荆棘鸟

突发！Gemini 3.6 来了：智力直接原地踏步，速度立刻翻倍_我的网站

A |     　　能够自动完成编程项目以及其他白领工作的 AI 智能体正在兴起，这促使 Atlassian 这类软件厂商推出所谓知识图谱（图数据库），帮助人工智能解析企业内部各类数据之间的关联关系。

B |     家人们，就在刚刚，Google正式发布了Gemini 3.6 系列模型！          这次登场的一共三个模型：          面向普通用户和开发者推出的通用模型 Gemini 3.6 Flash：               输出 token 消耗减少了约 17%，在 DeepSWE 上最高减少 65%          输入：1.50 美元/百万 token          输出：7.50 美元/百万 token               主打低成本和高吞吐的 Gemini 3.5 Flash-Lite：               输入 $0.30/百万 token          输出 $2.50/百万 token               面向网络安全场景的 Gemini 3.5 Flash Cyber：      定价还没曝光，目前只给政府和还有Google定的受信任的合作伙伴限量开放               在正式开始详细介绍前，先给大家打一针预防针：          如果只看跑分，这次更新可能没有想象中那么炸裂—Gemini 3.6 Flash 的综合智能水平与上一代基本持平，代码能力也没有横扫同级模型，但是效率绝了！          Gemini 3.6 Flash          Gemini 3.6 Flash 是 Gemini 3.5 Flash 的升级版，也是这次发布的主角。　　软件企业大力推广这类新型数据管理工具，背后的商业逻辑是：可以通过存储 AI 运行所必需的信息来实现盈利。今年早些时候，微软甚至给自己的客户数据设置访问壁垒，防止竞品软件公司获取这些数据。　　图数据库，也叫知识图谱，和 Databricks、Snowflake 这类数据管理平台不一样。后者主要是把海量数据整理成行与列的表格。         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（Ps：从综合智能表现来看，可以说完全没有实现代际跃升）：          在Gemini最擅长的知识类工作的基准GDPval-AA v2 上取得 1421 Elo，比上一代高 72 分：          它真正值得一说的提升，在速度和效率上。两类数据库都会对海量原始数据做清洗，供 AI 分析，例如挖掘某个季度客户消费趋势。但支持图数据库的厂商表示，知识图谱能够减少 AI 的计算处理量，进而降低成本。　　而 Databricks 方面则认为自家的数据管理产品优于独立部署的图数据库：它具备更完整的实时数据，AI 与数据库交互也更加便捷。         Gemini 3.6 Flash 完成单项任务的平均时间从 2.7 分钟降至 1.3 分钟，缩短了一半以上；输出速度达到 每秒 304 个 token。

C | Databricks 与 Snowflake 近期财报业绩亮眼；相比 Atlassian、ServiceNow 这类企业应用厂商，二者存储的客户私有数据规模也要大得多。

D | 与此同时，它的输出 token 消耗减少约 17%，在 DeepSWE 等特定任务上，降幅最高可达 65%。         虽然没有更聪明，但是确实做到了能用更少的 token、更短的时间完成同样水平的工作。         Gemini 3.5 Flash-Lite          Gemini 3.5 Flash-Lite 面向的是另一类需求：高并发、低延迟和大批量任务。　　无论如何，很多企业认为多一套技术方案总是有益的。         它在 Intelligence Index 上取得 36 分，相比 Gemini 3.1 Flash-Lite 的 25 分提升了 11 分。知识图谱由大量带标签的时点互相连接构成。

E |          进步最明显的是智能体相关评测：GDPval-AA v2 提高 498 分，TerminalBench v2.1 提高 22.5 个百分点，Tau3-Banking 提高 7.8 个百分点。         速度同样是它的核心卖点，平均每任务用时从 1 分钟降至 0.6 分钟，输出速度达到 每秒 350 个 token。         不过，Gemini 3.5 Flash-Lite 的单次任务成本不降反升，从 0.04 美元增至 0.09 美元。

F |          主要原因是输入和输出价格分别从每百万 token 0.25 美元和 1.50 美元，上调至 0.30 美元和 2.50 美元。尽管平均每任务的输出量已从 2 万 token 降至 1.3 万 token，但仍不足以抵消价格上涨带来的成本增加。举个例子，其中一个时点可以代表公司员工姓名。在 The Information 的知识图谱中，我的名字劳拉・布拉顿就是一个打上 “人物”、“雇员” 标签的时点；另一个时点代表我供职的媒体 The Information，打上 “企业” 标签；两点之间建立一条连线，就代表 “我受雇于 The Information”。

G | 　　过去，需要开发者手动在各个数据点之间建立关联。         Gemini 3.5 Flash Cyber          除了两款通用模型，Google 这次还公布了一个更垂直的成员：Gemini 3.5 Flash Cyber。如今，只要对接企业业务系统，AI 就可以自动完成图谱构建。         CodeMender 是 Google 的代码安全代理，主要任务就是是在代码中发现安全漏洞，并进一步生成和验证修复方案。　　Atlassian 在今年 5 月披露，如果客户搭配自家图数据库，使用 Codex、Claude Code 开发新应用，Token 消耗量可以降低近 50%。这次出的Gemini 3.5 Flash Cyber 将作为CodeMender的核心模型，服务于漏洞查找与修复流程。

H |          按照 Google 的说法，它在代码安全任务上的表现达到了非常具有竞争力的前沿水平，并且运行成本也低于体量更大的模型。         Gemini 3.5 Flash Cyber 更像是 Google 对“专业模型+智能体”路线的一次验证： 以更轻量的 Flash 为底座，通过安全领域优化和专用代理，把模型能力集中到一个明确的高价值任务上。

I |          安全代理往往需要持续扫描大型代码库、分析大量上下文，并反复验证修复结果。

J | Atlassian 早在 2023 年就推出图数据库产品Teamwork Graph（团队协作图谱），现在开始向客户大力推广该产品。相比一味调用最强、最大的通用模型，针对网络安全任务优化的轻量模型，更有可能在能力、响应速度和运行成本之间取得平衡。　　在本月发布的 2026 财年第四季度致股东信当中，CEO 迈克・坎农‑布鲁克斯称 Teamwork Graph 是 “Atlassian 最被低估的资产”，它可以帮助客户更高效地使用 AI。　　目前 Atlassian 向客户免费提供 Teamwork Graph，但公司发言人表示未来收费模式可能调整：未来会按照 AI 调用数据库的频次向客户收取部分费用。不过，Gemini 3.5 Flash Cyber 暂时不会向所有开发者开放。　　ServiceNow 在 4 月推出自研知识图谱，可以从 IT 管理等各类应用中实时抽取客户数据。

K | 它将通过 CodeMender 独家提供，仅面向受信任的合作伙伴开展有限访问试点。         单看代码表现          在 Arena 公布的前端代码竞技场排名中，Gemini 3.6 Flash 以 1537 分位列第 12 名，相比 Gemini 3.5 Flash 的第 21 名有明显进步。         结语          目前，Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正在 Gemini App 中陆续上线，开发者也可以通过 Google AI Studio 和 Android Studio 的 API 使用新模型。如果客户调用 Claude Code 这类外部 AI 工具访问这套图谱，ServiceNow 会向客户收费。

L |          至于正在内测的 Gemini 3.5 Pro，以及已经开始训练的 Gemini 4，或许才是 Google 留给下一次能力跃升的真正看点。　　亚马逊、Salesforce 存储的客户数据体量普遍高于 ServiceNow 与 Atlassian，它们同样推出了图数据库或同类数据管理产品。         最后，关于 Google 这次发布，我还有几句话想说          过去的大模型发布，最容易传播的是跑分又涨了多少，但是这几次跟Google家感觉已经不恋战了。　　图数据库先驱企业 Neo4j 创立于 2007 年，2021 年私募估值 24 亿美元，如今业务高速增长。CEO 埃米尔・艾夫雷姆透露，公司二季度营收已经超过 2025 全年总营收。　　“过去 20 年，我一直在四处宣讲图技术的价值，仿佛对着虚空呐喊，” 艾夫雷姆对我说，“而现在，所有人都在谈论它。

M | ”　　微软修复 Copilot 安全漏洞　　微软发言人证实，已经修复 Copilot AI 软件一处安全漏洞。它已经不太愿意继续纠缠于单纯的跑分竞争了。         Gemini 3.6 Flash 交出的依然还是近两年非常具有Google味儿的答卷：          综合智能分数可以不变，只要任务速度翻倍、token 用量减少、输出价格下降，模型依然能够获得非常实际的竞争力。该漏洞可被黑客利用，诱骗 AI 泄露企业内部数据。         可能有人会问：是不是 Google 已经卷不动了？          但在我看来，这更像是大模型竞争进入下半场的一个信号。         当头部模型之间的能力差距逐渐缩小时，开发者真正关心的问题会越来越具体：同一个任务需要等多久？一次调用要花多少钱？长上下文是否稳定？能不能支撑大规模并发？          从这个角度看，Gemini 3.6 Flash 是 Google 又一次明确面向落地效率的升级。漏洞由初创安全厂商 PromptArmor 发现，这家机构专门监测 AI 领域各类安全缺陷。（去年，Anthropic 也曾针对 Claude for Excel 产品做出调整，防范 AI 智能体潜在安全缺陷。）　　PromptArmor 的研究人员在 6 月发现，黑客可以构造恶意技能（Skill）—— 也就是企业可配置的一套 Copilot 指令集，欺骗 Copilot 向外吐出微软账号下的各类企业数据，包括 Outlook 邮件、SharePoint 文档、Teams 聊天记录。　　PromptArmor 联合创始人尚卡尔・克里希南表示，和此前曝出的同类漏洞原理相似：漏洞的核心是诱导 Copilot，把本应只留在 Copilot 内部的数据发送到黑客可远程操控的代理服务器。　　聊天机器人的技能插件如今越来越普及，机制类似 Chrome 浏览器插件，任何人都可以编写并发布给他人使用。Claude、ChatGPT、Perplexity 都支持技能功能。克里希南称，微软为 Copilot 内置了恶意技能扫描器，但未能捕获 PromptArmor 构造的恶意样本。　　微软官方声明：“感谢 PromptArmor 按照协同漏洞披露流程上报问题。我们已经完成漏洞修复，客户无需执行任何操作，现已受到保护。目前没有证据显示该漏洞已被实际利用。

N | 我们会持续强化安全防护能力。”责任编辑：郭明煜。

Current article:http://z8hv.cesangrangshunzashuangruijiu.pics/news/20260826_333.html

Published on:12:17:53