Issue 355

Gemini 3.5 Flash在多个基准测试中表现突出。在APEX-Agents-AA基准（测试投资银行、管理咨询和公司法领域的长时间智能体任务）中，它首次尝试即达到47.1%准确率，领先第二名GPT-5.5（37.7%）近10个百分点。在MMMU-Pro（跨学科视觉推理）中，高推理模式下达到84%准确率，创下最高记录，超过Gemini 3.1 Pro Preview的82%。

在GDPval-AA（真实世界智能体任务）中，Gemini 3.5 Flash高推理模式Elo评分为1,656，高于Gemini 3.1 Pro Preview的1,314，但低于GPT-5.5 xhigh模式的1,769。在ARC-AGI-2（抽象视觉推理）中，高推理模式得分72.1%，落后于Gemini 3.1 Pro Preview（77.1%）和GPT-5.5 xhigh（85.0%）。

在AA-Omniscience知识基准（正确得分，幻觉扣分）中，Gemini 3.5 Flash推理模式得分23，低于Gemini 3.1 Pro Preview的33和Claude Opus 4.7最大推理模式的26。截至2026年5月24日，在Arena.ai文本竞技场中排名第九（Elo 1,480），在WebDev编码竞技场中排名第十（Elo 1,506）。

Gemini 3.5 Flash的API定价为每百万输入token $1.50，每百万输出token $9.00，缓存输入$0.15。这使其输入价格是前代Gemini 3 Flash的三倍。模型通过Gemini应用、Google AI Studio、Google Antigravity（每5小时刷新计算限制，每周有上限）、Google搜索AI模式免费提供，但企业版和API需付费。

这一价格上涨是AI模型定价普遍上升趋势的一部分。尽管性能提升显著，但成本增加可能影响开发者和企业的采用决策。

Google未披露参数数量、训练数据和方法等详细信息。模型卡显示，Gemini 3.5 Flash“基于”Gemini 3 Flash，而后者又基于Gemini 3 Pro。它是一个混合专家（MoE）Transformer，在文本、代码、图像、音频和视频数据上进行了多模态预训练，数据来源包括网络抓取、授权材料、Google用户数据和合成数据。

通过强化学习在涵盖多步推理、问题解决和定理证明的数据集上进行微调。模型支持可调推理级别（最低、低、中、高）和思维保留功能（将推理token保留在上下文中以维持多轮对话的推理连贯性，类似Kimi K2.6的保留思维功能），但暂不支持计算机使用。

Andrew Ng在《The Batch》中讨论了AI现场部署工程师（FDE）的兴起。FDE角色约20年前由Palantir开创，现在OpenAI和Anthropic等公司正在组建团队将FDE嵌入客户组织。FDE需要技术、沟通和商业技能，以定制化构建和调整智能体工作流。

Ng认为，AI工程师岗位数量将远超FDE。大多数公司更希望自己的员工参与项目，而非依赖外部FDE。此外，客户担心FDE会深度绑定特定供应商产品，降低未来选择其他供应商的灵活性。当前AI工程师需求旺盛，他们使用LLM提示、智能体框架、评估工具以及AI编码代理（如Claude Code、Codex、Antigravity CLI和OpenCode）构建应用。随着角色成熟，AI工程师可能像过去的软件工程师一样分化为更专业的角色，如LLMOps工程师、评估工程师、AI数据工程师等。