究方向的 MLE Bench 提升更明显，从 49.7% 拉到了 63.9%。
M | 计算机操作（computer use）能力也有长进，OSWorld-Verified 从 78.4% 升到 83%。
N | 并且，「计算机操作」（computer use）也成了Gemini API 和企业版的内置工具，主打一个开箱即用。
o | 知识工作方面，GDPval-AA v2 从 1349 涨到 1421。Hebbia、Harvey 等客户反馈，它在文档解析、图表数据分析、报告起草这类多模态任务上表现尤其突出。
p | 接得住，冠军还是你的；接不住，15 分也经不起挥霍。
q | Figma、JetBrains 也都出面背书了一番。 哦对了，还有个不起眼但挺实在的更新：知识截止日期终于从 2025 年 1 月推进到了 2026 年 3 月。
r | 老黄历总算翻篇了。 安全这块，官方说 3.6 Flash 上了升级版的 Frontier Safety 防护，重点盯着 CBRN（化学、生物、放射性、核）和网络攻击这两类滥用，抗越狱能力更强了，同时又尽量不误伤正常需求、少乱拒绝。看中超上咪咕视频！（罗掌柜）
s | 电脑操作这次也做成了内置工具。 跟前代比，提升相当明显：代码和 agent 任务的 Terminal-Bench 2.1，从 31% 干到 54%；长上下文的 GDM-MRCR v2，从 60.1% 提到 72.2%；真实任务执行的 GDPval-AA v2，更是从 642 飙到 1140。 最有意思的是，这个「小弟」在不少 agent 和代码任务上，居然反超了辈分更高的 3 Flash。 比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。以小博大，属实有点东西——等于说跑 3 Flash 的活儿，现在有了个更快更强的平替。
t | 官方还举了几个用法：从海量电商数据里抽产品特征、给 3.6 Flash 当副手一口气生成 25 个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp 这几家客户也来夸了它「速度、智能、成本三合一」。
u | 最后一个 3.5 Flash Cyber，画风突变，专门用来找和修代码里的安全漏洞。 Google 的逻辑挺有意思：现在 AI 找漏洞的速度，已经比现有系统修漏洞的速度快了。既然漏洞越堆越多，那干脆用便宜高效的 Flash 来批量补锅。 这个模型是在 3.5 Flash 基础上微调出来的，搭配自家的 CodeMender 工具用。CodeMender 里跑的是好几个 Flash Cyber agent，协同工作、最后汇总成一份报告。 在业内有名的 CyberGym 基准上，官方称它摸到了第一梯队的水平，还比更大的模型更省 token。 不过这模型我们暂时也用不上。
v | 考虑到「找漏洞」这种能力是把双刃剑，浓眉大眼的 Google 也学 Anthropic 玩起了安全叙事。把它锁得死死的——只对「可信合作伙伴」限量开放，走内测。目的是给一线防守方争取时间，赶在漏洞被人利用前先修掉，同时防着有人拿它去干坏事。 说好的 3.5 Pro 呢？如来 看到这儿你可能会问：发了一堆 Flash，那真正的旗舰 3.5 Pro 去哪了？ 官方口径是「正在和合作伙伴测试，准备好就上」。但这套说辞背后的故事，可能没那么体面。 据彭博社等媒体报道，3.5 Pro 的代码生成能力一直没达到内部预期。Google 6 月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google 干脆推翻了原来的训练方案，从零开始重训。 而 Google AI 宣传委员 Logan Kilpatrick 更是索性在舆论上直接跳过 3.5 Pro，将预告的重点放在了Gemini 4，声称他们已经启动了史上最雄心勃勃的 Gemini 4 预训练，还放话说进展让人兴奋。 听着虽然挺提振人心，但把它放在「旗舰跳票」的背景下看，多少有点转移视线、画饼续命的味道了。 除了这些内幕，光看今天刚刚发布的 Flash 模型本身，网友们也并不全然买账。 第三方评测机构 Artificial Analysis 表示：两个新模型确实把单任务耗时砍半、token 效率也提升了，Flash-Lite 的智能指数涨了 11 分——但 3.6 Flash 的智能水平，相比 3.5 Flash 基本原地踏步。 价格没有便宜到足以忽略能力差距，能力也没有高到能够解释它的成本。 X 网友吐槽道：3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一样的分，还不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 这一票对手，直呼简直烂透了（阴阳怪气 doge）。 吐槽的还不止一个。 网友 Angel 则直接从性价比入手：Gemini 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 还高，可智能程度反而更低。又贵又笨，这组合属实有点尴尬——毕竟 Flash 系列立身的根本就是「性价比」，结果被人当场指出性价比不如对手，等于自砸招牌。 作为对比，OpenAI 的 Tibo 刚刚也发话了：由于周活跃用户达到 1000 万，新的一天，Codex 和 ChatGPT Work 的付费用户迎来新一轮额度重置，尽情享用。 这对比，这落差，还有人记得大明湖畔的 Google Gemini 3？ 实测派也来补刀。网友 Balder 更是直接开团： 这三个模型性能全比之前的 3.5 Flash 差。他甩出自己的测试吐槽，说问题包括但不限于——基础解码就有毛病、中文选词经常很离谱；生成的图片视频质量极差、跟指令对不上还限额严重；经常记忆混乱、调用完全错误的工具。 而且他还上了个阴谋论，认为 Google 之所以这么搞，是为了把算力腾出来卖给 Anthropic，还阴阳了一句这就是皮查伊想要的「Cloud First」。
w | 此外，X 网友 Conor Dart 用 Google 自家的 Antigravity 跑了个 AI 生成游戏的测试，结果没有出乎意料，木头纹理更差了，大理石看着差不多但还是不能用。他直言这又是一次翻车，表示自己还是等 Gemini 3.5/3.6 Pro 吧。 简言之，你别问新模型强不强，你就说 Flash 不 Flash 就完事了。一边是官方更高效、更便宜、更省 token的漂亮账本，一边是大多数网友的当场差评，以及模型背后的旗舰跳票、大牛出走、市值缩水等一连串糟心事。 这很难不让人好奇是不是 Google 这次真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个 Flash 稳住场子？ 反正 Gemini 4 的预训练都开跑了。这一把要是再翻车，那句阿尔茨海默的玩笑，可就真要成谶语了。
Current article:http://www.mengruanpianchengji.cyou/news/20260826_628722.htm
Published on:03:23:37