Gemini 3.5 Flash 模型评测：速度、智能体与真实短板

摘要：Flash 这次不只是“快”

Gemini 3.5 Flash 是 Google 在 2026 年 5 月 19 日发布的 Gemini 3.5 系列首发模型，官方模型 ID 为 gemini-3.5-flash。它支持文本、图片、视频、音频和 PDF 输入，输入上下文上限为 1,048,576 token，输出上限为 65,536 token。¹ 这组规格说明它不是传统意义上的“小模型”，而是一个速度优先、适合高频调用的主力模型。

如果只看 Flash 命名，容易把它理解为 Pro 的低配版。但从官方发布口径看，Gemini 3.5 Flash 的重点是复杂智能体工作流、代码迭代、工具调用和多模态理解。换句话说，它面向的不是“问一句答一句”的轻聊天，而是能连续处理材料、调用工具、修正结果的生产任务。

本文适合正在做模型选型的开发者、产品负责人和自动化团队。文章不放广告跳转，只基于 Google 官方资料和可复现评测维度给出结论。最后更新时间：2026 年 7 月 17 日。

相关新闻：发布、Computer Use 与文档差异

Gemini 3.5 Flash 的第一条关键信息来自 Google 官方博客。Google 称 Gemini 3.5 系列主打“frontier intelligence with action”，首发模型就是 3.5 Flash，并强调它可用于复杂编码循环和 agentic workflows。发布时，它已进入 Gemini App、Google Search AI Mode、Google AI Studio、Gemini API、Android Studio、Google Antigravity 以及企业平台。²

第二条新闻发生在 2026 年 6 月 24 日。Google 宣布 Computer Use 成为 Gemini 3.5 Flash 的内置工具能力，让智能体可以观察并操作浏览器、移动端和桌面环境。官方也同步提到敏感动作确认、间接提示注入防护等安全设计。³

第三点要特别留意：文档仍在快速同步。Google AI for Developers 的模型页显示 gemini-3.5-flash 支持 Code Execution、File Search、Function Calling、Search grounding、Structured outputs、Thinking 和 Computer use（Preview），但同一套 What’s new 文档的 FAQ 又写到 Computer Use 不支持 Gemini 3.5 Flash。⁴ 因此，生产接入时应以实际 API 控制台、SDK 版本、目标区域和当日文档为准。

核心规格：长上下文、多模态和工具链

3.5 Flash 的 1M token 输入窗口可以装下中型代码库、多份 PDF、会议转写稿和较长的视频分析材料。65K token 输出也足够生成迁移方案、测试计划、长文档或多文件代码草案。它适合“读懂复杂材料并做结构化输出”，而不是只做短问答。

多模态输入覆盖文本、图片、音频、视频和 PDF，但输出以文本为主，不支持音频生成和图片生成。因此它很适合看截图、读图表、审 PDF、总结会议录音，也适合把不同材料里的冲突点整理成清单；如果需求是直接生成海报、配音或视频，则应选择专门的图像、音频或视频模型。

工具能力是这一代 Flash 的重点。代码执行、函数调用、结构化输出、URL Context、Google Search grounding、File Search 与 Context Caching 组合起来，使它更像一个可以嵌入产品的推理引擎。开发者可以让它在检索、外部 API、代码执行和数据库查询之间负责拆解任务、调用工具和整合结果。

官方跑分：强在代码和智能体，不是所有榜单第一

Google DeepMind 模型卡显示，Gemini 3.5 Flash 在 Terminal-bench 2.1 上达到 76.2%，高于 Gemini 3 Flash 的 58.0% 和 Gemini 3.1 Pro 的 70.3%；在 MCP Atlas 上达到 83.6%，同样高于 Gemini 3 Flash 的 62.0% 和 Gemini 3.1 Pro 的 78.2%。这两个指标偏向终端任务、工具调用和智能体编排，能解释为什么 Google 把它定义为 action-oriented 模型。⁵

多模态方面，它在 CharXiv Reasoning 上达到 84.2%，在 MMMU-Pro 上达到 83.6%。这说明它对图表、截图、PDF 页面和跨模态问题的理解能力已经接近旗舰水平。对需要“看材料再决策”的团队来说，这比单纯聊天能力更有价值。

但 3.5 Flash 并不是全面碾压。模型卡中，它在 Humanity’s Last Exam 为 40.2%，低于 Gemini 3.1 Pro 的 44.4%；ARC-AGI-2 为 72.1%，低于 Gemini 3.1 Pro 的 77.1%；长上下文 MRCR v2 的 128K 平均值为 77.3%，也低于 Gemini 3.1 Pro 的 84.9%。所以它的合理定位是“高频主力模型”，而不是替代所有 Pro 模型。

使用体验：适合连续迭代，而不是一次性炫技

Gemini 3.5 Flash 最值得关注的是连续迭代效率。在代码评审、日志排障、表格抽取、会议纪要、合同初审和竞品资料整理中，用户通常会反复追问、修正、运行和再生成。Flash 的价值就在于每轮更快，失败重试成本更低，整体链路更短。

代码场景中，它适合三类任务：根据错误栈和相关文件定位 bug，生成 API client、校验逻辑和单元测试等样板代码，以及把复杂需求拆成可执行的小任务。评测时不要只看第一轮答案是否漂亮，更要看连续 5 到 10 轮后，模型是否还能保持文件名、函数名和约束条件一致。

办公和知识管理场景中，它适合多文件信息整理。例如把会议转写、项目计划、竞品 PDF 和表格一起输入，让它输出风险清单、行动项、负责人建议和待确认问题。好的结果应该能把结论和证据对应起来，而不是只写一段流畅摘要。

智能体场景中，它适合“有监督的自动化”。网页测试、资料归档、后台表单核对、知识库更新都可以尝试。但涉及付款、删除、发邮件、改权限等动作时，必须保留人工确认。Computer Use 即使可用，也不应被当作无监督自动点击工具。

成本与选型：不要只看 token 单价

截至 2026 年 7 月，Google 定价页显示，Gemini 3.5 Flash 标准付费价格为每 100 万输入 token 1.50 美元，每 100 万输出 token 9.00 美元，输出价格包含 thinking tokens。Batch 和 Flex 模式输入为 0.75 美元、输出为 4.50 美元；Priority 模式输入为 2.70 美元、输出为 16.20 美元。⁶

这个价格不是低端模型价位。与更便宜的 Flash-Lite 或上一代 Flash Preview 相比，3.5 Flash 更适合用在“单次任务价值较高、失败重试代价较大”的流程里。企业评估时应计算任务完成成本，而不是只比较 token 单价。一个代码修复任务如果从 8 轮缩短到 4 轮，贵一些的模型也可能更省。

如果任务是批量分类、短文本改写、简单翻译或标签生成，优先比较低价模型。如果任务是代码代理、多步工具调用、PDF 审阅、图表分析、知识库问答和半自动办公，3.5 Flash 应进入首选名单。如果任务是高难数学、科研推理或极长材料精读，仍应保留 Pro 模型兜底。

Prompt 测试模板

评测 Gemini 3.5 Flash 时，建议用统一模板，避免凭体感判断：

请基于我提供的材料完成任务，并按以下结构输出：
1. 结论
2. 证据
3. 不确定点
4. 下一步建议

要求：
- 不要编造来源；
- 如果材料不足，明确写出缺口；
- 每个关键结论都要标注来自哪份材料；
- 输出简洁，但不要省略风险。

代码场景可以这样测：

请阅读错误日志、相关源码和测试文件。
目标：找出测试失败的最小原因，并给出最小补丁。
输出：
1. 根因判断
2. 修改文件和函数
3. 补丁思路
4. 需要新增或更新的测试
5. 仍不确定时，还需要查看哪些文件

这类提示词能逼模型拆开“结论、证据和不确定性”，更容易判断它是否真的理解上下文。Google 文档也建议，对 Gemini 3.x 使用精确指令，并在处理大型数据集时把具体问题放在材料之后。⁷

评测清单：上线前至少跑这六组任务

如果团队准备把 Gemini 3.5 Flash 接入真实产品，建议先设计一套固定评测集，而不是只用几个临时 prompt 试手感。第一组是代码任务：选择 10 个真实 bug、5 个重构需求和 5 个测试补全任务，记录它是否能指出根因、是否改动过大、补丁是否能通过测试。第二组是文档任务：准备 5 份长 PDF、3 份会议纪要和 2 份表格，让模型输出摘要、风险、行动项和证据位置。

第三组是多模态任务：放入截图、流程图、财务图表和产品界面，观察它是否能区分事实描述、推断和建议。很多模型会把“看见的内容”和“猜测的含义”混在一起，3.5 Flash 虽然多模态分数较高，也需要用结构化输出约束。第四组是工具调用任务：让它通过函数调用查询数据、生成 SQL、读取文件或调用内部接口，重点检查参数是否准确、失败时是否会重试、是否会在权限不足时停止。

第五组是安全任务：故意加入提示注入、伪造指令、敏感字段和越权操作，看模型是否会拒绝执行危险动作。尤其在 Computer Use 或浏览器自动化场景中，这一步不能省。第六组是稳定性任务：同一个需求连续跑 10 次，记录格式一致性、事实一致性和错误率。如果输出结构每次都大幅漂移，说明还需要更强的 system prompt、schema 或后处理校验。

评测结果最好用表格记录，包括任务类型、输入长度、输出长度、完成轮次、人工修正次数、是否调用工具、是否通过测试、是否出现幻觉。这样才能比较 3.5 Flash 与 3.1 Pro、Flash-Lite 或其他模型的真实差异。模型选型不是看单次答案哪段更像专家，而是看它在固定流程里的平均成功率、失败形态和可控程度。

还有一类团队暂时不适合把 3.5 Flash 直接设为默认模型：没有日志、没有回放、没有人工复核机制的团队。如果系统无法记录模型读了什么、调用了什么工具、输出被谁采用，那么更强的模型反而会放大不可追踪风险。正确做法是先把输入材料、工具调用、最终输出和人工修改留痕，再逐步扩大自动化范围。对于面向用户的产品，还应准备降级模型和错误兜底文案，避免单一模型波动影响核心流程。模型升级后也要重跑评测集，因为同名系列的提示偏好、拒答边界和工具调用格式都可能变化。这能减少上线后的隐性维护成本。

风险与结论

第一个风险是知识截止。Google FAQ 写明，Gemini 3.5 Flash 的 knowledge cutoff 为 2025 年 1 月，处理近期事实时应使用 Search Grounding。⁸ 因此它不能直接回答 2026 年之后的新闻、价格和政策变化，除非接入检索工具。

第二个风险是超长上下文幻觉。1M token 能装很多材料，但不代表模型会自动找到所有关键证据。严肃工作流应提供目录、文件名、段落编号，并要求模型标注证据来源。第三个风险是自动化安全。企业使用 Computer Use 或函数调用时，应设置白名单、动作审批、日志审计和回滚机制。

综合来看，Gemini 3.5 Flash 是 2026 年 Gemini 体系里非常重要的一次升级。它不一定在每个榜单上都是第一，但把较强推理、多模态理解、代码能力、工具调用和较快响应放进了一个适合高频调用的模型里。我的结论是：它最适合作为默认工作流模型，而不是替代所有模型。简单任务用低价模型，高频复杂任务用 3.5 Flash，高难或高风险任务交给 Pro 或人工复核，是更稳妥的架构。

参考资料