Gemini 3.6 Flash 基准更好看，但回归可能挡住升级
PaiDxng · reddit · 2026-07-22
Google 的 Gemini 3.6 Flash 从官方数字看像是一次明确升级：它在 Artificial Analysis Index 上据称比 3.5 Flash 少用 17% 输出 token，并在 DeepSWE、MLE-Bench、OSWorld-Verified、GDPval-AA v2 等基准上都有提升，同时输出价格降到 每百万 token 7.50 美元。
但作者提醒，早期截图里提到的前端生成、空间推理回归，还不足以证明它整体更差；这些证据更像是“可以提出回归假设”，而不是定案。帖子的重点其实是评测方法：
- 冻结 prompt、工具、temperature、thinking、重试策略；
- 用相同的代表性任务分别跑旧模型和新模型；
- 把低频但高代价的失败案例也纳入；
- 先定好淘汰门槛，再看结果。
作者主张不要执着于“单一全局最优模型”。如果 3.6 Flash 只在部分任务上赢、但在某个工作流里输了，就应该按任务路由，而不是硬切全量升级。
所属事件:Gemini 3.6 Flash 评测：更快更省但未变更聪明(16 条相关)→
「模型」频道最新
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27