\n\nGoogle 在 I/O 大会发布了 Gemini 3.5 Flash 和 Omni 模型。Flash 版性能超越 3.1 Pro，推理速度极快且成本极低，在多项基准测试中比肩甚至超越顶尖前沿模型。
译自：Google's Gemini 3.5 Flash beats the frontier models
作者：Frederic Lardinois
在其 I/O 开发者大会上，Google 于周二发布了两款新的 AI 模型：Gemini 3.5 Flash，这是其 Gemini 系列中的最新模型，以及 Gemini Omni Flash，这是一款全新的多模态模型，正如 Google 所言，它可以“根据任何输入创建任何内容”。
Gemini 3.5 Flash
Gemini 3.5 Flash 是 Gemini 3.5 系列中的第一个模型。Pro 版本仍在开发中，预计将于下个月发布，但即使是 3.5 Flash 在大多数基准测试中也超越了现有的 3.1 Pro 模型。
例如，在 TerminalBench 2.1 中，使用 Gemini CLI 解决编程问题时，3.1 Pro 目前得分为 70.3%，而 3.5 Flash 的得分则达到了 76.2%。
虽然这还比不上 OpenAI 的 GPT 5.5，但对于一个 Flash 模型来说，这已经是非常稳健的表现了。
新的 Flash 模型在其他基准测试中也获得了优于 3.1 Pro 的类似结果，包括 GDPval-AA（1656 Elo 对比 1314）、MCP Atlas（83.6% 对比 78.2%）以及 CharXiv 推理（84.2%）。
Gemini 3.5 Flash 基准测试。图片来源：Google。
但或许更有趣的是，它在相当多的基准测试中具有竞争力，有时甚至超越了 OpenAI 的 GPT-5.5 和 Anthropic 的 Opus 4.7 等旗舰模型。
在工具使用基准测试中尤其如此。正如 Google 首席执行官 Sundar Pichai 在今天发布会前的媒体简报中所指出的，Gemini 3.5 Flash 是“将前沿智能与行动相结合的一系列模型中的首个”。
他指出，Flash 接近于最顶尖的前沿模型，而且速度非常快。Artificial Analysis 将其排在 OpenAI 和 Anthropic 的前沿模型之后，但其每秒生成 Token 的速度明显更快（接近每秒 280 个 Token，而 GPT-5.5 和 Opus 4.7 约为 60 或 70 个）。
“Flash 的惊人之处在于，它以不到一半的价格——在某些情况下几乎只有同类前沿模型三分之一的价格——提供了前沿级别的能力，”Sundar Pichai 指出。
Google 指出，3.5 Flash 在运行长周期代理任务（包括代理编码）方面表现尤为强劲。这也是为什么该模型成为 Gemini Spark 核心的原因，Gemini Spark 是 Google 在 I/O 大会上推出的全新个人 AI 代理（目前仅向受信任的测试人员开放）。
鉴于 Flash 模型的能力，Pro 模型可能至少会与来自 OpenAI 和 Anthropic 的同类模型旗鼓相当，并可能在至少某些基准测试中超越它们。
Gemini 3.5 Flash 可用性
Gemini 3.5 Flash 现在可通过 Google AI Studio 和 Android Studio 中的 Gemini API、Gemini Enterprise Agent Platform（又名 Vertex AI）、Gemini Enterprise 以及 Google Antigravity 使用。
对于消费者，它也可以在 Gemini 应用和 Google 搜索的 AI 模式中使用。
图片来源：The New Stack
Gemini Omni
Gemini Omni 是一款略有不同的模型。在某种程度上，Gemini 模型一直被设计为多模态，但 Omni 将这一特性推向了更深层次。在当前版本中，它有点像 Veo（Google 的视频生成模型），但随着时间的推移，它也将支持图像和音频。
因此，尽管 Google 表示 Omni 可以“根据任何输入创建任何内容”，但目前它仅从视频开始。在过去的一年左右时间里，视频领域取得了长足的进步，Omni 将用户现在对图像模型的许多期待能力带到了视频领域。
与 Gemini 3.5 一样，Omni 目前也仅发布了 Flash 模型，它允许用户更改视频中的特定内容。例如，可以通过添加新角色和对象，或者改变环境、角度和风格，来完全重塑镜头。Google 表示它可以做到这一点，且“绝不会丢失原始场景的连贯性”。
正如 Google 所强调的（其他前沿实验室往往也对其视频模型持相同观点），Omni 的世界模型对重力、动能和流体动力学具有“直观”的理解，这应当能产生逼真的场景。
因为它具有多模态属性（或很快就会具备），Omni 可以接受图像、文本、视频和音频（或这些的任何组合）作为输入来构建最终场景。
使用 Gemini Omni 创建。图片来源：Google。
为您（及周围人）的安全而设计的数字分身
生成式视频容易被用于深度伪造（deepfakes）和虚假信息活动。Google 表示，它“致力于负责任地开发 AI，并拥有明确的政策来保护用户免受伤害，并监管我们 AI 工具的使用”。在实践中，这意味着你目前可以使用自己的声音和自己的形象化身来创建视频。
“除了分身功能，在编辑视频以改变音频和演讲方面，我们仍在努力进行测试，以更好地了解如何负责任地将这种能力带给用户，”Google 表示。
所有使用 Gemini Omni 创建的视频都将包含 Google 的 SynthID 水印。全 工智能
