Gemini 2.5 回看：Google 推理能力追平的那一代，以及在 3.6 Flash 以 $1.50/M 输入价卖出同等能力之后，它今天读起来如何。
📌 2026 更新：这是对 Gemini 2.5 的存档评测——Google 2025 年的「思考模型」世代。这条产品线此后已跨入 3.x 时代——3.6 Flash 是当下的主力（2026 年 7 月），Gemini Omni 领衔多模态攻势。当前状态见我们的 Gemini 更新追踪页。我们保留这篇评测，是因为 2.5 是 Google 从追赶转为对拳的那一次发布。
Gemini 2.5——以 2.5 Pro 领衔——是 Google 的推理真正具备竞争力的那一代：一个在回答前先斟酌的「思考模型」、巨大的上下文，以及业界最深的生态集成。
它老去的方式是一个转折点，而不是一个顶点。2.5 世代证明了 Google 能与前沿推理持平；紧随其后的 3.x 策略——把接近前沿的能力推进便宜的 Flash 档，而不是守住一个 Pro 旗舰——才是真正改变了 Google 市场地位的东西。
从来没有 3.5 Pro 出货。 对一家此前每一代都守着 Pro 旗舰的公司来说，悄悄不发布一个，就是关于策略走向的最响亮的表态。Flash 优先这一课，直接来自 2.5 的经济账。
2.5 Pro 会可见地推演问题，在难任务上用延迟换可靠性。「思考预算」这个概念让开发者可以调这个取舍——这是主流产品里第一次把算力/质量的旋钮交到调用方手上，而不是藏在模型名字后面。
百万 token 级的上下文窗口，让「把整个代码库或语料一次装进去」的工作流变得可行。这不只是一个更大的数字；它改变了哪些问题可以在没有检索管线的情况下被处理。
搜索接地、Workspace 集成，以及后来成为 Google 招牌竞争武器的免费档慷慨度。分发一直是 Google 的结构性优势；2.5 是模型第一次好到让这个优势开始起作用的那一代。
面对 2025 年的对手，它有来有回：推理基准上有竞争力，上下文长度和性价比上领先，在智能体式编程的深度上落后于领跑者——这个分裂 一直延续到 2026 年的这条产品线上。
2.5 是 Google 从出一个模型转为出一个档位体系的那一代。这个结构——一个推理旗舰、一个成本优化的主力、一个最低延迟的选项——是每家厂商最终都收敛到的形态，而它的起源，正是 2.5 Pro 贵到没法当默认来用。
| 档位 | 目标任务 | 换掉了什么 |
|---|---|---|
| 2.5 Pro | 硬推理、长上下文分析 | 成本与延迟 |
| 2.5 Flash | 大批量默认 | 推理深度的峰值 |
| 2.5 Flash-Lite | 延迟敏感的简单任务 | 大部分推理能力 |
有意思的是接下来发生的事：主力档吸收旗舰能力的速度比所有人预测的都快，这正是为什么不需要 3.5 Pro。
2.5 把一个每次请求的算力旋钮交给了调用方。分类和抽取就调低；多步分析就调高。在此之前，唯一的杠杆是换一个模型——一个在集成时做出的、粗糙而昂贵的选择，而不是逐条请求的。
这是 2.5 留下的、尾巴最长的设计决定。此后每一家厂商的每一个推理模型，都提供了它的某个版本。
2.5 真正的创新，是把强推理做到便宜到可以当默认。3.x 的 Flash 线把这件事工业化了。3.6 Flash 的当前定价：
| 项目 | 价格 |
|---|---|
| 输入 | $1.50 / 百万 token |
| 输出 | $7.50 / 百万 token（3.5 Flash 上是 $9） |
| 缓存输入 | $0.15 / 百万 token |
| 上下文窗口 | 输入 1,048,576 / 输出 65,536 |
Google 在提升能力的同时下调了输出价格——正是 2.5 的经济账所预示的那一步。
这里有一处诚实的复杂性。在 Artificial Analysis 智能指数上，3.6 Flash 和 3.5 Flash 都得 50 分——没有可测量的改进。但在 Google 自己的基准上，3.6 拿出了实打实的涨幅：
| 基准 | 3.5 Flash | 3.6 Flash |
|---|---|---|
| DeepSWE | 37% | 49% |
| OSWorld-Verified | 78.4% | 83.0% |
| MLE-Bench | 49.7% | 63.9% |
| GDPval-AA v2 | 1349 Elo | 1421 Elo |
它在 Artificial Analysis 指数上还少用了约 17% 的输出 token——意味着拿到同样的分数，花的钱更少。
该怎么读：第三方聚合指数和厂商自选的基准，衡量的是不同的东西。token 效率的提升是真实且可独立观察的；能力跃升发生在 Google 自己挑的测试集上。两者都只当作局部信息来看。
3.6 Flash 于 2026 年 7 月 21 日发布，撞进一个三周的挤压期：Claude Sonnet 5（6 月 30 日）、GPT-5.6 GA（7 月 9 日）、Kimi K3（7 月 17 日）。按公开 API 价，GPT-5.6 Luna 仍然更便宜；Claude Sonnet 5 的每输出 token 价格大约是它的两倍。
性价比这个论点，完完全全。Google 此后的每一次发布，都是「把好推理做到便宜得足以当默认」的一次展开。
发布期的报道（包括本文的原始版本）依赖的是基准战的框架——「冠军」「最好的思考模型」。诚实的 2026 年读法是：**那个年代的基准领先，在三巨头之间每月轮换。**真正复利的是分发和单位经济，而 Google 在这两处的优势是结构性的，不是一时的。
「最好的模型」这个框架本身。在一个三周内落地四次前沿发布的市场里，没有任何单一模型能把「最好」这个位置守得足够久，久到让这个标签对买家有用。
2.5 世代已是遗产——继任者是 3.1 Flash（3 月）、3.5 + Omni（5 月那场「智能体时代」I/O），以及 7 月的三件套 3.6 Flash、3.5 Flash-Lite 和安全专用的 Flash Cyber。
从 2.5 拉出来的这条主线清晰可辨：把思考做便宜，再做到无处不在，再做成专门的。
| 月份（2026 年） | 发布 |
|---|---|
| 3 月 | 3.1 Flash |
| 5 月 | 3.5 + Gemini Omni——「智能体时代」I/O |
| 7 月 | 3.6 Flash、3.5 Flash-Lite、Flash Cyber |
五个月里三次 Flash 档发布，其中没有一个 Pro。这个节奏本身就是论据。
Flash Cyber——一个安全形态的变体——是档位结构开始沿着领域而不只是沿着成本分裂的第一个迹象。如果这个模式持续，「选哪个 Gemini」就会变成一个关于你工作负载形态的问题，而不只是关于你预算的问题。
5 月那次发布，把多模态推进了本该由 Pro 模型占据的旗舰位。可以把这读作：Google 对「什么取代 Pro」的回答是「换一个轴」，而不是一个更大的推理模型。
不该——从当前阵容开始。2.5 已经退役，它的继任者更便宜也更好。
该。Gemini 2.5 是现有最清晰的案例：一家公司如何把一个能力持平的时刻，通过选择分发经济而非旗舰声望，转化成一个持久的结构性优势。
迁移到 3.6 Flash 不只是能力升级，也是定价改善——输出从每百万 $9 降到 $7.50，同时 token 效率改善约 17%。这次迁移能自己把成本挣回来。
3.6 Flash 这个案例之所以有教学价值，恰恰因为两者不一致。当一家厂商在自己挑的测试集上贴出大幅提升，而一个独立的聚合指数显示没有提升，诚实的总结是「在这些特定任务上改进了」，而不是「改进了」。
同分之下输出 token 减少 17%，是任何排行榜位次都体现不出来的真实成本节省。对生产负载来说，这往往比基准上挪几分更重要。
Google 在推出能力更新的同时把输出价从 $9 降到 $7.50，这不是促销——这是在表态：Flash 档才是预期中放量的地方。
Sources: Google AI 更新存档 · Gemini API 变更日志 · Memeburn——Gemini 3.6 Flash 基准与定价 · Digital Applied——3.6 Flash 单任务价格分析 · OpenRouter——Gemini 3.6 Flash API 定价 · TechCrunch 谈 3.x 发布
原发布于 2025 年 7 月 · 2026 年 7 月 30 日大幅修订
Seedance 2.5 提供 30 秒音视频生成、50 个混合参考和时间轴编辑。本文区分官方能力、计费方式与仍需实测的边界。
MiniMax H3 生成带原生立体声音频的 2K 视频，公开按秒费率，并已按 Community License 发布 H3-Base 权重。
Hermes Agent 将持久记忆与可自我改进的技能结合；但安全与实际结果仍取决于你选择的后端、审批和审查方式。
OpenClaw 是能力很强的智能体运行时；它是否值得使用，取决于你是否认真配置网关安全、审查技能并持续运维。
2026 年 AI 音乐现状：Suno 与 Udio 的能力与官司、AIVA 的完整版权、华纳和解如何改写你的商用权限。
Sora 退场后的 AI 视频市场，带真实价格：每 10 秒 $0.50 到 $2.50，现在谁在榜首，以及怎么按镜头选。
诚实的 2026 免费层横评：Gemini 的慷慨套装、Claude 的质量优先方案、ChatGPT 的受限广度，以及免费何时不再够用。
GPT-5 2025 年 8 月发布时交付了什么、首月为何翻车，以及从 GPT-5.6 三档具名定价回看它的架构如何取胜。
