# Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款全新模型，提升處理效率與 token 效益
> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)
> 原作者：Google (@Google) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥🔥 · 日期：2026-07-22
> 原始來源：https://x.com/Google/status/2079589747366724030
## 證據與延伸閱讀
- [推出 Gemini 3.6等三款全新模型](http://goo.gle/4pz7FWn)
- [針對開發與 Agentic 優化](http://goo.gle/4pz7FWn,%20https://github.blog/changelog/2026-07-21-gemini-3-6-flash-is-now-available-in-github-copilot/)
- [DeepSWE 基準測試精確度提升至 49%](http://goo.gle/4pz7FWn,%20[IMG_1])
- [Terminal-Bench 與 SWE-Bench 表現](http://goo.gle/4pz7FWn,%20[IMG_2])
- [3.5 Flash Cyber 專注資安並採限量試驗](http://goo.gle/4pz7FWn,%20[IMG_3])
## 中文摘要
Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款全新模型，提升處理效率與 token 效益。
> 畫面展示了 Google Gemini 推出 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 的標題畫面。
Google 近日擴充 Gemini 模型家族，發表 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 三款新模型，旨在滿足開發者與企業在建構生產級 AI Agent 時對高效能、低延遲及精準度的需求。這些模型針對程式開發、Agentic 程式開發與知識工作進行深度優化，其中 Gemini 3.6 Flash 與 3.5 Flash-Lite 已在 Google AI Studio、Gemini API、GitHub Copilot 等多個平台上線。
> 這是一張介紹 Gemini 3.6 Flash、3.5 Flash-Lite 與 3.5 Flash Cyber 等模型的發表公告圖片。
**Gemini 3.6 Flash 的核心升級與效能表現**
Gemini 3.6 Flash 作為新一代的主力模型，根據使用者回饋針對程式碼編寫、推理、工具呼叫及多模態任務進行全面強化：
- 根據 Artificial Analysis Index 顯示，其輸出 token 使用量比 Gemini 3.5 Flash 減少 17%，並在 Datacurve 的 DeepSWE 評測中達到高達 65% 的 token 節省。
- 在 DeepSWE 基準測試中，其任務精確度提升至 49%（相較於 3.5 Flash 的 37%），且減少了不必要的程式碼修改與執行迴圈。
- 在 ML Research 評測 MLE Bench 中表現顯著提升（63.9% 對比 49.7%），在電腦使用（Computer Use）能力上於 OSWorld-Verified 達到 83.0%。
- 定價為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元，並內建更強大的 Frontier Safety 安全防護機制，降低被越獄（jailbreak）的風險。
> Gemini 3.6 Flash 在 DeepSWE v1.1、MLE-Bench、GDPVal-AA v2 以及 OSWorld-Verified 等代理基準測試中均超越 3.1 Pro 與 3.5 Flash 等前代模型。
**Gemini 3.5 Flash-Lite 的高輸送量特性**
Gemini 3.5 Flash-Lite 是 3.5 系列中最快且最具成本效益的模型，專為高輸送量生產流量與 agentic 搜尋、文件處理等任務設計：
- 執行速度高達每秒 350 個輸出 token。
- 定價為每百萬輸入 token 0.30 美元、每百萬輸出 token 2.50 美元。
- 在多個基準測試中超越前代與部分 3 系列模型，例如在 Terminal-Bench 2.1 達到 54%（對比 3.1 Flash-Lite 的 31%），在 SWE-Bench Pro 更達到 54.2%。
- 支援動態調整思考層級，讓開發者在低延遲與多步驟子 Agent 工作負載之間取得平衡。
> Gemini 3.5 Flash-Lite 在思考層級、程式編寫及 Agent 任務上大幅超越前代 Gemini 3.1 Flash-Lite，並展現極高的性價比競爭力。
**Gemini 3.5 Flash Cyber 與資訊安全應用**
針對程式碼安全性，Google 推出了專門的 Gemini 3.5 Flash Cyber 模型：
- 建立在 3.5 Flash 的基礎上，並針對資安弱點檢測與修補進行微調。
- 搭配 CodeMender 程式安全 Agent 使用，在 CyberGym 評測中展現出具競爭力的前沿水準。
- 為了防範雙重用途帶來的風險，該模型將率先透過限量存取試驗計畫，僅提供給受信任的合作夥伴與政府單位使用。
> Gemini 3.5 Flash Cyber 在 CodeMender 中的 CyberGym 基準測試獲得 83.2% 的成績，展現出具競爭力的前沿水準表現。
> 在 Big Sleep Evaluation 評測中，Gemini 3.5 Flash Cyber 取得 72% 的成績，表現優於 Gemini 3.6 Flash 的 42% 與 Gemini 3.5 Flash 的 36%。
> 在 Chrome Production Commit Scanning Pipeline 基準測試中，Gemini 3.5 Flash Cyber 以 72% 的表現超越 Gemini 3.5 Flash (55%) 與 Opus 4.6 (54%)。
**多平台生態系支援與 GitHub Copilot 整合**
Gemini 3.6 Flash 與 3.5 Flash-Lite 已陸續在各大平台上線供使用者與開發者呼叫（Gemini 3.5 Flash Cyber 為限量存取、尚未公開）：
- **Gemini 3.6 Flash** 已於 Google AI Studio、Android Studio、Gemini API、Google Antigravity、Gemini App 及 Gemini Enterprise Agent Platform 推出，並逐步整合至 GitHub Copilot，供 Pro、Pro+、Max、Business 與 Enterprise 使用者透過 Visual Studio Code、Visual Studio、Copilot CLI 等選單啟用（採漸進式推出，Business／Enterprise 需管理員先於 Copilot 設定開啟 Preview 政策）。
- **Gemini 3.5 Flash-Lite** 同步於 Google AI Studio、Android Studio、Gemini API、Gemini App、Google Search 及企業平台提供支援。
> 比較 Gemini 3.5 Flash 與 Gemini 3.6 Flash 在執行程式碼與平行子代理程式時的效能與輸出差異。
## 媒體內容
**Gemini 3.6 Flash 在 DeepSWE v1.1、MLE-Bench、GDPVal-AA v2 以及 OSWorld-Verified 等代理基準測試中均超越 3.1 Pro 與 3.5 Flash 等前代模型。**
**數據表（1）Long-horizon software engineering (DeepSWE v1.1)**
| | 3.1 Pro | 3.5 Flash | 3.6 Flash |
| --- | --- | --- | --- |
| DeepSWE v1.1 | 12% | 37% | 49% |
**數據表（2）Machine Learning Engineering (MLE-Bench)**
| | 3.1 Pro | 3.5 Flash | 3.6 Flash |
| --- | --- | --- | --- |
| MLE-Bench | 42.6% | 49.7% | 63.9% |
**數據表（3）Knowledge Work (GDPVal-AA v2)**
| | 3.1 Pro | 3.5 Flash | 3.6 Flash |
| --- | --- | --- | --- |
| GDPVal-AA v2 | 965 | 1349 | 1421 |
**數據表（4）Computer Use (OSWorld-Verified)**
| | 3.1 Pro | 3.5 Flash | 3.6 Flash |
| --- | --- | --- | --- |
| OSWorld-Verified | 76.2% | 78.4% | 83.0% |
**Gemini 3.5 Flash-Lite 在思考層級、程式編寫及 Agent 任務上大幅超越前代 Gemini 3.1 Flash-Lite，並展現極高的性價比競爭力。**
**數據表**
| | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | GPT-5.4 mini | Claude Haiku 4.5 |
| --- | --- | --- | --- | --- |
| Input price ($/1M tokens) | $0.30 | $0.25 | $0.75 | $1.00 |
| Output price ($/1M tokens) | $2.50 | $1.50 | $4.50 | $5.00 |
| SWE-Bench Pro (Public) | 54.2% | 38.3% | 54.4% | 39.5% |
| Terminal-bench 2.1 | 54.0% | 31.0% | 59.2% | 44.2% |
| MLE-Bench | 39.2% | 22.0% | - | - |
| GDPval-AA v2 | 1140 | 642 | 1171 | 907 |
| OSWorld-Verified | 74.0% | 54.3% | 72.1% | 50.7% |
| CharXiv Reasoning (no tools) | 74.5% | 73.2% | 80.3% | 61.7% |
| CharXiv Reasoning (with tools) | 76.5% | 75.6% | - | - |
| GDM-MRCR v2 (8-needle, 128k average) | 72.2% | 60.1% | 42.7% | 35.3% |
| GDM-MRCR v2 (8-needle, 1M pointwise) | 21.3% | 12.3% | - | - |
**Gemini 3.5 Flash Cyber 在 CodeMender 中的 CyberGym 基準測試獲得 83.2% 的成績，展現出具競爭力的前沿水準表現。**
**數據表**
| 項目 | 數值 |
| --- | --- |
| Mythos Preview in Anthropic agent | 83.1% |
| Gemini 3.5 Flash Cyber in CodeMender (Max 5 model calls) | 83.2% |
| GPT-5.6 Sol in OpenAI agent | 83.6% |
| Mythos 5 in Anthropic agent | 83.8% |
| GPT-5.5-Cyber in OpenAI agent | 85.6% |
**在 Big Sleep Evaluation 評測中，Gemini 3.5 Flash Cyber 取得 72% 的成績，表現優於 Gemini 3.6 Flash 的 42% 與 Gemini 3.5 Flash 的 36%。**
**數據表**
| 項目 | 數值 |
| --- | --- |
| Gemini 3.5 Flash | 36% |
| Gemini 3.6 Flash | 42% |
| Gemini 3.5 Flash Cyber | 72% |
**在 Chrome Production Commit Scanning Pipeline 基準測試中，Gemini 3.5 Flash Cyber 以 72% 的表現超越 Gemini 3.5 Flash (55%) 與 Opus 4.6 (54%)。**
**數據表**
| 項目 | 數值 |
| --- | --- |
| Gemini 3.5 Flash | 55% |
| Gemini 3.5 Flash Cyber | 72% |
| Opus 4.6 | 54% |
**比較 Gemini 3.5 Flash 與 Gemini 3.6 Flash 在執行程式碼與平行子代理程式時的效能與輸出差異。**
**影片中的 Prompt 與操作**
操作步驟：
1. @00:00 啟動兩款模型的平行子代理程式任務進行效能對比
## 標籤
新產品, 功能更新, LLM, Google, Gemini