### [Gemini 3.5 Pro迟到数月](https://s.ddm.chat/kecheng/787)

**Published:** 2026-07-24T05:25:01

**Author:** 颠倒梦

**Excerpt:** 谷歌最强旗舰模型Gemini 3.5 Pro据称已延期数月，编码能力未达预期只是表层原因，人才流失、组织内耗与军方合作争议正在同时拖慢DeepMind。 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 

![](https://guanli.ddm.chat/wp-content/uploads/2026/07/image-27.png)

谷歌最强旗舰模型Gemini 3.5 Pro据称已延期数月，编码能力未达预期只是表层原因，人才流失、组织内耗与军方合作争议正在同时拖慢DeepMind。

## 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。

![谷歌DeepMind办公楼与Gemini标志，画面中央是一条不断向后延伸的产品发布时间线](https://xingyan-1326659411.cos.ap-shanghai.myqcloud.com/news/images/1784862081300-osz7yg.webp)

## 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。

**Categories:** 科技热点

---