Gemini 3.6 Flash 系列：谷歌轻量级模型矩阵再扩张

谷歌本周在官方博客一次性放出三款轻量级模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 与 Gemini 3.5 Flash Cyber。它们共同把「高性价比推理」这个故事讲得更细——不再是单一的「大模型越强越好」，而是按延迟、成本、专项能力切分出不同档位，让开发者按场景挑模型。

Flash 仍定位为高吞吐、低延迟的主力推理档，适合对话、摘要、分类等大规模在线请求；Flash-Lite 进一步压缩体积与单价，面向对成本极度敏感、对质量容忍度更高的批量任务；Flash-Cyber 则是面向安全与对抗场景的专项变体，更强调在恶意输入、越狱尝试下的稳健性。三档并存的信号很明确：模型市场正在从「一个万能模型」走向「按工作负载选模型」。

图1：三款轻量级模型的定位与共性趋势

另一个值得开发者注意的变化是：在最新模型文档中，temperature、top_p、top_k 等采样参数被标记为已废弃并被忽略。这意味着过去靠调这些参数控制「随机度」的玩法，在新端点上不再生效——如果你的代码里还硬编码了采样超参，需要重新审视生成稳定性的来源（例如改用更确定的提示词工程或后处理）。

对工程团队而言，多档轻量模型的出现降低了「上 LLM」的门槛，但也抬高了路由与编排的复杂度：什么时候用 Flash，什么时候降级到 Lite，安全敏感链路是否切到 Cyber，都需要一套调度策略。这正呼应了当下 AI 编程工具把「模型选择」逐步下沉为基础设施能力的趋势。

图2：三款模型在成本—延迟空间中的大致位置

关联推荐

• Kimi K3 需求爆表停售：算力瓶颈下的供需博弈 — 看轻量模型需求背后的算力约束
• Bonsai 27B：27B 级 AI 模型首次在手机上运行 — 端侧轻量化的另一条路径
• GPT-5.6 递归自我改进：AI 开始自己训练自己 — 大模型自我演进的范式讨论

---

---

来源：Google Blog: Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber