知识卡片：谷歌发布Gemini 3.6 Flash遭差评，Gemini 3.5 Pro宣布延期
英文标题：Google Releases Worst-Ever AI Model? Gemini 3.6 Flash Panned, Gemini 3.5 Pro Delayed
英文关键词：Google DeepMind, Gemini 3.6 Flash, Gemini 3.5 Pro, model delay, AI quality
原始来源：https://aiera.com.cn/2026/07/23/other/admin/105508/%e8%b0%b7%e6%ad%8c%e3%80%8c%e5%8f%b2%e4%b8%8a%e6%9c%80%e5%b7%ae%e3%80%8dai%e6%a8%a1%e5%9e%8b%e5%8f%91%e5%b8%83%ef%bc%81-gemini-3-5-pro%e5%bb%b6%e6%9c%9f
一句话结论
谷歌DeepMind于2026年7月23日发布Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber三款模型，其中3.6 Flash因前端生成和空间推理表现极差被用户评为“史上最差”；同时谷歌宣布Gemini 3.5 Pro延期，并已启动“有史以来规模最大的预训练项目”Gemini 4。
事件概述
2026年7月23日，谷歌DeepMind在Vertex AI上线了三款新模型：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite和Gemini 3.5 Flash Cyber。早期实测显示，Gemini 3.6 Flash在前端界面代码生成和空间关系理解方面表现严重退步，被开发者社区戏称为“史上最差”。用户发现该模型实际知识截止日期仅到2025年1月，远低于声称的2026年3月。同时，谷歌正式确认原计划发布的Gemini 3.5 Pro尚未准备好，已转向启动Gemini 4的预训练，据CNBC报道这是谷歌“有史以来规模最大的预训练项目”。
方法/产品要点
- Gemini 3.6 Flash：定位“性价比”模型，但实测前端代码能力在CursorBench上甚至不如Cursor Composer 2.5，在第三方综合测评Artificial Analysis上与Gemini 3.5 Flash得分相同，被其他竞品（如Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5等）超越。
- Gemini 3.5 Flash-Lite：主打高速，每秒输出350个token，但成本高于竞品且效果更差，被批评“快速给出错误答案等于浪费用户时间”。
- Gemini 3.5 Flash Cyber：面向网络安全场景发布，具体性能表现待核实。
- Gemini 3.5 Pro：延期，未给出具体发布时间线。
- Gemini 4：已开始预训练，谷歌声称“对取得的进展非常振奋”，规模为“有史以来最大”。
主要结果或产业意义
- 口碑崩塌：Gemini 3.6 Flash在开发者社区引发严重负面反馈，测评显示其界面生成代码逻辑混乱、空间推理准确率较3.5 Flash退步，被部分用户视为“未完成的模型”。
- 竞争失利：在代码、综合评测等多个维度上，Gemini 3.6 Flash不敌Claude Fable 5、GPT-5.6 Sol、Meta Muse Spark 1.1、GLM-5.2等竞品，仅在视觉和上下文基准测试中仍保持领先。
- 战略转向：谷歌放弃按原计划发布3.5 Pro，转而全力投入规模更大的Gemini 4预训练，反映出内部资源重新分配和对下一代模型的急切布局。
为什么重要
- 这是谷歌AI模型历史上罕见的公开口碑事故，暴露了“版本号游戏”和“官僚主义指标狂热”可能牺牲模型真实效用的风险。
- Gemini 3.5 Pro延期标志着谷歌在该产品线上遭遇重大开发瓶颈，与其数月前泄露的“绝密”（参考2026-07-07相关卡片）形成鲜明反差，增量信息是谷歌实际并未准备好该模型，已经跳过它直接预训练下一代。
- 引发行业对AI大模型“赶超 vs 质量”平衡的讨论：在算力紧缺背景下发布逻辑混乱的模型是否属于资源浪费。
局限与不确定性
- 报告中关于Gemini 3.6 Flash的负面评价主要来自早期用户测试和社交媒体截图，官方未公布完整第三方评测数据，部分批评可能因未开启“high thinking”模式而产生偏差。
- Gemini 3.5 Flash-Lite和Cyber版本的具体性能指标、成本对比、实际部署案例尚未披露。
- Gemini 4的预训练进展、目标参数、预计发布时间均未公布，仅能从第三方报道中确认其规模为“有史以来最大”。
- 谷歌官方博客中是否承认3.6 Flash的缺陷以及是否计划快速修复，原文未提及。
可用于图书/PPT/简报的角度
- 案例研究：AI产品发布节奏与质量控制的冲突——以谷歌Gemini 3.6 Flash为例。
- 行业趋势：大模型竞赛进入“幸存者偏差”阶段？版本号升级与实际能力脱节的警示。
- 企业战略：当“预训练下一代”成为掩盖当前产品失败的借口时，组织官僚主义如何影响模型开发。
- PPT标题建议：“版本号游戏”的代价：谷歌“史上最差”模型背后的战略转向