作者：安辛 来源：原创 发布日期：08-26
A | 如果你从去年就开始用 Gemini，那感觉就像看着自家兄弟慢慢得了阿尔茨海默症。
这是最近网友对 Gemini 的一句调侃。
在与其他人交流后，他发现其他数码 UP 主也注意到了类似的情况。出现问题的手机覆盖范围很广，从古早的三星 Galaxy S4 ，一直到相当近的 Galaxy S20 FE 甚至是Z Fold 2 ，都有出现问题。
按理说，一家公司发新模型，通常是来打脸这种调侃的。可就在刚刚，Google 一口气发了三个新模型之后，网友非但没收回这句话，反而笑得更大声了。他说，自己在公开曝光这件事之前，已经等了 50 天，然而三星一直没有给出回复。多少有种他们都不看好你，可偏偏你最不争气的即视感。
三个模型分别是 3.6 Flash、3.5 Flash-Lite，还有一个专搞网络安全的 3.5 Flash Cyber。官方博客的措辞也相当眼熟，「更高效」「更聪明」「为大规模 AI agent 而生」，一句不落。
一直到视频发出半个月后，三星终于给出了啥也没给的回复：得知这件事的托尼立刻进行了一次身边统计学，结果出人意料，又在情理之中：情理之中的是，整个编辑部能找到的三星手机加起来少于 5 部。你说这图和三星无关？无关就对了……▼
而意料之外的是，在抽屉里长期储存的那些三星手机，都没有出现那位 UP 主描述中的鼓包现象。
B | 只不过，实际体感却冰火两重天。
C | 不过上微博转了一圈，托尼发现在事件发酵前， 就已经有不少中国用户反映三星的电池容易鼓包了：
由于这次“ 电池门 ”涉及到的型号和生产时间跨度太大，托尼认为这事不太像是品控或电池厂商问题，更有可能是三星的某种系统性失误。
主角登场，3.6 Flash 到底强在哪
先说头牌，3.6 Flash。官方给的定位就俩字——「主力」（workhorse），干活模型。
D | 3.5 Flash 是今年 5 月 I/O 大会上发的，这次算是小版本迭代。而这个失误， 最先让人想到的就是三星的电池选型。
E | 在 Note7 成为哑火手雷之后，三星痛定思痛，决定改用不太可能起火的凝胶电池。 最大的卖点是省 token。在此之前，市场上只有索尼采用这种电池。
F | 按 Artificial Analysis Index 的数据，3.6 Flash 比 3.5 Flash 少用 17% 的输出 token，在 DeepSWE（Datacurve 出的基准）这类场景上甚至能省到 65%。
G | 大多数手机电池用的是 液态电解质的 锂离子电池，也就是说，电池内部有很多流动性不错的有机液体。这种有机溶液一旦碰到高温（ 比如电池短路 ）或水蒸气就会分解，产生大量气体。一旦电池包装被气体吹爆或是被外部刺穿，电解液就会流出电池，与空气大面积接触，造成起火。
H | 而凝胶电池的电解质类似于果冻，即使包装破裂，也不会有电解液流出，大大降低了起火几率。
I | 官方还说它跑多步任务时，推理步数和工具调用都更少。与一般锂离子电池相比，凝胶电池更安全，而且充放电时对电极的损耗更小，容量衰减慢。但凝胶电池生产工艺复杂，价格高；能量密度低，而且电池内阻大。
J | 也就是说，干同样的活，废话更少，绕路更少，账单更薄。 价格也确实降了。这就导致凝胶电池既贵，容量又小，充电还慢，属于是完美地反向切中手机的续航痛点。输入 1.5 美元/百万 token，输出 7.5 美元/百万 token——注意，上一代 3.5 Flash 的输出是 9 美元，这波直接砍到 7.5。因此，没有产品大“ 爆 ”过的手机厂商，一般不会选择凝胶电池。又快又省，单个 agent 任务的成本就压下来了。
K |
基准测试上，官方摆出了一整排数据。三星延续至今的 25W “ 快 ”充估计就有电池的因素 ▼
当然，凝胶电池作为一种三星特色，最容易让人怀疑与这次三星独占的“ 电池门 ”有关，但也不是三星电池鼓包的唯一可能原因。
L | 毕竟这次爆出的鼓包手机并不全都使用了凝胶电池，比如较早发布的三星 Galaxy S4 和 S7 就是一般的锂离子电池。
因此托尼同样怀疑，三星在电池管理方面有缺陷。
代码能力是重点。这可能导致三星手机在长期关机的情况下，电池快速进入过放状态。DeepSWE 从 37% 提升到 49%，官方的说法是多余的代码改动更少、执行循环也更短，生成的代码更贴近生产环境的要求。机器学习研究方向的 MLE Bench 提升更明显，从 49.7% 拉到了 63.9%。现代手机关机后，主板上的某些元件可能仍然在工作。
计算机操作（computer use）能力也有长进，OSWorld-Verified 从 78.4% 升到 83%。比如大多数手机都支持的关机闹钟和定时关机，就需要记录时间的芯片不断电。
但如果三星的电池管理方案，不会在电池电量低的情况下完全切断主板电源，就会造成过度放电。过放会对电池造成相当严重的损伤。
M | 并且，「计算机操作」（computer use）也成了Gemini API 和企业版的内置工具，主打一个开箱即用。其中一个表现就是电解质在电极上分解，产生大量气体，进而导致鼓包。
N |
当然，相比过度充电或电池内部短路造成的损伤，过放不太可能造成燃烧和爆炸，因为过放状态的电池，能量已经基本耗尽了。但无论是什么原因，鼓包的电池都不该重新充电，它的内部结构可能已经损坏，充电时说不定就会给你来一下狠的。
知识工作方面，GDPval-AA v2 从 1349 涨到 1421。
o | 这次三星电池门，从 Mrwhosetheboss 首次报告到现在已经过去两个半个月了，但三星依然没有给出一个有用的答复。
p | Hebbia、Harvey 等客户反馈，它在文档解析、图表数据分析、报告起草这类多模态任务上表现尤其突出。Figma、JetBrains 也都出面背书了一番。虽说电池鼓包并不罕见，但让一群数码大 V 不得不公开质疑产品来为自己要个结果，三星这次无论是产品还是公关，都有不小的问题。 哦对了，还有个不起眼但挺实在的更新：知识截止日期终于从 2025 年 1 月推进到了 2026 年 3 月。老黄历总算翻篇了。还好这次电池不会突然烧起来，不然三星又要挨上一棒了。 安全这块，官方说 3.6 Flash 上了升级版的 Frontier Safety 防护，重点盯着 CBRN（化学、生物、放射性、核）和网络攻击这两类滥用，抗越狱能力更强了，同时又尽量不误伤正常需求、少乱拒绝。 ·以小博大，便宜大碗的 3.5 Flash-Lite 也能更换推理档位了 第二个是 3.5 Flash-Lite，定位比 3.6 Flash 还低一档，主打「快」和「便宜」，专治高吞吐、低延迟的任务，比如 agent 搜索、文档处理。 它是 3.5 系列里最快的，按 Artificial Analysis 的测量是每秒吐 350 个 token。价格更是白菜——输入 0.3 美元、输出 2.5 美元每百万 token。官方说质量比 3 月发的 3.1 Flash-Lite 好一大截。 有个设计挺灵活：它支持调「推理档位」。低配活儿就开最低档，图个快和省；碰上要多步拆解的子任务，就把思考档位往上拨。电脑操作这次也做成了内置工具。 跟前代比，提升相当明显：代码和 agent 任务的 Terminal-Bench 2.1，从 31% 干到 54%；长上下文的 GDM-MRCR v2，从 60.1% 提到 72.2%；真实任务执行的 GDPval-AA v2，更是从 642 飙到 1140。 最有意思的是，这个「小弟」在不少 agent 和代码任务上，居然反超了辈分更高的 3 Flash。 比如 SWE-Bench Pro（54.2% vs 49.6%）、OSWorld-Verified（74.0% vs 65.1%）。以小博大，属实有点东西——等于说跑 3 Flash 的活儿，现在有了个更快更强的平替。 官方还举了几个用法：从海量电商数据里抽产品特征、给 3.6 Flash 当副手一口气生成 25 个网页设计方案、批量翻译总结收据、边玩边迭代做小游戏。Ashler、Palo Alto Networks、Ramp 这几家客户也来夸了它「速度、智能、成本三合一」。 最后一个 3.5 Flash Cyber，画风突变，专门用来找和修代码里的安全漏洞。
q | Google 的逻辑挺有意思：现在 AI 找漏洞的速度，已经比现有系统修漏洞的速度快了。既然漏洞越堆越多，那干脆用便宜高效的 Flash 来批量补锅。 这个模型是在 3.5 Flash 基础上微调出来的，搭配自家的 CodeMender 工具用。CodeMender 里跑的是好几个 Flash Cyber agent，协同工作、最后汇总成一份报告。 在业内有名的 CyberGym 基准上，官方称它摸到了第一梯队的水平，还比更大的模型更省 token。
r | 不过这模型我们暂时也用不上。 考虑到「找漏洞」这种能力是把双刃剑，浓眉大眼的 Google 也学 Anthropic 玩起了安全叙事。把它锁得死死的——只对「可信合作伙伴」限量开放，走内测。目的是给一线防守方争取时间，赶在漏洞被人利用前先修掉，同时防着有人拿它去干坏事。 说好的 3.5 Pro 呢？如来 看到这儿你可能会问：发了一堆 Flash，那真正的旗舰 3.5 Pro 去哪了？ 官方口径是「正在和合作伙伴测试，准备好就上」。但这套说辞背后的故事，可能没那么体面。 据彭博社等媒体报道，3.5 Pro 的代码生成能力一直没达到内部预期。Google 6 月下旬还专门更新了一版训练数据来补代码这块短板，结果成绩依旧没起色。更有传闻说，Google 干脆推翻了原来的训练方案，从零开始重训。 而 Google AI 宣传委员 Logan Kilpatrick 更是索性在舆论上直接跳过 3.5 Pro，将预告的重点放在了Gemini 4，声称他们已经启动了史上最雄心勃勃的 Gemini 4 预训练，还放话说进展让人兴奋。 听着虽然挺提振人心，但把它放在「旗舰跳票」的背景下看，多少有点转移视线、画饼续命的味道了。 除了这些内幕，光看今天刚刚发布的 Flash 模型本身，网友们也并不全然买账。 第三方评测机构 Artificial Analysis 表示：两个新模型确实把单任务耗时砍半、token 效率也提升了，Flash-Lite 的智能指数涨了 11 分——但 3.6 Flash 的智能水平，相比 3.5 Flash 基本原地踏步。 价格没有便宜到足以忽略能力差距，能力也没有高到能够解释它的成本。 X 网友吐槽道：3.6 Flash 在 Artificial Analysis 上跟 3.5 Flash 拿了一模一样的分，还不如 Meta Spark 1.1、GLM-5.2、5.6 Luna、Sonnet 5、Grok 4.5、5.6 Terra 这一票对手，直呼简直烂透了（阴阳怪气 doge）。 吐槽的还不止一个。 网友 Angel 则直接从性价比入手：Gemini 3.6 Flash 的使用成本比 GPT-5.6 Sol medium 还高，可智能程度反而更低。又贵又笨，这组合属实有点尴尬——毕竟 Flash 系列立身的根本就是「性价比」，结果被人当场指出性价比不如对手，等于自砸招牌。 作为对比，OpenAI 的 Tibo 刚刚也发话了：由于周活跃用户达到 1000 万，新的一天，Codex 和 ChatGPT Work 的付费用户迎来新一轮额度重置，尽情享用。 这对比，这落差，还有人记得大明湖畔的 Google Gemini 3？ 实测派也来补刀。
s | 网友 Balder 更是直接开团： 这三个模型性能全比之前的 3.5 Flash 差。
t | 他甩出自己的测试吐槽，说问题包括但不限于——基础解码就有毛病、中文选词经常很离谱；生成的图片视频质量极差、跟指令对不上还限额严重；经常记忆混乱、调用完全错误的工具。 而且他还上了个阴谋论，认为 Google 之所以这么搞，是为了把算力腾出来卖给 Anthropic，还阴阳了一句这就是皮查伊想要的「Cloud First」。 此外，X 网友 Conor Dart 用 Google 自家的 Antigravity 跑了个 AI 生成游戏的测试，结果没有出乎意料，木头纹理更差了，大理石看着差不多但还是不能用。他直言这又是一次翻车，表示自己还是等 Gemini 3.5/3.6 Pro 吧。 简言之，你别问新模型强不强，你就说 Flash 不 Flash 就完事了。
u | 一边是官方更高效、更便宜、更省 token的漂亮账本，一边是大多数网友的当场差评，以及模型背后的旗舰跳票、大牛出走、市值缩水等一连串糟心事。 这很难不让人好奇是不是 Google 这次真点歪了科技树，光顾着省成本忘了提智商，只能先靠几个 Flash 稳住场子？ 反正 Gemini 4 的预训练都开跑了。这一把要是再翻车，那句阿尔茨海默的玩笑，可就真要成谶语了。
Current article:http://www.hanninhuaxituochunkui.pics/list_oo9de/gtm2q.html
Published on:22:52:36