Gemini 3.5 Pro迟到数月

谷歌的下一代旗舰模型，仍然没有等来发布日期

截至北京时间 2026 年 7 月 24 日，谷歌尚未发布被视为下一代旗舰模型的 Gemini 3.5 Pro，而多家媒体援引内部人士称，其开发进度已经落后原计划数月。

Gemini 3.5 Pro 是谷歌正在开发的新一代高性能通用模型，目标是承担复杂推理、代码生成、多模态理解和企业级智能体任务。 彭博社此前报道称，该模型未能按照原计划推进；Axios 最新采访的六位谷歌 DeepMind 现任及前任员工则表示，员工士气低落、人才流失和内部争议也是延期的重要原因。

谷歌并未公开确认 Gemini 3.5 Pro 的最终发布日期，也没有发布模型参数、基准测试成绩和正式价格。这意味着，外界目前只能确认旗舰模型缺席，无法通过公开跑分判断它究竟比竞争对手落后多少。

Gemini 3.5 Pro 的问题已经不只是一次普通跳票，而是谷歌能否维持前沿模型迭代速度的压力测试。 对一家拥有自研 TPU、全球级数据中心、搜索数据和顶尖研究团队的公司来说，算力与资金都不是最稀缺的资源；真正稀缺的是让研究、产品、安全和商业团队在同一时间表下完成交付的组织能力。

延期数月，编码能力据称是直接瓶颈

AI 编码能力是指模型理解代码库、生成和修改程序、定位缺陷并完成软件工程任务的综合能力。 它与回答一道算法题不同，更接近让模型进入真实项目，在多个文件、依赖关系、测试用例和运行环境之间连续工作。

据彭博社此前援引十位现任及前任谷歌员工的报道，Gemini 3.5 Pro 的直接瓶颈之一是编码表现未达到内部预期。谷歌在 6 月底更新了训练数据，希望改善代码生成效果，但内部测试结果据称仍不理想。

编码能力已经从模型发布会上的展示项目，变成前沿模型最重要的商业入口之一。 企业愿意为代码智能体付费，不是因为它能补全一行函数，而是因为它可以阅读仓库、调用工具、执行测试、修复错误，再根据测试结果继续迭代。这个场景要求模型同时具备长上下文理解、规划、工具使用和低错误率，任何一项短板都会被放大。

谷歌面临的难题是，旗舰模型不能只在少数榜单上追平对手，还必须在真实软件工程流程中保持稳定。 如果模型生成一段代码的成功率是 90%，看上去已经很高；但一个任务若需要连续完成十个相互依赖的步骤，理论上的全流程成功率只有约 35%。前沿模型厂商因此越来越重视多步执行和错误恢复，而不只是单轮代码生成。

目前没有公开证据表明 Gemini 3.5 Pro 在某个具体编码基准上落后多少。谷歌没有发布 SWE-bench、Terminal-Bench 或内部软件工程评测数据，媒体报道也没有给出可复核的分数，因此把“落后数月”直接等同于“性能落后几代”并不严谨。

发布日期的落后仍然会转化为产品层面的落后。 模型晚发布一个月，意味着开发者反馈、企业部署、智能体适配和推理优化也晚一个月；当竞争对手以数周为周期更新时，数月延期足以让对方完成一轮模型、工具链和客户案例的闭环。

小模型持续更新，反而放大了旗舰缺席

轻量模型是以较低推理成本和更短响应时间为目标，主动牺牲部分复杂任务能力的模型。 谷歌近期仍在推进 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite，以及面向网络安全任务的 Gemini 3.5 Flash Cyber，说明 DeepMind 的模型发布管线并未完全停摆。

小模型能够守住调用量，却无法替代旗舰模型建立技术上限。 Flash 类模型适合高并发客服、信息抽取、内容审核和简单代码辅助，但企业在复杂编程、科研分析和自主智能体场景中，首先比较的仍是各家的最强模型。

| 模型或产品线 | 当前状态 | 主要定位 | 编码与复杂推理 | 价格信息 | 现阶段判断 | |---|---|---|---|---|---| | Gemini 3.5 Pro | 据称延期数月，尚未正式发布 | 谷歌下一代旗舰模型 | 据报道未达到内部预期，暂无公开跑分 | 尚未公布 | 决定谷歌能否守住第一梯队上限 | | Gemini 3.6 Flash | 已推出或进入市场投放阶段 | 低延迟、高吞吐任务 | 更强调效率，不以最高能力为首要目标 | 以谷歌正式页面为准 | 能补充产品线，不能替代 Pro | | Gemini 3.5 Flash-Lite | 已推出或进入市场投放阶段 | 成本敏感型批量任务 | 适合结构化处理和轻量生成 | 公开资料未在本次报道中统一列明 | 有利于规模化使用，但难承担复杂智能体 | | Gemini 3.5 Flash Cyber | 面向网络安全的专用版本 | 安全分析与相关工作流 | 侧重垂直领域，而非通用能力上限 | 尚无完整可比价格数据 | 场景明确，但市场范围有限 | | OpenAI、Anthropic旗舰模型 | 持续迭代 | 通用推理、编码与智能体 | 已成为谷歌内部比较对象 | 各家计费结构不同 | 在开发者心智和企业编程场景中施压谷歌 | | Meta AI模型体系 | 持续推进 | 模型能力、开放生态及消费级入口 | 竞争重点因产品而异 | 无法与闭源旗舰直接按单一价格比较 | 高管公开嘲讽反映竞争气氛升温 |

表格中没有填写未经官方确认的基准分数，也没有把不同上下文长度、缓存机制和推理模式下的价格强行换算。模型比较只有在任务、输入输出规模和推理预算一致时才有意义，单看一个总榜名次很容易得出错误结论。

Meta AI 负责人 Alexandr Wang 已在 X 上用“Gemini？没听说过”公开调侃谷歌，其他竞争对手也在追问更强模型何时就绪。高管间的口水战没有技术含量，但它说明谷歌正在丢失一种更重要的资产：市场默认其下一次发布会带来领先模型的预期。

技术问题背后，是谷歌式组织内耗

组织内耗是多个团队在目标、资源和决策权上相互牵制，最终降低整体交付速度的状态。 对谷歌来说，训练出一个强模型只是第一步，模型还要进入搜索、云服务、Android、YouTube、Workspace 和开发者工具，任何一条产品线都可能提出不同的成本、安全与发布时间要求。

前员工将推动谷歌各部门朝同一方向前进，形容为“把整个海洋的水烧开”。这个比喻并不夸张：Google Cloud、DeepMind 和 Android 团队都在开发面向程序员的 AI 工具，部分消费者产品团队也参与其中，重叠项目会争夺相同的算力、人才和内部渠道。

重复造轮子的问题不在于谷歌缺少项目，而在于太多项目都希望成为统一入口。 一个团队希望模型优先服务云客户，一个团队要求它与 Android 深度结合，另一个团队则要保护搜索广告的用户体验；这些目标单独看都合理，放在同一发布日期前就会互相冲突。

内部算力竞争也会拖慢实验节奏。谷歌虽然拥有自研 TPU 和庞大的数据中心，但前沿训练、后训练、评测以及产品推理都在争夺高端计算资源；当研究人员无法快速重复实验时，训练数据更新后的负面结果就更难被及时定位。

谷歌早期对内部代码使用生成式 AI 的谨慎政策，也可能让它错过了一部分产品反馈窗口。 出于专有代码保护和训练数据治理考虑，谷歌一度限制员工用 Gemini 编写或分析内部代码，相关政策后来有所放宽，但组织级使用习惯不会随着一条政策立即改变。

联合创始人谢尔盖·布林一直在推动 AI 编程产品提速，谷歌首席 AI 架构师 Koray Kavukcuoglu 也在尝试统一内部工具，DeepMind 还组建了专门的 AI 编程团队。这些调整方向是对的，但组织重构的见效周期通常比模型训练周期更长，难以立刻解决 Gemini 3.5 Pro 的发布时间问题。

军方合作争议正在消耗员工士气

谷歌与美国国防部的合作协议，是本轮 DeepMind 员工不满的另一条导火索。 据 Axios 报道，谷歌在 2026 年 4 月达成了一项允许美国军方使用其技术的协议，多名员工在离职面谈中提到了这项合作。

一位知情人士将内部争议描述为一场“持续的战斗”，并称其造成了“情感上的倦怠”。DeepMind 前研究科学家 Alex Turner 也表示，自己因谷歌的军事合同而辞职。

军事合作争议对模型进度的影响不是某段训练代码突然失效，而是团队信任和人员稳定性下降。 前沿模型项目高度依赖经验积累，负责数据、架构、评测和后训练的核心研究员很难被即刻替代；一个关键成员离开，可能让多个实验失去上下文。

DeepMind CEO Demis Hassabis 最近发布了新的 AI 安全框架，但有前员工认为，他在公司内部的可见度不如部分竞争对手 CEO。安全框架能够明确模型风险边界，却不能自动解决员工对技术最终用途的道德分歧。

谷歌曾因 Project Maven 等军事项目遭遇过类似内部反弹，因此这并不是一个全新的管理问题。不同之处在于，2026 年的顶尖 AI 人才拥有更多选择，研究员可以转向 OpenAI、Anthropic 或其他资金充足的实验室，员工不满更容易迅速变成人才流失。

顶尖研究员离职，比一次延期更难修复

人才流失是谷歌当前最具长期破坏性的风险。 据相关报道，Gemini 联合负责人 Noam Shazeer 已离开谷歌并加入 OpenAI，AlphaFold 核心研究者、诺贝尔化学奖得主 John Jumper 则转投 Anthropic。

今年 6 月，Gemini 核心研发人员 Jonas Adler 和 Alexander Pritzel 也被报道离职并加入 Anthropic。这些人员变动的重要性不只体现在履历，而在于他们掌握模型训练过程中大量不会完整写入文档的隐性知识。

前沿模型开发不是按人数线性扩张的工程。新增十名研究员未必能立刻替代一名熟悉训练失败模式、数据配比和评测漏洞的核心成员；新员工需要先理解已有实验，再建立对内部基础设施的判断，补位周期往往以月计算。

人才流动还会形成自我强化。 当研究员认为项目落后时，更容易接受竞争对手邀请；核心人员离开后，剩余团队的负担加重，模型进度进一步受影响；进度继续延误，又会让更多人怀疑项目方向。

1900亿美元支出，让延期变成财务问题

AI 资本开支是科技公司为数据中心、芯片、网络和电力基础设施投入的长期资金。 谷歌最新一季财报超过市场预期，但报道指出，公司自由现金流已经转为负值，重要原因之一正是持续增加的 AI 投资。

谷歌 2026 年总支出预计达到 1900 亿美元。这个数字不应被简单理解为全部用于训练 Gemini，也不应与单一季度资本开支混为一谈，但它足以说明市场对投资回报的要求正在迅速提高。

彭博行业研究分析师 Mandeep Singh 表示，谷歌云业务收入增长 82%，搜索业务收入则略低于华尔街预期。云业务高增长证明 AI 基础设施确实存在需求，但搜索低于预期会放大投资者对核心业务被 AI 改写的担忧。

| 财务与业务指标 | 最新报道口径 | 对 Gemini 3.5 Pro 的含义 | |---|---:|---| | 谷歌 2026 年预计总支出 | 1900 亿美元 | 模型延期会加大市场对投入效率的质疑 | | 谷歌云业务收入增速 | 82% | AI 计算需求强劲，基础设施仍具商业回报 | | 自由现金流 | 已转为负值 | 投资者将更关注模型和产品何时兑现收入 | | 搜索业务表现 | 略低于华尔街预期 | 谷歌必须证明 Gemini 能增强而非侵蚀搜索业务 |

Alphabet 股价此前也对延期报道作出明显反应，相关消息出现后盘中一度跌逾 3%，当日最终收跌 4.44%。股价波动不能证明一个未发布模型的能力，但能反映资本市场已经把 Gemini 3.5 Pro 当作衡量谷歌 AI 执行力的指标。

谷歌还没有掉队，但容错空间正在缩小

谷歌仍然拥有其他实验室难以复制的全栈优势。 从 TPU、数据中心到搜索、Android、Chrome、YouTube 和 Workspace，谷歌可以把模型同时部署到消费端、企业端和开发者端，并通过真实产品获得高频反馈。

Gemini 在多模态输入、搜索信息整合和超大规模分发方面仍有明显基础，谷歌云的增长也说明企业没有停止购买其 AI 基础设施。下一代 Gemini 4 据称已经启动训练，因此 Gemini 3.5 Pro 延期并不等于谷歌的前沿模型路线中断。

谷歌真正落后的可能不是某一项模型能力，而是把研究成果变成稳定产品的速度。 OpenAI 和 Anthropic 的组织更聚焦，可以围绕单一模型快速调整产品和商业策略；谷歌每次升级都必须考虑多个业务部门以及数十亿用户的兼容问题。

谷歌选择不发布一个内部评测不过关的旗舰模型，本身并不是错误。相比带着明显缺陷仓促上线，延期并继续训练通常更负责任，尤其是旗舰模型会直接进入企业代码库和自动化工作流。

延期的合理性取决于它最终换来了什么。 如果 Gemini 3.5 Pro 上线后在真实编码、复杂推理和智能体执行上形成可感知优势，几个月等待可以被视为质量控制；如果模型只是在公开榜单上小幅追平对手，延期就会被解释为组织效率下降。

对开发者而言，当前不应为未发布模型暂停选型

开发者现阶段不应根据传闻为 Gemini 3.5 Pro 预留关键项目档期。 模型尚无确定发布日期、正式价格、上下文规格和可复核跑分，任何围绕它制定的迁移计划都缺乏稳定依据。

企业更合理的做法是使用自己的真实任务集持续评估现有模型。代码场景至少应覆盖仓库级理解、跨文件修改、测试通过率、工具调用成功率、响应延迟和单任务总成本，而不是只比较厂商提供的静态榜单。

谷歌需要用正式发布回答三个问题：模型是否足够强、推理是否足够稳定、价格是否足以支撑规模化部署。 其中任何一个问题没有清晰答案，Gemini 3.5 Pro 都很难扭转市场对谷歌“再次掉队”的判断。

截至 7 月 24 日，最稳妥的结论仍然是：Gemini 3.5 Pro 确实处于外界预期之外的延期状态，但谷歌的技术落后幅度尚无公开数据可以量化。比模型跑分更明确的信号，是人才、组织、文化和资本压力正在同一时间挤压 DeepMind 的交付能力。

参考来源

• IT之家：谷歌旗舰大模型难产背后，军方合作引员工不满 —— 汇总 Axios、彭博社报道，涉及模型延期、员工士气、人才流失与谷歌财务数据。
• 知乎：Gemini 3.5 Pro 难产，谷歌跌入失望陷阱 —— 对 Gemini 3.5 Pro 延期及编码能力瓶颈的补充分析。