Gemini 3.6 Flash、3.5 Flash-Lite 與 Flash Cyber：定位、價格與採用邊界

隨著生成式 AI 跨入「代理 (Agentic)」時代，開發者與企業在建置正式環境的 AI Agent 時，越來越看重三個關鍵指標：更高的 Token 效率、更低的延遲 (Latency)，以及更穩定的任務執行表現。

Google 在 2026 年 7 月的官方發布文中推出三款模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，以及專精資安領域的 Gemini 3.5 Flash Cyber。官方同時表示 Gemini 4 的預訓練已經展開。

以下把三者視為不同工作負載的候選模型，而不是同一條由弱到強的排行榜。速度、token 效率與 benchmark 均為 Google 或其引用測試的發布數字，採用前仍要用自己的任務重跑。

1. Gemini 3.6 Flash：更高效率、更高品質的工作馬模型

Gemini 3.6 Flash 延續 Flash 系列的通用主力定位。Google 將它描述為比 3.5 Flash 更適合程式開發、知識工作與多模態任務，並強調較少的輸出 token、推理步驟與工具呼叫。

核心升級亮點

• 發布方的 Token 效率數字：Google 引用 Artificial Analysis Index，表示 3.6 Flash 比 3.5 Flash 少用 17% 輸出 token；在 Datacurve DeepSWE 上則觀察到最高 65%。不同 harness、停止條件與工具設計會改變結果，不能直接外推到每個 Agent 工作流。
• 發布價與目前價格不同：發布文列出每百萬輸入／輸出 token $1.50／$7.50 美元；Gemini API 現行價格頁則顯示 2026 年 12 月 31 日前暫時為 $0.75／$3.75 美元，2027 年起回到前述價格。估算 TCO 時應鎖定日期與帳戶方案。
• 評測成績大幅提升：
  • 程式開發：在 DeepSWE 測試中展現出更高的精準度（49% vs. 37%），大幅減少了不必要的程式碼修改與無限迴圈。
  • 電腦操作 (Computer Use)：在 OSWorld-Verified 評測中達到 83.0%（前代為 78.4%）。現在，Computer Use 已成為 Gemini API 與 Gemini Enterprise 內建的客戶端工具。
  • 機器學習研究：在 MLE Bench 中達到了 63.9%（前代 49.7%）。
  • 知識工作：在 GDPval-AA v2 評測中得分 1421（前代 1349）。包含 Hebbia 與 Harvey 等客戶表示，該模型在文件解析、圖表分析與報告起草等多模態任務上表現格外優異。
• 強化安全防禦：3.6 Flash 搭載了升級版的「前沿安全 (Frontier Safety)」防護機制，大幅增強了抵禦越獄 (Jailbreak) 的能力，特別是在化學、生物、放射性與核能 (CBRN) 及網路攻擊領域，同時也確保模型不會過度拒絕正常有益的請求。

2. Gemini 3.5 Flash-Lite：專為大規模 Agentic 工作流打造

對於需要處理海量吞吐量 (High Throughput) 與極低延遲的開發場景（例如：Agentic 搜尋、大規模文件處理），Google 推出了 3.5 系列中最快的模型：Gemini 3.5 Flash-Lite。

核心升級亮點

• 發布方速度與價格：Google 引用 Artificial Analysis 的 每秒 350 個輸出 token；官方定價為每百萬輸入／輸出 token $0.30／$2.50 美元。這些數字適合建立候選清單，不等於你的端到端任務延遲或完成成本。
• 彈性的思考層級 (Thinking Levels)：開發者可以根據工作負載動態配置模型。對於大量且單純的任務，可設定為低延遲的基礎思考模式；對於多步驟的子代理 (Subagent) 任務，則可切換至更高的思考層級，並同樣支援內建的 Computer Use 工具。
• 發布方 benchmark：Google 報告它在 SWE-Bench Pro（54.2% vs. 49.6%）與 OSWorld-Verified（74.0% vs. 65.1%）高於 Gemini 3 Flash。這支持「值得做遷移測試」，但不代表現有 2.5／3 Flash 工作負載可無條件替換。

3. Gemini 3.5 Flash Cyber：內建於 CodeMender 的資安防禦專家

隨著 AI 模型越來越擅長發掘資安漏洞，防禦方的修補速度也必須跟上。Google 此次發布的 Gemini 3.5 Flash Cyber 是基於 3.5 Flash 進行深度微調的專用模型，旨在以更低的成本實現大規模的漏洞檢測、驗證與修補。

核心升級亮點

• 多 Agent 協作架構：Google 在 Flash Cyber 技術說明中表示，CodeMender 會多次呼叫模型，讓子 Agent 探索不同程式路徑後合併報告；CyberGym 結果因此是整個 agent system 的表現，不是裸模型分數。
• 有限的試點計畫：考量「雙用途 (Dual-use)」風險，3.5 Flash Cyber 預計先透過 CodeMender 限量提供給政府與受信任夥伴。一般開發者不能把它視為 Gemini API 中可直接選用的常規模型。

工程判讀：先用工作負載驗證，再決定模型路由

文中的速度、定價、可用性與評測結果屬於產品發布時的資訊，實際使用前應以官方文件、區域供應狀態與帳戶方案為準。對於 Agent 工作流，建議以代表性任務建立延遲、成功率、工具呼叫次數與每任務成本的基準，再決定哪些步驟使用快速模型、哪些步驟需要較高推理能力。

資安相關能力也不應直接取得生產環境的修補權限。先以最小權限、隔離測試環境與可稽核的人工核准流程驗證輸出，再逐步擴大自動化範圍。

延伸閱讀

• AI Agent 完整指南：從架構到生產環境
• Agent 寫程式的 Self-Scaffolding：Ornith 1.0 的訓練與評測邊界

一手來源

• Google：Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 發布文
• Google AI for Developers：Gemini API 定價
• Google DeepMind：Gemini 3.5 Flash Cyber 與 CodeMender