73天前，谷歌CEO Sundar Pichai站在Google I/O的舞台上，对着满场开发者轻描淡写地说了一句“give us until next month”。台下没有掌声，只有一阵清晰的嘘声。那款被反复提及的模型叫Gemini 3.5 Pro。
73天后的2026年7月31日，这款模型终于“现身”了。在AI评测平台Arena上，它上线了大约30分钟，然后被迅速撤下。多位X平台用户截图为证，其中一位名叫Harshith的用户只来得及完成一次SVG渲染测试，就再也找不到这个模型的踪迹。
一场迟到了两个多月的发布，以一次不到半小时的“闪现”收场。这不像是一家手握全球最强AI实验室之一的科技巨头应有的节奏。它更像是在说：谷歌自己，可能都还没准备好。
一场迟到的发布会
2026年5月19日，Google I/O大会。Pichai正式发布了Gemini 3.5系列，但真正的主角Gemini 3.5 Pro却只出现在PPT的“coming soon”栏里。官方博客写道，3.5 Pro“已经在内部使用”，计划“下个月”向公众开放。200万Token的上下文窗口、“Deep Think”推理模式、前沿多模态理解。这些参数听起来足够前沿，足以让开发者期待。
但6月来了又走了。谷歌自己的API更新日志里，没有出现任何gemini-3.5-pro的模型ID。
7月1日，Business Insider率先报道谷歌已将发布时间推迟到7月，原因是“需要更多时间收集早期测试者的反馈并调优模型”。7月13日，TechTimes泄漏了新的内部目标日期，7月17日。这个日期也无声无息地过去了。7月16日，Bloomberg曝出更尖锐的细节：Gemini 3.5 Pro之所以延期，是因为模型在编码能力上未达到内部目标。同一天，关于人才流失的报道开始浮出水面。四名高级Gemini研究员在六天内相继离开，其中三人加入Anthropic，另一人去了OpenAI。
7月21日，谷歌发布了三款新模型。Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，但唯独没有Pro。Reuters报道称，谷歌仍只表示Pro“正在与合作伙伴测试”。
然后到了7月31日。Arena平台（原LMArena，基于真实盲测投票与Elo评分的开源AI模型评估平台，覆盖文本、代码及视觉任务）上突然出现了一个未标注的模型。根据X平台用户的截图，该模型在约30分钟后被移除。用户Harshith仅完成了一次SVG生成测试就再也无法访问。
这30分钟的“闪现”，是谷歌73天来对Gemini 3.5 Pro最接近“公开发布”的一次动作。但与其说这是发布前的预热，不如说是一次不小心暴露的阶段性测试。
代码这道坎，谷歌为什么迈不过去
Gemini 3.5 Pro的延期，核心矛盾集中在一个点上：编码能力。
Bloomberg在7月16日的报道中引述知情人士称，Gemini 3.5 Pro在内部评测中未达到预期的编码基准。这听起来像一个技术细节，但它暴露了谷歌在AI竞赛中一个更深层的结构性短板。
编码能力是当前AI模型竞争最激烈的战场。在SWE-bench Pro上，一个衡量真实仓库代码编辑能力的基准测试，Anthropic的Claude Sonnet 5拿到了63.2%，OpenAI的GPT-5.6 Sol达到64.6%，两者几乎持平。而前一代的Claude Fable 5更是以80%的得分遥遥领先。谷歌自己的Gemini 3.1 Pro在SWE-bench Pro上仅拿到54.2%，在统一测试框架下甚至只有46.1%。如果3.5 Pro不能在编码上实现质的突破，它的“旗舰”定位就会大打折扣。
问题在于，编码能力的提升不是靠堆参数就能解决的。它需要高质量的训练数据、精准的指令微调、以及大量的实际场景测试。谷歌在Gemini 3.5 Pro上选择了“更长时间的内测”，把模型放到Antigravity平台和Arena上让早期用户测试，收集反馈后再优化。这种策略本身没有问题，但在竞争节奏极快的AI行业，每多花一天调优，就可能失去一批开发者用户。
更深层的问题是，谷歌在编码领域的布局一直存在“组织孤岛”问题。Gemini团队、DeepMind团队、Antigravity团队各有各的优化目标，但编码能力的提升需要端到端的协同。当Anthropic和OpenAI把编码能力作为模型的第一优先级来训练时，谷歌的模型既要兼顾多模态、又要保证长上下文、还要追求推理能力，目标太多反而分散了资源。
人才流失：比延期更危险的信号
如果说延期是技术问题，那么人才流失就是战略问题。
6月18日，Noam Shazeer在X上发帖宣布加入OpenAI。Shazeer是谷歌首席科学家、Transformer架构的发明者之一，也是谷歌在大模型时代最核心的技术资产。两年多前，谷歌刚刚花了27亿美元从CharacterAI挖回他和他的团队。仅仅18个月后，他走了。同月，另外三位高级Gemini研究员也加入了Anthropic。六天之内，四名核心研究人员集体出走。
这对于一家在AI人才争夺战中投入了数十亿美元的公司来说，信号再清晰不过了。
更值得关注的是这些人才流向了哪里。Anthropic和OpenAI，恰恰是谷歌在AI模型赛道上的两个最大竞争对手。Shazeer加入OpenAI时，Sam Altman回应说这是他“从OpenAI创立之初就最想合作的人”。而在Anthropic这边，三位高级研究员的加入让Claude团队的研究实力进一步强化。
Anthropic的Claude系列在2026年上半年持续保持强劲的迭代节奏。Claude Opus 4.6在Arena的文本排行榜上以1504 Elo分位居第一，Gemini 3.1 Pro Preview以约1493 Elo分紧随其后，差距11分，在统计上已经不算小。更关键的是，Anthropic的Claude Sonnet 5在7月1日如期发布，初始定价为每百万输入Token 2美元、每百万输出Token 10美元，9月1日后将分别上调至3美元和15美元。清晰的定价策略、明确的发布时间表、“编码优先”的产品定位，让Sonnet 5迅速成为企业客户的新选择。在谷歌不断推迟发布的同时，竞争对手正在用实际产品抢占开发者心智。
竞争格局不等人
Gemini 3.5 Pro的反复延期，不仅让谷歌自己在时间线上被动，更让竞争对手获得了宝贵的窗口期。
7月1日，Anthropic发布了Claude Sonnet 5。与此同时，OpenAI的GPT-5.6 Sol也在7月进入市场，主打网络安全和多步骤推理，在Terminal-Bench 2.1上取得了88.8%的标准得分和91.9%的Ultra模式得分。在SWE-bench Pro上，GPT-5.6 Sol以64.6%的得分略超Claude Sonnet 5的63.2%。两者虽然是旗鼓相当的对手，但它们的共同点是都如期发布了。
反观谷歌，7月发布的全部是轻量级模型。3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber在效率、成本和可靠性上确实有竞争力，但旗舰产品缺位，意味着谷歌在“最难的任务”这个战场上，暂时没有发言权。企业客户在评估AI供应商时，旗舰模型的能力上限决定了他们的采购决策。如果谷歌的旗舰模型迟迟不能交付，客户就会倒向Anthropic或OpenAI，而这种迁移往往是不可逆的。
在Arena排行榜上，排名前十的模型中有五款来自Anthropic和OpenAI。谷歌的Gemini 3.1 Pro虽然排名靠前，但已是上一代产品。如果Gemini 3.5 Pro迟迟不能上市，谷歌在核心基准测试中的排名只会继续下滑。更关键的是，开发者对谷歌的信任正在被消耗，每一次延期都让“相信谷歌能按时交付”这个命题变得更难成立。
还有一个不容忽视的维度：开发者生态。OpenAI有庞大的开发者社区，Anthropic通过Claude Code和API快速渗透企业级开发者。谷歌有Antigravity IDE，但作为一个2025年底才推出的产品，它的开发者基础远不如VS Code生态成熟。当旗舰模型缺席时，开发者甚至没有理由去尝试Antigravity。
谷歌的“拖延症”根源在哪
Gemini 3.5 Pro的反复延期，不能简单归咎于“技术能力不足”。谷歌在AI基础研究上的积累依然是全球顶尖的。DeepMind的研究产出、TPU的算力优势、以及谷歌庞大的数据资源，这些都不是Anthropic或OpenAI能轻易复制的。
真正的问题可能出在组织层面。谷歌的AI业务横跨Google Research、DeepMind、Google Cloud等多个部门，每个部门都有自己的优先级和KPI。Gemini 3.5 Pro作为跨部门的旗舰产品，需要协调的资源和利益太多，决策链条太长。当模型在编码能力上未达标时，是推迟发布还是降低标准发布？这个选择题在谷歌内部可能就需要几周时间来达成共识。
相比之下，Anthropic和OpenAI的组织结构更简单，决策更快。Anthropic可以在发现模型性能未达标时迅速调整训练策略，而不是陷入内部协调的泥潭。
另一个值得关注的点是，谷歌在2026年上半年的组织动荡。除了四名核心研究员的离职，谷歌还经历了多次内部重组。2025年收购CharacterAI团队后的整合尚未完成，新的组织架构带来的人事摩擦还在持续。而在这种动荡时期推出一个旗舰产品，难度可想而知。
一次“闪现”背后的真相
30分钟的Arena闪现，与其说是“意外泄露”，不如说是谷歌对Gemini 3.5 Pro现状的一次诚实投影。模型还在测试中，还在调优中，还在“和合作伙伴打磨中”。谷歌既不甘心在未准备好的情况下发布，又不愿意在竞争中被完全遗忘。于是有了这种“半推半就”的测试方式，上线，测试，撤下，然后当什么都没发生。
但问题在于，AI行业从不等人。每一次延期都有竞争对手推出新模型，每一次沉默都有开发者转向其他平台。谷歌有全球最强大的AI研究团队之一，有DeepMind，有TPU，有超过20亿用户的产品矩阵。这些资源不会消失，但它们需要被有效组织起来，转化成按时交付的产品。
在AI这个赛道上，最好的模型不是参数最大的那个，而是能准时交付到用户手中的那个。Gemini 3.5 Pro或许终将到来，但73天的延期和30分钟的闪现，已经让谷歌在信任账本上写下了一笔需要很久才能赎清的负债。
当你的竞争对手在发布产品时，你还在测试。这不是策略，这是被动。
快报