有人问:Gemini 3.5 Pro 到底怎么了,怎么一直不出?😅
先把时间线摆一摆。I/O 上画的饼没兑现,6 月 30 号的正式发布也跳票了,现在又推到了 7 月 17 号前后。一个旗舰,连着错过两个自己定的档期,这不太正常。
官方口径是”打磨质量”:早期企业用户试用之后,Google 回去改编码能力、改长任务表现,还有一项——token 效率。更能说明问题的是另一条:有报道说,这一版直接把 2.5 Pro 的架构推倒,重做了一套。你不会为了”再优化一点”去重写地基,那更像是承认上一代的底子不够用了。⚙️
但更有意思的,是它的定位。Google 把 3.5 Pro 摆成”更省钱的那个选择”——2M 上下文、Deep Think 推理层,配置拉满,主打的卖点却是:能力不缩水,又不用付旗舰的价。冲的是那些”想要好东西、但不想为每个 token 多掏钱”的企业客户。
这里面有个信号。前沿模型这场仗,”谁更聪明”其实已经比得差不多了——榜单前几名咬得死紧,差距越来越靠小数点。真正开始分胜负的,是”谁跑得起”:同一个任务,谁烧的 token 更少、谁的账单更薄。连 Google 这个级别的玩家,都肯让一个旗舰一拖再拖、甚至重写架构,就为了把 token 经济学调对——这本身就说明,成本不再是发布会最后一页的小字,而是这一代模型的正面战场。💸
这几个月真在用的人大概已经有体感了:同一档价位的模型,拿去跑 agent、跑长任务,月底账单能差出好几倍。差在哪?差在它每一步多读了多少、多绕了几圈。跑分测的是一道题答得对不对,账单测的是它答这道题走了多少弯路——这两件事,越来越不是同一回事。
所以你在等 Gemini 3.5 的时候,别只盯着它的跑分。上线那天,真正该看的是它每完成一个任务花掉多少 token——那个数字,比 benchmark 更决定你到底用不用得起。
说句公道话:token 效率只是官方列的几个方向之一,别把”太贵”当成唯一原因;架构重做也可能纯是能力没到位。但方向已经很清楚了。🧐
关注 @svtransit1 · 写给真在用 AI 的人
原始出处 · 第一条评论拿
#AI #Gemini #大模型 #AI成本
原始来源：https://finance.biggo.com/news/6f0c6bb2-795f-4c57-9d09-6db691d7638a
关注 @svtransit1 · 每 3 小时一篇 AI 前线 · RSS