Gemini 3.5 Flash实测：当模型速度进入4 G时代，Agent的游戏规则变了
Gemini 3.5 Flash 实测：当模型速度进入 4G 时代，Agent 的游戏规则变了 | AI上新
2026年05月25日 14:15
天下武功，唯快不破。
作者｜ 金光浩
编辑｜ 靖宇
本周 Google I/O 大会上，谷歌发布了最新模型 Gemini 3.5 Flash。
有趣的是，隔一天国内 Qwen3.7-Max 也发布了，并且两个模型都号称自己在 Agent 场景上做了深度优化。
我看到他们的第一反应是： 又是新一轮「模型大战」，国内外厂商再次开启跑分竞赛。
但这次我花了两天时间实测之后，我发现Gemini 3.5 Flash 给我最大的感受不是它有多聪明，而是它的速度快到让我不得不重新想一个问题：
当模型的响应速度从「能用」变成「实时」，整个 Agent 的使用体验会发生什么质变？
01
Gemini 3.5 Flash 是什么水平
Gemini 3.5 Flash 的定位很有意思：
Google 把它放在了 Flash 系列，但在 MCP Atlas 这个 Agent 基准测试上拿了 83.6% 的 SOTA 水平，甚至超过了 GPT-5.5 的 75.3% 和 Claude Opus 4.7 的 79.1%。
代码能力在 Terminal-Bench 2.1 上得分 76.2%，超过了自家上一代旗舰 Gemini 3.1 Pro 的 70.3%。
这意味着一个 Flash 定位的模型，在干活能力上已经逼近甚至超过了许多旗舰产品。
定价方面，输入 1.5 美元/百万 token，输出 9 美元/百万 token。它跟 Claude Opus 4.7 输入 5 美元输出 25 美元的定价比，便宜了几倍。跟 GPT-5.5 比，也有明显的价格优势。
但真正让它在一众模型中脱颖而出的，是 289 tokens/秒的输出速度： 首 token 延迟大约 65 毫秒，比其他前沿模型快了 4 倍左右。
它在 benchmark 做到了许多维度的 SOTA，具体用起来到底怎么样？
02
实测：
Gemini 3.5 Flash vs Qwen3.7-Max
先提一下： Qwen3.7-Max 和 Gemini 3.5 Flash 在 Text Arena 上的分数比较接近。
Qwen3.7-Max 这个模型，在评测集上已经超过了国内的旗舰模型 Kimi 2.6、GLM-5.1、DeepSeek-V4，是目前国内的第一水平，效果也非常接近国外的顶尖模型。
Qwen 这次也专门为 Agent 可靠性设计，支持长达 35 小时的端到端自主任务执行，推理内核经过深度 GPU 优化，速度提升达 10 倍。
两个面向 Agent 场景的顶级选手放在一起测，真实效果会如何呢？
第一个测试：写一首给自己的小情诗
提示词：帮我写首给自己的小情诗
这是个轻量级任务，主要看基础文本生成的速度和质量。
Qwen3.7-Max 输出用了 30 秒，Gemini 3.5 Flash 用了 11 秒。速度差距接近 3 倍。
质量上，Qwen 的中文文笔确实更好一些，遣词造句更有韵味。 Gemini 虽然中文表达稍显直白，但考虑到 11 秒的响应时间，这个响应体验已经很接近即时对话了。
如果你只是日常聊天写文字，两者都够用。
但如果场景换成 Agent 产品，用户每说一句话都在等回复，11 秒和 30 秒的差距就是「流畅对话」和「明显在等」的区别。
第二个测试：Golden Gate Bridge 3D 体素模拟
提示词：ObjectiveBuild a visually stunning, high-fidelity 3D voxel-style simulation of the Golden Gate Bridge in Three.js.Prioritize complex visuals (not simple blocks), strong atmosphere depth, and smooth ~60FPS.Visuals & Atmosphere- Lighting: a Time-of-day slider (0–24h) that controls sun position, intensity, sky color, and fog tint.- Fog: volumetric-feeling fog using lightweight sprite particles; slider 0–100 (0 = crystal clear, 100 = dense but not pure whiteout).- Water: custom shader for waves + specular reflections; blend horizon with distance-based fog (exp2) so the far water merges naturally.- Post: ACES filmic tone mapping + optimized bloom (night lights glow but keep performance).Scene Details- Bridge: recognizable art-deco towers, main span cables + suspenders, piers/anchors consistent with suspension bridge structure.- Terrain: simple but convincing Marin Headlands + SF side peninsula silhouettes.- Skyline: procedural/instanced city blocks on the SF side to suggest depth.- Traffic: up to ~400 cars via InstancedMesh, properly aligned on the deck (avoid clipping). Headlights/taillights emissive at night.- Ships: a few procedural cargo ships with navigation lights moving across the bay.- Nature: a small flock of animated birds (lightweight flocking).Night ModeAt night, enable city lights, bridge beacons, street lights, vehicle lights, ship nav lights.Tech & Controls (Important)- Output MUST be a single self-contained HTML file (e.g., golden_gate_bridge.html) that runs by opening in Chrome.- No build tools (no Vite/Webpack). Pure HTML + JS.- Import Three.js and addons via CDN using ES Modules + importmap.- UI: nice-looking sliders for Time (0–24), Fog Density (0–100), Traffic Density (0–100), Camera Zoom.- Optimization: use InstancedMesh for repeated items (cars/lights/birds), avoid heavy geometry, keep draw calls low.
我给了一个非常复杂的 Three.js 需求，要求生成一个带昼夜系统、雾气效果、交通流、船只和鸟群的金门大桥 3D 场景，输出必须是单文件 HTML，不能用任何构建工具。
Qwen3.7-Max 输出用了 204 秒，消耗了 14770 个 token。Gemini 3.5 Flash 用了 157 秒，但消耗了 35996 个 token。
这里出现了一个有意思的现象： Gemini 虽然总耗时更短，但 token 消耗是 Qwen 的 2.4 倍。
换句话说，Gemini 完成同样任务写的代码消耗的 token 确实更「多」，这也意味着整体 Gemini 在执行任务的费用更贵。
不过 Gemini 3.5 Flash 因为每秒吐出的 token 数量远高于对手，所以还是能保持总时间反而更短。
视觉效果上，Qwen3.7-Max 的整体层次感更丰富，光影和氛围做得更细腻。Gemini 则胜在桥的结构细节，悬索、塔柱的比例更接近真实的金门大桥。
两者各有所长，都是高水准的输出。
第三个测试：macOS 菜单栏语音输入应用
提示词：https://github.com/yetone/voice-input-src
模型能力强不强，Agent 场景才是真正拉开差距的地方。
前两个测试本质上都是「一次性生成」——给个提示词，模型输出一段内容就结束了。但真实的 Agent 工作流不是这样的，它是一个长程任务，需要模型反复与环境交互、试错、修正。
所以这次，我让两个模型各自实现一个完整的 macOS 语音输入应用。这个开源项目很有意思：仓库里只有一份提示词，没有任何代码。想到朋友说的那句话： 在 AI 时代，文档是资产，代码是负债。
我把需求丢给两个模型，分别在 Claude Code 上跑。需求包括：Fn 键全局监听、流式语音识别、悬浮窗动画、输入法兼容处理、LLM 纠错集成、菜单栏配置界面，最终要求输出签名好的 .app 包。
结果差距非常大：
Qwen3.7-Max 跑了 55 分钟，但是程序也没能一遍过，中间出现编译错误，需要人工介入。
而 Gemini 3.5 Flash 仅跑了 10 分钟，程序直接一遍过。
从 55 分钟到 10 分钟： 将近 5 倍的效率差距，而且 Gemini 的输出是直接能用的，不需要额外调试。
这个结果让我有点意外：
之前写诗和做 3D 的测试里，两者差距并不大。但一旦进入 Agent 编程的场景，Gemini 3.5 Flash 的 Agent 能力和速度优势被急剧放大了。
原因也很好理解：Agent 执行长程编码任务，不是一次性输出一大段文字，而是要反复调用工具、读取反馈、修改代码、再次执行。每一轮交互都省下来的时间累积起来，差距就变得巨大。
03
模型体验正在进入 4G 时代
我用了一个可能不太精确，但很直观的说法：
过去大模型的生成速度更接近 3G 的体验，你知道它在工作，但你需要等。
而 Gemini 3.5 Flash，让我第一次感受到了接近 4G 的流畅度。
这种速度上的变化带来的不仅仅是「快一点」的体验提升，它直接决定了某些产品形态能不能成立。
比如 AI 陪伴这个场景：最近520 EVE 火了，王登科最近也上线了 AI 陪伴产品 The One。
在陪伴场景里，用户对回应速度的敏感度极高：
如果对方两三秒就能回你，那种感觉是「在聊天」，但如果要等十几秒，那种感觉是「在等一个机器给你生成内容」。
而 Gemini 3.5 Flash 65 毫秒的首 token 延迟，289 tokens/秒的输出速度，意味着用户几乎感受不到等待。
但速度和智能之间存在一个很现实的矛盾：
GPT-5.4 刚出来的时候，编程效果超过了 Anthropic 4.5，但很多人还是选择继续用 Anthropic 4.5。
为什么？因为在实际工程任务里，稳定性和指令遵循的精度有时候比极致的聪明更重要：
模型想变得更聪明，通常意味着参数量更大、推理链更长，这就会导致速度下降。
所以行业里开始出现一种分化：有的公司死磕模型能力上限，有的公司则专注于在保持够用的智能水平的同时，把速度推到极致。
Gemini 3.5 Flash 选择了后者，而且做得相当激进： 它甚至把默认推理档位从上一代 Flash 的 High 降到了 Medium，主动降低推理深度来换取速度提升。
Google 在这里做了一个关键的决策：对于 Agent 场景来说，快比聪明更重要。
这个判断对不对？从 Agent 的发展趋势来看，它很可能是对的。
04
速度对 Agent 意味着什么
回到文章开头那个问题：
当模型的响应速度从「能用」变成「实时」，Agent 的使用体验会发生什么质变？
我想从两个维度来回答。
第一个是实时交互的体验升级。
Claude Code 这类 Agent 产品在执行任务时，用户能明显感觉到模型在「思考」「等待」「处理」的间隙。
这些间隙加起来，一个 20 分钟的任务可能有 5 分钟是你在看它转圈。
当速度快 4 倍，这些间隙被大幅压缩，整个过程变得更像「你交代任务，它流畅执行」，而不是「你交代任务，它断断续续地干」。
第二个维度更有意思 ，也是我觉得 Gemini 3.5 Flash 真正的价值所在：
它让 Agent 能在相同时间内完成更多的事。
想象一下这样一个场景。假设你让一个 Agent 跑 24 小时来完成一个大型项目。如果模型输出速度是原来的 4 倍，在 Agent 调用工具的时间不变的前提下，一天内的产出可能提升 2 到 3 倍。
这个计算很粗略，因为 Agent 执行过程中有大量时间花在等待工具返回结果、读取文件、编译代码上，这些时间不会因为模型变快而缩短。但模型思考和输出代码的那部分时间确实能被大幅压缩。
而最近的趋势是， Agent 执行任务的时间越来越长：
Claude Code 在不断优化它的任务编排能力；OpenAI Codex 最近推出了 /goal 功能，可以让Agent连续运行几小时甚至几天直到任务完成；各家都在努力拉长模型的持续工作时间： 从半小时的任务到几小时的项目，再到 Qwen3.7-Max 宣称支持的 35 小时端到端执行。
任务时间线被拉长的同时，模型响应速度的价值也在同步放大：
一个 10 分钟的任务，省几分钟你可能无感。
但当任务拉长到 10 小时、24 小时，省下的时间可能是小时级的。
即使只算模型输出环节快 4 倍，一天的长程任务也能多挤出好几个小时的有效产出。