谷歌刚发布 Gemini 3.6 Flash，官方说 Coding 更强、Token 更省。
我没有测小游戏，也没有只看聊天界面的代码片段，而是把它接进两个真实 Agent 项目：一个图片生成 Agent，主要看后端和认证；一个 Skills Agent，主要看前后端与流式交互。
同一份提示词、同一份基线代码、同一套评分标准。最终 Gemini 3.6 Flash 的节目综合评分是 7.08，和上一代 Gemini 3.5 Flash 基本处于同一档。
更离谱的是完成轮次：Kimi K3、GLM-5.2、GPT-5.5 和 Claude Opus 4.8，此前都能一轮完成这两个项目的主要交付；Gemini 3.6 Flash 在两个项目上分别补了 5 轮和 4 轮，最后仍然存在关键问题。
图片 Agent 出现普通注册异常和跨用户任务隔离风险；Skills Agent 虽然 97 项测试通过、后端也能输出流，但网页端就是不显示 Agent 回答。
它的推理速度确实很快，但真实工程最终看的是能不能闭环交付。质量没跟上，再快也只是更快地抵达下一轮修改。
边界也说清楚：两个项目不能代表模型的全部能力，7.08 是本系列统一口径下的节目评分，不是通用 benchmark，也不是对 Gemini 所有使用场景的定论。
