金粉世家

破纪录的伽马射线爆发让天体物理学家感到震惊_我的网站

小丈夫

一 | 7月21日，谷歌突然上线了两个新模型： Gemini 3.6 Flash和Gemini 3.5 Flash-Lite。

二 | 没有一点点防备，也没有一丝顾虑，它俩就这样出现在了Google AI Studio和Gemini的模型选择器里。爆炸发生后，全世界的天体物理学家都把他们的望远镜转向了这场壮观的“表演”，从各种宇宙的有利位置观察它的发展。在接下来的一周里，当他们警惕地研究这个事件的闪亮的余辉时，他们对这个伽马射线暴似乎是如此的完全明亮感到震惊。最终，这个奇观的纯粹强度为它赢得了一个合适的名字，以配合它的机器人名称GRB221009A：B.O.A.T.--“有史以来最亮的”。这两个模型，一个主打更强的代码和Agent能力，一个主打更低成本的大规模调用。而作为旗舰模型的Gemini 3.5Pro，千呼万唤依然……出不来。美国西北大学的天文学家Jillian Rastinejad在一份声明中说：“这个GRB是一个非常罕见的事件。按照此前的计划，3.5 Pro本应在6月份上线，现在7月都过一大半了，这款被寄予厚望的模型仍然没有正式亮相。代表旗舰实力的答卷迟迟不交，谷歌先拿出两张“草稿纸”，是个什么意思？ 01 3.6 Flash：比上一代便宜，不比上一代聪明谷歌表示，相比上一代Flash模型，Gemini 3.6 Flash进一步提升了编码、推理和工具调用表现，同时通过减少输出token降低运行成本。"它是如此之亮，以至于它两次触发了Swift 伽马射线望远镜，并使探测器完全饱和--这是我在观察伽马射线源的过程中从未见过的。

三 | Gemini 3.6 Flash的定位是一个面向真实生产环境的高效模型，或者更直白一点，为Agent服务。在Agent时代，一次任务可能需要几十轮模型调用，这意味着模型不仅要聪明，还必须足够快、足够便宜。”那么，这个破纪录的爆发的根源是什么？科学家们推断，也许是一些同样令人费解的极端现象。截至目前，主要的假设是这个GRB是由一颗古老的恒星在转变为一个巨大的黑洞时死亡产生的。 Google此前已经在Gemini 3.5 Flash上强化了这条路线。

四 | 根据官方API文档，Gemini 3.5 Flash支持100万token的长上下文，可以一次处理大量信息，同时支持代码执行、调用外部工具、搜索文件等能力，能够完成更复杂、更长时间的任务。

五 | 这里的想法是，在遥远的宇宙中，一颗巨大的超新星可能刺激了一个黑洞的诞生，而众所周知，黑洞会喷出几乎以光速飞行的最高粒子射流，也许这个黑洞的射流会将其内容喷向地球。 Gemini 3.6 Flash延续了这条路线，它追求的并不是单次回答的质量，是一个“能够承担得起每日真实工作”的位置。 Gemini 3.6 Flash的定价如下：输入：1.50 美元/百万 token 输出：7.50 美元/百万 token 相比此前Gemini 3.5 Flash每百万token输入1.5美元、输出9美元的价格，输入成本没有变化，但输出成本进一步下降。马里兰大学的天体物理学家Brendan O'Connor在一份声明中说：“我们认为这是一个百年一遇的机会，可以解决有关这些爆炸的一些最基本的问题，从黑洞的形成到暗物质模型的测试，”他帮助最初观察了GRB。此外，如果这个爆发真的像科学家们想象的那样与深渊的起源有关，它可以为我们提供宝贵的见解，了解物质在接近光速时的表现，恒星如何坍缩到难以想象的密集空隙中，以及在更广泛的意义上，在我们自己的星系之外的星系中可能是什么情况--B.O.A.T.诞生的遥远境界。

六 | 然而，值得一提的是，每一个参与研究这个GRB的人在做出最后的原因声明之前都是超级谨慎的。对于需要大量调用AI的企业来说，这种成本变化可能比benchmark上的几个百分点提升更加重要。另外，谷歌展示的一项内部测试显示，在完成同一任务时，Gemini 3.6 Flash相比3.5 Flash减少了55.8%的token消耗，同时将任务评分从85分提升到了100分。研究小组仍在观察该事件的“余辉”，以确定死星；黑洞理论是否站得住脚。“鉴于大多数其他长GRB是由大质量恒星坍缩造成的，我们完全有理由相信，我们将找到超新星的直接证据，”Rastinejad说。“但是这将需要更多的工作和时间来确认，而且宇宙可能总是让我们感到惊讶。”GRB也可能与其他宇宙奇观有关。例如，持续时间较短的GRB只有几分之一秒，往往来自于中子星的碰撞--恒星体的碰撞。

七 | 当然，这只是谷歌自己的测试结果，只能说明Google希望展示的方向：新模型不仅更省，而且能够用更少的计算完成同样甚至更好的任务。在那些被公开的benchmark里，谷歌主要强调的是代码能力和Agent能力。

八 | 不过，从好的方面来看，由于这个GRB非常明亮，而且处于起步阶段，科学家们希望能够对它进行几个月的监测。在DeepSWE代码评测中，Gemini 3.6 Flash得分49%，高于上一代的37%。谷歌表示，新模型能够减少无效代码修改和重复执行过程。一个月后，Rastinejad预计该事件的证据将消失在太阳后面，但是一旦它在明年初再次出现，他说：“我们将兴奋地看到GRB是一个混乱的'幼儿'。

九 | 在测试AI操作电脑能力的OSWorld-Verified评测中，Gemini 3.6 Flash得分83%，超过3.5 Flash的78.4%。然后，我们将准备好并等待用相机捕捉它。而在面向机器学习任务的MLE Bench中，Gemini 3.6 Flash得分63.9%，相比上一代的49.7%也有明显提升。”“这个GRB的破纪录性质在很大程度上重振了更大的观测界，”Rasinejad说。“每个人--甚至那些通常不研究GRB的人--都试图将他们的探测器对准它。作为其中的一员，看着这个故事如何展开，这是一件美丽而超现实的事情。”一方面，美国宇航局在国际空间站上的仪器，如NICER X射线望远镜和一个被称为轨道高能监测警报网的日本探测器都参与其中。然后有两个独立的团队，一个由Rastinejad领导，另一个由O'Connor领导，利用智利的地面双子座南望远镜。不过，上述数据更多说明Gemini 3.6 Flash相比上一代有所进步。如果放到当前大模型竞争中横向比较，Google选择的对手是GPT-5.6 Luna、Grok 4.5和Claude Sonnet 5（这里也可以看出这个产品的定位）。而这只是触及了谁在盯着这个电爆的表面。从结果来看，Gemini 3.6 Flash并没有全面领先，GPT和Claude的模型在复杂软件工程和知识工作任务上仍然保持优势。但这其实也是Flash系列存在的意义：它不一定要成为最强模型，只需要在明显低于旗舰模型成本的情况下，提供够用的能力。官方测评之外，根据Artificial Analysis的发布前测试，Gemini 3.6 Flash在Intelligence Index上拿到了50分，与Gemini 3.5 Flash持平。

十 | 虽然每周都会捕捉到几次爆炸性的GRB爆发，但西北大学的天体物理学家方文辉（音译）强调说："只要我们能够探测到GRB，毫无疑问，这个GRB是我们所见过的最亮的GRB，是10倍以上的。这意味着，如果只看模型综合“智力”，Gemini 3.6 Flash并没有什么升级。

十一 | "同样令人好奇的是，这样的高能射线能够在长达24亿年的旅程中幸存下来，首先到达我们的星球。正如美国国家科学基金会的NOIR实验室所说的那样，科学家们想知道这个爆发所发出的粒子是如何"违背我们对物理学的标准理解"的。为了弄清这一切，很有希望的是，科学家们认为这个爆发比你的普通GRB更接近地球。这意味着我们可以从它那里收集到很多细节，否则可能会因为太过微弱而无法看到。意大利巴里理工大学的天体物理学家Roberta Pillera在一份声明中说：“尽管这种接近也可能部分地解释了为什么它对我们来说显得如此发光，但无论距离远近，它也是有史以来能量最强和最发光的爆发之一，这使它变得更加令人兴奋。”正如美国宇航局简单总结的那样，“另一个如此明亮的GRB可能在几十年内不会出现。

十二 | 但是呢，它的速度又很好地弥补了这一点。 Artificial Analysis还统计了模型完成Intelligence Index任务所需的平均时间。

十三 | 结果显示，Gemini 3.6 Flash每项任务平均耗时约1.3分钟，相比上一代3.5 Flash的约2.7分钟，减少了一半。与此同时，Gemini 3.5 Flash-Lite的任务完成时间也从上一代3.1 Flash-Lite的约1.6分钟，下降到约0.6分钟。总的来说，Gemini 3.6 Flash的升级方向其实是效率——更少的token消耗，更低的运行成本，以及更适合长期运行的Agent能力。对于习惯使用Gemini 3.5 Flash的用户来说，确实是非常不错的升级。 02 3.5 Flash-Lite：更快，但没有上一代便宜然后再来看另一个模型Gemini 3.5 Flash-Lite。顾名思义，Flash-Lite是Flash系列中更轻量的版本，相比Flash，它牺牲了一部分能力上限，换取了更低的成本和更快的速度。就像前面提到的那样，Gemini 3.5 Flash-Lite的任务完成时间从上一代3.1 Flash-Lite的约1.6分钟，下降到了约0.6分钟。 3.5 Flash-Lite也是3.5系列中速度最快的型号，根据Artificial Analysis测试数据，其生成速度达到约350 token/秒，已经属于当前主流大模型中的高速水平。 Gemini 3.5 Flash-Lite的定价如下：输入：0.30 美元/百万 token 输出：2.50 美元/百万 token 相比Gemini 3.6 Flash，输入价格约为1/5，输出价格约为1/3。不过，与上一代Gemini 3.1 Flash-Lite相比，新模型并没有进一步降价。虽然Gemini 3.5 Flash-Lite由于能力提升，可以通过减少输出量降低部分成本，但综合起来，还是很难抵消单价上的成本增加。根据官方文档，相比上一代Gemini 3.1 Flash-Lite，新模型在不同思考等级（thinking levels）下都有明显提升。开发者可以根据任务需求调整模型的思考深度。此外，Gemini 3.5 Flash-Lite还内置了Computer Use能力，可以帮助Agent更可靠地操作电脑环境，完成跨应用任务。

十四 | 在具体测试中，Gemini 3.5 Flash-Lite相比上一代模型也有明显提升：在Terminal-Bench 2.1编程Agent测试中，成绩从31%提升到54%；在测试长上下文理解能力的GDM-MRCR v2中，从60.1%提升到72.2%；在更贴近真实工作场景的GDPval-AA v2任务执行测试中，从642提升到1140。值得注意的是，在一些Agent和代码相关测试中，Gemini 3.5 Flash-Lite甚至超过了上一代更高定位的Gemini 3 Flash模型。例如，在SWE-Bench Pro软件工程测试中，Gemini 3.5 Flash-Lite得分54.2%，高于Gemini 3 Flash的49.6%；在测试AI操作电脑能力的OSWorld-Verified中，Gemini 3.5 Flash-Lite也以74.0%的成绩超过Gemini 3 Flash的65.1%。这意味着，随着模型能力不断提升，过去需要更大模型才能完成的部分Agent任务，正在逐渐下沉到更便宜、更快速的模型。顺便一提，除了前两个面向普通用户的通用模型，谷歌还推出了Gemini 3.5 Flash Cyber。它主要针对网络安全场景。根据官方文档，在CodeMender系统中，多个Gemini 3.5 Flash Cyber Agent可以协同工作，分别完成不同分析任务，并最终汇总成一份完整报告。在网络安全基准测试CyberGym中，Flash Cyber也达到了接近前沿模型的表现。该模型目前不会公开提供，仅通过CodeMender平台向政府和可信合作伙伴开放。 03 3.5 Pro：谷歌迟迟交不出的旗舰答卷如果说Gemini 3.6 Flash和Gemini 3.5 Flash-Lite还可以看作是谷歌对AI规模化应用的判断，那么Gemini 3.5 Pro则代表着谷歌的模型上限。但问题在于：这份答卷，到现在还没有交出来。 5月I/O的时候，谷歌表示Gemini 3.5 Pro将在“接下来一个月左右”推出，也就是预计在今年6月上线。

十五 | 现在7月都过了一大半了。

十六 | 据彭博社7月16日报道，Gemini 3.5 Pro的发布时间已经落后原计划数月。谷歌正在继续优化模型能力，尤其是编码表现，希望达到内部设定的目标。

十七 | 路透社最新的报道则显示，截至目前，谷歌仍未公布具体上线时间，只表示该模型正在与合作伙伴测试，并将“很快”推出；另有新闻稿透露，Gemini 4的训练工作已经开始了。

十八 | 而我们都知道，“很快”就是不确定的意思。 Gemini 1.0发布时就曾因演示争议受到质疑；Gemini 1.5 Pro凭借百万token上下文短暂扳回局面，但随后Claude和GPT系列快速追赶；直到Gemini 3系列发布，谷歌才重新获得“回到前沿竞争”的评价。如今Gemini 3.5 Pro再次延期，市场关注的已经不只是一个模型什么时候上线，还有谷歌到底能否保持旗舰模型的竞争节奏问题。何况谷歌透露出的编码表现不及预期，并不是什么容易解决的小问题。

十九 | 随着Agent开始进入企业工作流，代码能力的重要性迅速提升。一个模型能否理解复杂项目、修改真实代码、完成多步骤开发任务，已经成为衡量它是否具备实际生产价值的重要指标。

| 路透社指出，华尔街正在等待Gemini 3.5 Pro，因为它将成为判断Google DeepMind是否能够跟上OpenAI和Anthropic的重要指标。当然，谷歌并不是没有动作，这次推出的几个模型，恰说明谷歌正在强化另一条路线：让AI变得更便宜、更容易规模化。谷歌CEO Sundar Pichai近期也多次强调成本优势，并表示企业如果将大部分AI工作负载迁移到Gemini模型，可以每年节省超过10亿美元。但问题在于，市场在期待一份证明谷歌模型实力的“答卷”，谷歌交出的却是两张关于效率和成本的“草稿纸”——很难不让人觉得，谷歌在用Flash系列填补Pro延迟留下的空档。有意思的是，在Gemini 3.5 Pro延期的同时，AI竞争格局正在发生变化。过去，人们讨论AI领先者，主要关注海外“御三家”：OpenAI、Anthropic和Google DeepMind。但最近，GLM-5.2、Kimi K3等国产模型也开始进入前沿竞争，并引发了大量讨论。前沿模型的追赶速度正在加快，也让谷歌的问题变得更加紧迫，它当然可以继续大力推出Flash模型，但前提是它的旗舰模型足够给力——只要硬实力足够，自有大儒为他辩经。