5月19日Google I/O发布Gemini 3.5 Flash，输出速度达同类模型4倍

2026年5月19日，Google在Google I/O开发者大会上发布Gemini 3.5 Flash。官方给它的定位是自家最强的智能体与编码模型，并强调了一个不太常见的指标：每秒输出token约为同类前沿模型的4倍。在模型能力日益接近的阶段，速度本身正在变成一种能力。对需要连续调用工具的智能体来说，输出每慢一秒，整条任务链的等待时间就会被成倍放大，这也是本次发布最值得留意的地方。

一、事件速览

Gemini 3.5 Flash于2026年5月19日的Google I/O上亮相，官方将其描述为面向智能体与编码任务的最强模型，Gemini 3.5 Pro随后跟进，形成Flash与Pro的双线配置。与过去强调综合跑分不同，这次发布把每秒输出token数放到了显要位置，背后是Agentic AI带来的持续推理负载：当模型需要连续思考数十步、反复调用工具，等待时间会被成倍放大。这一判断与智源研究院的观点一致，其将推理优化远未触顶列为2026年十大AI技术趋势之一，推理成本与效率由此成为全年竞争焦点。

二、关键数据与技术细节

• 发布时间为2026年5月19日，发布场合为Google I/O开发者大会，面向全球开发者同步释出。
• 官方定位为Google最强的智能体与编码模型，面向长链条工具调用与多步推理场景。
• 输出速度约为同类前沿模型的4倍，以每秒输出token数为口径，直接影响任务端到端耗时。
• 在Terminal-Bench 2.1上得分76.2%，考察命令行环境下的多步任务完成能力。
• Gemini 3.5 Pro在Flash之后跟进，构成同一代产品的双档配置，供不同预算的团队选择。
• 后续延伸出Gemini 3.6 Flash，7月21日进入稳定版，定价为输入1.50美元、输出7.50美元、缓存0.15美元。

三、行业影响与解读

把速度作为主打卖点，反映出任务形态的深层变化。在单次问答场景下，快一点只是体验优化；但在智能体场景中，一个任务可能包含几十次推理与工具调用，输出速度直接决定整条链路能否在可接受的时间内跑完。4倍的差距，足以让原本不可行的应用变得可用。与此同时，Flash线的定价明显低于Pro线，这种高速加低价的配置，瞄准的正是需要高频调用的商品化场景。对开发者而言，选型逻辑也随之改变：不再是单纯挑能力最强的模型，而是在能力、速度与单价之间找平衡点，因为智能体的每一次循环都会被计费，效率优化的价值被显著放大。

四、值得关注的信号

• 每秒输出token会成为与跑分并列的核心指标，被写进模型宣传的首页。
• Flash与Pro的分工趋于稳定，高频智能体任务将持续向Flash线迁移。
• 推理效率的优化空间仍被业内认为远未触顶，工程红利尚未释放完毕。
• 持续推理负载将推动调度、缓存与并行策略成为应用层的关键技术。

小结：Gemini 3.5 Flash的意义，在于把速度从体验指标提升为竞争指标。当智能体需要连续不断地思考，模型每快一秒，整条任务链就省下几十秒。配合明显更低的定价，Google在2026年打出的这张效率牌，指向的不是跑分榜，而是每天被调用数百万次的真实流水线。当速度成为卖点，慢就不只是体验问题，而会直接变成成本问题。