天下武功，唯快不破。

作者｜金光浩

編輯｜靖宇

本周 Google I/O 大會上，谷歌發布了最新模型 Gemini 3.5 Flash。

Google I/O 大會發布 Gemini 3.5 Flash｜圖片來源：youtube

有趣的是，隔一天國內 Qwen3.7-Max 也發布了，并且兩個模型都號稱自己在 Agent 場景上做了深度優化。

我看到他們的第一反應是：又是新一輪「模型大戰」，國內外廠商再次開啟跑分競賽。

但這次我花了兩天時間實測之后，我發現Gemini 3.5 Flash 給我最大的感受不是它有多聰明，而是它的速度快到讓我不得不重新想一個問題：

當模型的響應速度從「能用」變成「實時」，整個 Agent 的使用體驗會發生什么質變？

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 這個 Agent 基準測試上拿了 83.6% 的 SOTA 水平，甚至超過了 GPT-5.5 的 75.3% 和 Claude Opus 4.7 的 79.1%。

代碼能力在 Terminal-Bench 2.1 上得分 76.2%，超過了自家上一代旗艦 Gemini 3.1 Pro 的 70.3%。

這意味著一個 Flash 定位的模型，在干活能力上已經逼近甚至超過了許多旗艦產品。

Gemini 3.5 Flash 的各項性能｜圖片來源：Google 播客

定價方面，輸入 1.5 美元/百萬 token，輸出 9 美元/百萬 token。它跟 Claude Opus 4.7 輸入 5 美元輸出 25 美元的定價比，便宜了幾倍。跟 GPT-5.5 比，也有明顯的價格優勢。

但真正讓它在一眾模型中脫穎而出的，是 289 tokens/秒的輸出速度：首 token 延遲大約 65 毫秒，比其他前沿模型快了 4 倍左右。

Gemini 3.5 Flash 在性能 * 速度方面獨一檔｜圖片來源：Google 播客

它在 benchmark 做到了許多維度的 SOTA，具體用起來到底怎么樣？

02

實測：

Gemini 3.5 Flash vs Qwen3.7-Max

先提一下：Qwen3.7-Max 和 Gemini 3.5 Flash 在 Text Arena 上的分數比較接近。

Gemini 3.5 Flash 和 qwen3.7-max 的評分很接近｜圖片來源：Arena

Qwen3.7-Max 這個模型，在評測集上已經超過了國內的旗艦模型 Kimi 2.6、GLM-5.1、DeepSeek-V4，是目前國內的第一水平，效果也非常接近國外的頂尖模型。

Qwen 這次也專門為 Agent 可靠性設計，支持長達 35 小時的端到端自主任務執行，推理內核經過深度 GPU 優化，速度提升達 10 倍。

Qwen3.7-Max 的效果｜圖片來源：Qwen

兩個面向 Agent 場景的頂級選手放在一起測，真實效果會如何呢？

第一個測試：寫一首給自己的小情詩

提示詞：幫我寫首給自己的小情詩

這是個輕量級任務，主要看基礎文本生成的速度和質量。

Qwen3.7-Max 輸出用了 30 秒，Gemini 3.5 Flash 用了 11 秒。速度差距接近 3 倍。

質量上，Qwen 的中文文筆確實更好一些，遣詞造句更有韻味。Gemini 雖然中文表達稍顯直白，但考慮到 11 秒的響應時間，這個響應體驗已經很接近即時對話了。

Qwen 3.7-max 實測 ｜圖片來源：Zenmux

Gemini 3.5 Flash 實測 ｜圖片來源：Zenmux

如果你只是日常聊天寫文字，兩者都夠用。

但如果場景換成 Agent 產品，用戶每說一句話都在等回復，11 秒和 30 秒的差距就是「流暢對話」和「明顯在等」的區別。

第二個測試：Golden Gate Bridge 3D 體素模擬

提示詞：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.

我給了一個非常復雜的 Three.js 需求，要求生成一個帶晝夜系統、霧氣效果、交通流、船只和鳥群的金門大橋 3D 場景，輸出必須是單文件 HTML，不能用任何構建工具。

Qwen3.7-Max 輸出用了 204 秒，消耗了 14770 個 token。Gemini 3.5 Flash 用了 157 秒，但消耗了 35996 個 token。

Qwen 3.7-max 實測 ｜圖片來源：Zenmux

Gemini 3.5 Flash 實測 ｜圖片來源：Zenmux

這里出現了一個有意思的現象：Gemini 雖然總耗時更短，但 token 消耗是 Qwen 的 2.4 倍。

換句話說，Gemini 完成同樣任務寫的代碼消耗的 token 確實更「多」，這也意味著整體 Gemini 在執行任務的費用更貴。

不過 Gemini 3.5 Flash 因為每秒吐出的 token 數量遠高于對手，所以還是能保持總時間反而更短。

視覺效果上，Qwen3.7-Max 的整體層次感更豐富，光影和氛圍做得更細膩。Gemini 則勝在橋的結構細節，懸索、塔柱的比例更接近真實的金門大橋。

兩者各有所長，都是高水準的輸出。

第三個測試：macOS 菜單欄語音輸入應用

提示詞：https://github.com/yetone/voice-input-src

模型能力強不強，Agent 場景才是真正拉開差距的地方。

前兩個測試本質上都是「一次性生成」——給個提示詞，模型輸出一段內容就結束了。但真實的 Agent 工作流不是這樣的，它是一個長程任務，需要模型反復與環境交互、試錯、修正。

所以這次，我讓兩個模型各自實現一個完整的 macOS 語音輸入應用。這個開源項目很有意思：倉庫里只有一份提示詞，沒有任何代碼。想到朋友說的那句話：在 AI 時代，文檔是資產，代碼是負債。

我把需求丟給兩個模型，分別在 Claude Code 上跑。需求包括：Fn 鍵全局監聽、流式語音識別、懸浮窗動畫、輸入法兼容處理、LLM 糾錯集成、菜單欄配置界面，最終要求輸出簽名好的 .app 包。

結果差距非常大：

Qwen3.7-Max 跑了 55 分鐘，但是程序也沒能一遍過，中間出現編譯錯誤，需要人工介入。

Qwen 3.7-max 實測 ｜圖片來源：Zenmux

而 Gemini 3.5 Flash 僅跑了 10 分鐘，程序直接一遍過。

Gemini 3.5 Flash 實測 ｜圖片來源：Zenmux

從 55 分鐘到 10 分鐘：將近 5 倍的效率差距，而且 Gemini 的輸出是直接能用的，不需要額外調試。

這個結果讓我有點意外：

之前寫詩和做 3D 的測試里，兩者差距并不大。但一旦進入 Agent 編程的場景，Gemini 3.5 Flash 的 Agent 能力和速度優勢被急劇放大了。

原因也很好理解：Agent 執行長程編碼任務，不是一次性輸出一大段文字，而是要反復調用工具、讀取反饋、修改代碼、再次執行。每一輪交互都省下來的時間累積起來，差距就變得巨大。

03

模型體驗正在進入 4G 時代

我用了一個可能不太精確，但很直觀的說法：

過去大模型的生成速度更接近 3G 的體驗，你知道它在工作，但你需要等。

而 Gemini 3.5 Flash，讓我第一次感受到了接近 4G 的流暢度。

這種速度上的變化帶來的不僅僅是「快一點」的體驗提升，它直接決定了某些產品形態能不能成立。

比如 AI 陪伴這個場景：最近520 EVE 火了，王登科最近也上線了 AI 陪伴產品 The One。

在陪伴場景里，用戶對回應速度的敏感度極高：

如果對方兩三秒就能回你，那種感覺是「在聊天」，但如果要等十幾秒，那種感覺是「在等一個機器給你生成內容」。

而 Gemini 3.5 Flash 65 毫秒的首 token 延遲，289 tokens/秒的輸出速度，意味著用戶幾乎感受不到等待。

微信里的 AI 陪伴 The One ｜圖片來源：微信

但速度和智能之間存在一個很現實的矛盾：

GPT-5.4 剛出來的時候，編程效果超過了 Anthropic 4.5，但很多人還是選擇繼續用 Anthropic 4.5。

為什么？因為在實際工程任務里，穩定性和指令遵循的精度有時候比極致的聰明更重要：

模型想變得更聰明，通常意味著參數量更大、推理鏈更長，這就會導致速度下降。

所以行業里開始出現一種分化：有的公司死磕模型能力上限，有的公司則專注于在保持夠用的智能水平的同時，把速度推到極致。

Gemini 3.5 Flash 選擇了后者，而且做得相當激進：它甚至把默認推理檔位從上一代 Flash 的 High 降到了 Medium，主動降低推理深度來換取速度提升。

Google 在這里做了一個關鍵的決策：對于 Agent 場景來說，快比聰明更重要。

這個判斷對不對？從 Agent 的發展趨勢來看，它很可能是對的。

04

速度對 Agent 意味著什么

回到文章開頭那個問題：

當模型的響應速度從「能用」變成「實時」，Agent 的使用體驗會發生什么質變？

我想從兩個維度來回答。

第一個是實時交互的體驗升級。

Claude Code 這類 Agent 產品在執行任務時，用戶能明顯感覺到模型在「思考」「等待」「處理」的間隙。

這些間隙加起來，一個 20 分鐘的任務可能有 5 分鐘是你在看它轉圈。

當速度快 4 倍，這些間隙被大幅壓縮，整個過程變得更像「你交代任務，它流暢執行」，而不是「你交代任務，它斷斷續續地干」。

第二個維度更有意思，也是我覺得 Gemini 3.5 Flash 真正的價值所在：

它讓 Agent 能在相同時間內完成更多的事。

想象一下這樣一個場景。假設你讓一個 Agent 跑 24 小時來完成一個大型項目。如果模型輸出速度是原來的 4 倍，在 Agent 調用工具的時間不變的前提下，一天內的產出可能提升 2 到 3 倍。

這個計算很粗略，因為 Agent 執行過程中有大量時間花在等待工具返回結果、讀取文件、編譯代碼上，這些時間不會因為模型變快而縮短。但模型思考和輸出代碼的那部分時間確實能被大幅壓縮。

而最近的趨勢是，Agent 執行任務的時間越來越長：

Claude Code 在不斷優化它的任務編排能力；OpenAI Codex 最近推出了 /goal 功能，可以讓Agent連續運行幾小時甚至幾天直到任務完成；各家都在努力拉長模型的持續工作時間：從半小時的任務到幾小時的項目，再到 Qwen3.7-Max 宣稱支持的 35 小時端到端執行。

任務時間線被拉長的同時，模型響應速度的價值也在同步放大：

一個 10 分鐘的任務，省幾分鐘你可能無感。

但當任務拉長到 10 小時、24 小時，省下的時間可能是小時級的。

即使只算模型輸出環節快 4 倍，一天的長程任務也能多擠出好幾個小時的有效產出。

Agent 的長程工作時間越來越長 | 圖片來源：Anthropic

這就是 Gemini 3.5 Flash 對 Agent 生態真正的價值：

它讓 Agent 的生產效率提升了一個量級，而且這個收益會隨著任務時長的增加而持續放大。

05

長程 Agent 能力之王

寫到這里我想做個總結。

Gemini 3.5 Flash 有明顯的短板：它在 Humanity's Last Exam 上只拿了 40.2%，低于自家上一代 Pro 的 44.4%。在抽象推理、長文檔檢索等測試中表現也不算突出。

它確實「偏科」，這是有意而為之，Google 主動在某些能力上做了取舍：

Gemini 3.5 Flash 選擇了 Coding 和 長程 Agent 能力，比如在 APEX 基準測試上（評估模型在真實工作場景中執行跨應用、長跨度任務的能力），Gemini 3.5 Flash 排名全球第一。

Gemini 3.5 Flash 在 APEX 獨一檔 | 圖片來源：artificialanalysis

但如果你把視角從「模型對比」切換到「Agent 工具選型」，你會發現這些短板在很多實際場景里并不致命：

大部分 Agent 任務不需要模型去回答「人類最后一考」那種綜合知識題，它需要的是快速生成代碼、準確調用工具、高效處理多步驟工作流。

而在這些場景上，Gemini 3.5 Flash 做到了又快又好。

前兩天聽了一期播客，張小珺對姚順宇的四小時訪談，姚順宇是從 Anthropic 跳到 Google DeepMind 的研究科學家，參與過 Claude 3.7 和 Gemini 3 的開發。

張小珺和姚順宇對談 | 圖片來源：小宇宙

他有句話讓我印象很深：現在模型在紙面上看著都差不多，benchmark 高一個點低一個點，那些差距主要是噪聲而不是信號，實際用起來，區別依然明顯。

然后他聊到自己現在的研究重心，兩件事：AI 自己做研究，以及 long horizon。Long horizon 就是讓模型在更長的時間跨度里持續工作，完成那些一句提示詞搞不定的復雜任務。

Gemini 3.5 Flash 無疑是這個觀點印證，它的發布標志著一個新階段的開始：

以前我們選模型看的是「誰最聰明」。但當Agent成為主要的調用方式，答案可能要改成「誰能讓Agent跑得最快、最遠、最穩」。它也是第一個讓我明確感知到這個拐點的產品。

如果你正在用 Claude Code 或者其他 Agent 工具做開發，我建議試試把底層模型切到 Gemini 3.5 Flash 跑幾個項目。

你會發現：那種 10 分鐘交付一個完整應用的體驗，用過之后很難回去。

畢竟，天下武功，唯快不破。

*頭圖來源：youtube

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你認為大模型的速度和能力，

哪個更重要？