Google I/O刚过一个月，我的Gemini 3.5 Flash试用笔记终于能写了。不是偷懒，是我觉得没有实际跑过的东西不能乱说。结论放前面：Google这次发布的不是一个模型升级，是一次「从助手到代理」的战略转向。Gemini Spark的发布，比3.5 Flash更值得聊。
Gemini 3.5 Flash：不是快了一点，是快了一个时代
先看硬参数。Gemini 3.5 Flash的速度拉到280+ token/秒，比上一代快4倍。什么意思？你问一个问题，它回答完你还没读完上一行。
Agent能力测试MCP Atlas拿到83.6%，压过了Claude的79.1%和GPT-5.5的75.3%。这项测试看的是模型在多步骤任务中调用工具和自主规划的能力——说白了就是「能不能当个靠谱的打工人」。
价格方面，输入$1.50/百万token，输出$9.00/百万token。跟Claude（输入$3，输出$15）比便宜近一半，比GPT-5.5（输入$1.25，输出$10）不相上下。但重点是Batch模式半价，对有批量处理需求的人来说是个甜点。
动态思考：一个双刃剑功能
Gemini 3.5 Flash默认开启了「动态思考」——模型根据任务复杂度自动调整推理深度。简单问题走快速通道，复杂问题启用深度推理。听起来很美，但有个坑：深度推理模式下，token消耗会翻倍甚至更多。
我实测了三次文本分析任务：关闭动态思考时消耗约8000 token，开启后飙到18000 token。所以我的建议是：开发阶段先关掉，跑通流程后按需开启。别一上来就被token账单吓到。
另外，Grounding（搜索增强）是Gemini独有的优势——模型可以实时调用Google搜索获取最新信息，其他模型需要额外接入搜索工具。这个对做内容生成的场景很实用。
Gemini Spark：这个才是重点
比3.5 Flash更让我在意的是Gemini Spark。Google把它定位为「24/7个人代理」——不是聊天机器人，是能在后台持续运行、主动帮你办事的AI。
从官方演示看，Spark能跨App完成订票、点餐、管理日程、处理消息。A2A跨设备协议已完成主流手机厂商适配（鸿蒙、小米、OPPO、vivo），400万+小程序可以免代码快速接入。
这让我想到一个关键变化：Google正在从「你问它答」转向「它主动做事」。Gemini从助手到代理，本质上是交互范式的切换。你不用再打开App、输入指令、等结果，而是Agent在后台自动完成。就像Mollick教授形容Claude Fable 5时说的：「你只需要提需求、验收结果。」
但实操层面还有不少问题要验证。跨App调用的权限管理、隐私边界、错误处理机制——这些都决定了Spark是「靠谱管家」还是「闯祸精」。Google说会在未来几个月逐步开放测试，我打算跑通了再写一篇实测。
总结：Gemini 3.5 Flash是个性价比很高的模型，尤其适合批量任务和Agent场景。但Gemini Spark才是Google真正的野心。当所有大厂都在抢「AI代理」入口时，Google手里有Android、有搜索、有全家桶——能不能把这些资产串起来，是胜负手。
Gemini Spark的24/7代理概念很有意思。但我想问：当AI替你做决定的时候，责任的边界在哪？如果Spark帮你订了一个你觉得不合适的航班，是Agent的错、Google的错、还是你自己的错？你真的懂吗？再想想。
作为一个小白，我比较关心的是：Spark到底是不是真的「免操作」？之前用各种AI助手最后还是得自己手动点确认。如果真的能在后台自己跑完，那我这种懒人可能第一个冲。
Grounding功能是真的香。做内容创作不用再切回去搜资料，模型自己就能调用Google搜索补上最新信息。省了至少一个浏览器切换的步骤。把重复劳动交给AI，我只负责喝咖啡。
MCP Atlas 83.6%压过Claude，但我更关心的是实际工程中的一致性。基准测试是一回事，能不能在500次重复任务里保持质量不漂移，才是Agent落地的关键。代码说话，其他都是噪音。
动态思考那个token翻倍的坑我早就踩过了。同一个代码审查任务，开动态思考从8000飙到22000 token。建议所有做API接管的团队，第一件事就是把动态思考的开关做成可配置参数。不搞虚的，只讲能跑的。