Google Gemini 三款新模型齐发：企业如何选型并落地 AI Agent？

2026 年 7 月 21 日，Google 发布 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber。三款模型分别面向复杂任务、高并发工作流和网络安全场景。

这次更新释放出一个清晰信号：大模型竞争正从单纯追求能力上限，进入对效率、成本和可靠性的综合竞争。

核心判断：企业 AI 正从“模型能力展示”，走向对效率、成本与可靠性的综合竞争。

大模型进入企业之后，大家很快发现：

模型“答得好”只是第一步。真正困难的是让它以可控的成本、稳定的速度，持续完成真实业务任务。

先看结论：三款模型怎么选？

一句话概括  3.6 Flash 负责“想清楚”，3.5 Flash-Lite 负责“跑得快”，3.5 Flash Cyber 负责“查漏洞”。

对企业来说，这意味着不必再让同一个大模型处理所有任务。

更合理的方式是按照任务复杂度、响应时间和业务价值，为不同环节选择不同模型。

Gemini 3.6 Flash : 企业 Agent 的主力模型

Gemini 3.6 Flash 是此次发布的主力，重点提升了编程与软件工程、知识工作与复杂分析，以及文档、图表等多模态内容处理能力。

根据 Google 引用的 Artificial Analysis Index 数据，与 3.5 Flash 相比，3.6 Flash 的输出 Token 使用量减少约 17%；在部分编程测试中，Token 消耗降幅最高达到 65%。

这项改进为什么重要？

因为企业 Agent 往往需要经历“理解任务—制定计划—查找信息—调用工具—检查结果—输出结论”等多个步骤。

更少的推理步骤和工具调用，意味着：

· 单个任务成本更低；

· 整体响应速度更快；

· 多轮执行中的错误更少；

· 高并发运行时更加稳定。

Google 公布的测试结果显示，3.6 Flash 在编程、机器学习研究、计算机操作和知识工作方面均超过上一代模型。

计算机操作能力也已经作为客户端工具进入 Gemini API 和 Gemini Enterprise，让 Agent 可以进一步执行跨系统任务。

官方价格：每百万输入 Token 1.50 美元；每百万输出 Token 7.50 美元。

它适合承担企业 Agent 中需要综合判断、复杂推理和结果汇总的“主控”角色。

Gemini 3.5 Flash-Lite:让 Agent 真正规模化运行

商品属性提取、客户反馈分类、票据翻译与总结、合同字段抽取、搜索结果初筛——这些任务数量多、频率高、流程相对明确，企业更关心速度和单位成本。

Gemini 3.5 Flash-Lite 正是针对这类场景设计。

根据 Artificial Analysis 的测试数据，该模型的输出速度约为每秒 350 个 Token。

官方价格：每百万输入 Token 0.30 美元；每百万输出 Token 2.50 美元。

企业还可以配置不同的“思考等级”：

简单任务选择较低等级，优先控制延迟和成本；多步骤任务提高思考等级，换取更强的执行能力。

在数据分析 Agent 中，可以让 3.6 Flash 负责理解问题、制定计划和汇总结论，同时让多个 3.5 Flash-Lite 实例并行完成文档解析、数据抽取、信息分类和结果校验。

架构启示：“主模型规划、轻量模型执行”通常比所有任务都调用同一个模型更经济，也更容易扩展。

Gemini 3.5 Flash Cyber：让 AI 帮助修复代码漏洞

Gemini 3.5 Flash Cyber 基于 3.5 Flash 进行专门优化，主要用于发现代码漏洞、验证漏洞、生成修复方案以及协助安全团队规模化处理风险。

它将与 Google DeepMind 的代码安全 Agent——CodeMender 结合使用。

多个 Flash Cyber Agent 可以协同分析代码，最后形成综合安全报告。

由于安全模型具有明显的双重用途，Google 暂时不会通过普通 API 全面开放 Flash Cyber，而是计划通过 CodeMender，以有限试点方式向政府机构和可信合作伙伴提供。

治理提醒： AI 安全不能只关注模型本身，还要同步建立权限控制、操作审计、数据隔离和人工确认机制。

企业真正需要的，不只是“选模型”

未来，一个成熟的企业 Agent 很可能包括三层：

第一层：主模型｜理解目标、规划流程、处理复杂判断并生成最终结论。

第二层：执行模型｜完成搜索、抽取、分类、转换等高频、可并行工作。

第三层：专业模型｜处理安全、代码、金融等需要专业能力和严格权限控制的任务。

因此，企业在选择模型时，需要同时回答：

· 哪些业务适合使用 AI Agent？

· 一次完整任务的成本是多少？

· 不同任务如何路由到不同模型？

· 如何连接企业内部数据和业务系统？

· 如何控制模型访问数据的权限？

· 模型出错或超时后如何处理？

· 哪些步骤必须保留人工审核？

从概念验证走向生产环境，真正困难的往往不是调用模型，而是完成模型、数据、流程和安全体系之间的整合。

NebulaData 可以提供哪些支持？

作为合作伙伴，NebulaData 可以协助企业评估 Google Cloud 与 Gemini 模型在实际业务中的应用价值，并规划从验证到生产落地的完整路径。

1. AI 场景与需求咨询

梳理适合生成式 AI 和 Agent 的业务流程，明确预期收益、应用边界与主要风险。

2. 模型选型与成本评估

围绕回答质量、任务成功率、响应时间、Token 消耗和高并发稳定性，对候选模型进行真实工作负载测试。

3. 企业数据与 Gemini 集成

规划模型与数据仓库、知识库、文档系统及业务应用的连接方式，让 Agent 在权限允许的范围内使用企业数据。

4. Agent 原型与落地架构

设计任务流程、模型分工、工具调用、异常处理、人工审核以及持续监控机制。

5. 安全与治理咨询

完善身份权限、敏感数据保护、Prompt 与输出审计、人工审批和风险监控。

如何开始？建议先做一个“小而真实”的验证

企业不需要一开始就建设覆盖全公司的 AI 平台。

更稳妥的方式，是选择一个范围明确、数据可获得、结果可衡量的业务流程，进行短周期验证。

批量解析合同或报告；

自动整理客户反馈；

构建企业知识问答；

生成数据分析摘要；

辅助代码检查与研发工作。

验证过程中，重点记录任务成功率、人工节省时间、响应速度和实际调用成本，再决定是否扩大应用范围。

结语

Gemini 3.6 Flash 提升复杂任务的质量与效率，3.5 Flash-Lite 支撑高并发、低成本工作流，3.5 Flash Cyber 则把模型能力延伸至专业安全领域。

趋势判断  企业 AI 正从“模型能力展示”，走向“单位任务价值”的竞争。

真正决定 AI Agent 能否规模化落地的，不只是模型有多强，而是它能否以可预测的成本、稳定的质量和可治理的方式，持续完成真实业务任务。

如果您的企业正在评估 Google Cloud、Gemini 或 AI Agent 的应用路径。

NebulaData 可以从场景梳理、模型选型、成本测试、数据集成到落地架构，提供针对性的咨询与技术支持。

欢迎联系我们，一起找到适合您业务的 AI 落地起点。

参考资料:

Google, “Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber”, 2026 年 7 月 21 日。

注：文中的模型价格、性能数据和开放范围来自 Google 官方发布信息，后续可能调整，请以实际产品页面为准。

Nebula Data 星雲數據，总部位于新加坡，在雅加达、广州、上海、香港设有分支机构。公司自主研发 Nebula Lab 多模态智能体协同编排SaaS平台，

面向千行百业的AI Agent构建与应用底座模型、数据、工具与业务流程，加速行业智能体落地；同步推出 Nebula AIoT 硬件生态体系（含智能交互终端、物联网网关等产品），

形成 “云 - 边 - 端” 全链路智能解决方案，为电商、制造、零售等多领域客户提供从云端算力支撑、AI 智能决策到终端场景落地的一体化服务；

同时提供全球 AIDC（AI 智算中心）+ 低延迟网络服务，以技术底座赋能企业拥抱 AI、链接物理世界，拓展全球业务。