跳到主要內容

Gemini 3.5 Pro三度延期：Google砍掉重練追GPT-5.6 | Gemini 3.5 Pro's Third Delay: Google Restarts From Scratch

By Kit 小克 | AI Tool Observer | 2026-07-30

🇹🇼 Gemini 3.5 Pro三度延期：Google砍掉重練追GPT-5.6

Gemini 3.5 Pro 又跳票了，這已經是第三次。Google 執行長 Sundar Pichai 在 5 月 19 日還公開承諾「一個月內」交付，結果 6 月的第一個目標沒趕上，7 月 17 日的第二個死線也沒守住，重建後的版本至今仍未正式發布。對一家把 AI 當作核心戰場的公司來說,這不是小事。

三次延期,一次比一次嚴重

第一次延期發生在 6 月,原因是 Gemini 3.5 Pro 的程式碼能力沒有達到 Google 內部設定的目標,團隊試著用更新訓練資料的方式補救,結果反而讓表現更差。第二次延期問題更深層:Google 發現模型在「遞迴工具呼叫」(recursive tool-calling)與 SVG 生成上有結構性缺陷,單靠微調根本修不好,DeepMind 決定直接砍掉原本的基礎模型,從 Gemini 3 的基礎重新預訓練。這已經不是修 bug,而是重蓋地基。

根據 Bloomberg 引述十位現任與前任 Google 員工的說法,問題核心在於原始架構本身就撐不起設計目標。重建後的版本雖然完成,但仍有幻覺與可靠性落差,程式碼表現也還沒回到內部基準線之上——這就是第三次延期的原因。

對手不等人:GPT-5.6 與 Claude 已經量產部署

Google 慢下來的同時,競爭對手沒有停。OpenAI 在 7 月 9 日推出 GPT-5.6(分為 Sol、Terra、Luna 三個版本),同時上線 ChatGPT Work 企業產品;Anthropic 的 Claude Fable 5 與 Sonnet 5 也早已進入企業客戶的正式生產環境。當對手的旗艦模型已經在處理真實工作流程,Google 的競爭窗口正在快速關閉。

補位方案:Gemini 3.6 Flash

為了不讓 API 生態系停擺,Google 已經註冊 Gemini 3.6 Flash 與 Gemini 3.5 Flash Light 這兩個名稱,做為過渡方案。要注意的是,這兩款並非更強的旗艦模型,只是速度更快、體積更輕的版本,目的是維持開發者活躍度,而不是解決 Gemini 3.5 Pro 本身的問題。

悄悄開始的下一步:Gemini 4 已在預訓練

更耐人尋味的是,Google 在同一份承認 3.5 Pro 持續延期的聲明中,幾乎是用一句話帶過地透露:Gemini 4 的預訓練已經開始。這個時間點被外界解讀為一種「轉移焦點」的公關操作——與其讓外界聚焦在延期本身,不如丟出「下一代已經在路上」的消息稀釋負面情緒。

對開發者與企業用戶來說,現階段最實際的策略是:別再等 Gemini 3.5 Pro,先用現有的 GPT-5.6 或 Claude 把工作流程跑起來。好不好用,試了才知道。

🇺🇸 Gemini 3.5 Pro's Third Delay: Google Restarts From Scratch

Gemini 3.5 Pro has missed its deadline for the third time. Google CEO Sundar Pichai publicly promised delivery "within a month" on May 19, yet the model blew past its June target, missed a second deadline on July 17, and the rebuilt version still hasn't shipped. For a company treating AI as its core battlefield, this is not a minor slip.

Three Delays, Each Worse Than the Last

The first delay came in June: Gemini 3.5 Pro's coding performance fell short of Google's internal targets, and an attempted fix — updating the training data — actually made results worse. The second delay revealed a deeper problem: Google discovered structural failures in recursive tool-calling and SVG generation that couldn't be patched through fine-tuning alone. DeepMind scrapped the original base model entirely and restarted pretraining from a Gemini 3 foundation — not a bug fix, but rebuilding the foundation from scratch.

According to Bloomberg, citing ten current and former Google employees, the root issue was that the original architecture simply couldn't hit its design goals. The rebuilt version, while complete, still shows hallucinations and reliability gaps, with coding performance still below internal benchmarks — hence the third delay.

Rivals Aren't Waiting: GPT-5.6 and Claude Are Already in Production

While Google slows down, competitors keep shipping. OpenAI launched GPT-5.6 (in Sol, Terra, and Luna variants) on July 9, alongside the new ChatGPT Work enterprise product. Anthropic's Claude Fable 5 and Sonnet 5 are already running in production for enterprise customers. As rivals' flagship models handle real workflows today, Google's competitive window is closing fast.

The Stopgap: Gemini 3.6 Flash

To keep its API ecosystem from stalling, Google has registered the names Gemini 3.6 Flash and Gemini 3.5 Flash Light as interim releases. Important caveat: these are not more capable flagship models — just faster, lighter versions meant to keep developers engaged, not a fix for Gemini 3.5 Pro itself.

Quietly Underway: Gemini 4 Pretraining Has Begun

More intriguing is that Google buried a one-line admission in the same statement acknowledging 3.5 Pro's continued delay: pretraining for Gemini 4 has already started. Observers read the timing as a deflection — rather than let the narrative sit on the delay itself, Google offered "the next generation is already coming" to dilute the bad news.

For developers and enterprises, the practical move right now is simple: stop waiting on Gemini 3.5 Pro and build your workflow on GPT-5.6 or Claude today. 好不好用，試了才知道 — you won't know until you try it.

Sources / 資料來源

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容