Google推出Gemini 3.5 Flash，推动AI智能体深入企业工作流程

Google发布了Gemini 3.5 Flash，这是一款专为支持其产品和企业平台中智能体工作流程而设计的新AI模型。该公司希望将生成式AI从聊天机器人式的交互推向更深层次的业务运营。

这款模型在年度Google I/O开发者大会上发布，可通过Gemini应用、Google搜索中的AI模式、Google Antigravity、Google AI Studio和Android Studio中的Gemini API、Gemini企业智能体平台以及Gemini Enterprise使用。

Google在博客文章中表示，Gemini 3.5 Flash专为软件开发、财务文档准备、客户入职、OCR、税务工作流程和数据诊断等任务而构建。

Google还试图将该模型定位为大型旗舰系统的更快替代方案。它将Gemini 3.5 Flash描述为迄今为止在智能体和编码任务方面最强大的模型，声称在Terminal-Bench 2.1、GDPval-AA和MCP Atlas等基准测试中优于Gemini 3.1 Pro。

该公司还表示，该模型在多模态理解方面处于领先地位，在CharXiv Reasoning上得分为84.2%。

Google补充说："从每秒输出Token数来看，它比其他前沿模型快4倍。"

Google还表示，它与行业合作伙伴合作开发了Gemini 3.5模型系列，并补充说他们"看到了有意义的影响——从银行和金融科技公司自动化数周的工作流程，到数据科学团队在复杂数据环境中挖掘洞察。"

分析师表示，Gemini 3.5 Flash应该被视为Google推动构建可在监督下执行企业任务的AI智能体的一部分，而不仅仅是改进的聊天机器人。

Pareekh Consulting首席执行官Pareekh Jain表示："Google在速度、成本和性能方面的改进很重要，因为许多AI试点项目在规模化时会因为太慢或太昂贵而失败。更快、更便宜的模型可以使AI智能体在编码、支持、分析和自动化等实际业务运营中变得实用。"

但根据Greyhound Research首席分析师Sanchit Vir Gogia的说法，首席信息官不应只关注模型成本，还应关注完成工作流程的成本，例如解决索赔异常、审查合同、分类服务事件或推动软件修复通过测试和审批。

Gogia说："供应商基准测试能力，企业试点测试生存能力。"

Counterpoint Research研究副总裁Neil Shah表示，企业目标也在发生变化。Shah说："企业目标已经从总结文档、回答基于提示的问题或基本代码生成，演变为将受监督的自主后台工作者直接部署到核心业务工作流程中。"

这引发了一个问题：Google能否使智能体AI足够可靠以用于生产环境，而不仅仅是运行更快或更便宜。

Gartner高级总监分析师Anushree Verma表示，随着AI智能体从被动助手转变为业务流程中的主动参与者，企业还需要对其运作方式进行更强有力的控制。

Verma说："随着AI智能体在业务系统中被采用，企业面临一系列新挑战，例如，智能体被授权执行哪些操作以及在什么情况下执行。"

她说，风险不仅限于操作错误。跨多个系统运行的智能体可能会扩大攻击面，为攻击者创造新的入口点，并增加恶意提示或数据触发意外操作的可能性。

Verma补充说："问责制、可审计性、可解释性也将成为关键问题，随着部署更多智能体，可观察性变得非常关键。随着智能体快速被采用，还有更多问题需要处理，这可能会造成智能体泛滥。"

Verma表示，解决这些风险需要IT、安全、合规和业务团队共同合作，并投资于为AI驱动的自动化构建的工具和流程。

Q&A

Q1：Gemini 3.5 Flash是什么？它有什么特点？

A：Gemini 3.5 Flash是Google推出的新AI模型，专为支持智能体工作流程设计。它的主要特点是速度快，每秒输出Token数比其他前沿模型快4倍，适用于软件开发、财务文档准备、客户入职、OCR、税务工作流程等企业任务，在智能体和编码任务方面表现出色。

Q2：企业在部署AI智能体时面临哪些挑战？

A：企业在部署AI智能体时面临多重挑战，包括智能体被授权执行哪些操作、在什么情况下执行等权限管理问题。此外，跨系统运行的智能体可能扩大攻击面，增加安全风险。问责制、可审计性、可解释性和可观察性也是关键问题，快速采用可能造成智能体泛滥。

Q3：Gemini 3.5 Flash相比其他模型有什么优势？

A：Gemini 3.5 Flash在多个方面具有优势。它在Terminal-Bench 2.1、GDPval-AA和MCP Atlas等基准测试中优于Gemini 3.1 Pro，在多模态理解方面处于领先地位，CharXiv Reasoning得分达84.2%。更重要的是，它的速度和成本优势使AI智能体在实际业务运营中更加实用。