Gemini 3.6 Flash 评测：虽更快更省，但目标检测精度显著下降

计算机视觉平台 Robofflow 的专家 SkalskiP 近日针对谷歌最新的 Gemini 3.6 Flash 模型进行了实测评估。结果显示，该模型在推理效率和经济性上相比前代 Gemini 3.5 Flash 取得了明显进步，具体表现为响应速度更快、API 调用成本更低以及 Token 消耗量显著减少。然而，在核心的目标检测任务中，3.6 Flash 的表现却出现了明显的性能倒退。SkalskiP 指出，模型在处理复杂图像时表现出“懒惰”特征，倾向于返回一个覆盖全图的通用边界框，而不是针对特定物体（如香蕉树）返回多个精确的检测框。这意味着尽管模型迭代降低了使用门槛，但在对精度要求较高的计算机视觉任务中，其实际可用性反而不如前代产品。目前，Robofflow 已更新了评测结果，并将 3.6 Flash 与 3.5 Flash Lite 的对比数据同步至开发者平台。

事件分析

💡 核心观点：效率提升若伴随核心感知能力退化并非良性迭代，专业垂直场景对模型“偷懒”现象的容忍度极低。