记录
信号正文
这批发布里通用的 3.6 Flash 与 3.5 Flash-Lite 是常规的轻量层级更新，真正的看点是 Flash Cyber：一个安全专用的轻量模型，把「发现漏洞 + 给出修复」直接做进模型能力。它的信号意义在于方向——把安全能力做成低延迟、低成本的专用模型，而不是让通用大模型顺带做安全，正好呼应本周攻防两侧都在智能体化的主题。需要注意的是官方公告本身较薄，真实能力边界与误报率仍需在自己的代码库上评测后再下判断。
为什么是现在
为什么重要
把「找漏洞 + 修漏洞」做成一个安全专用的轻量模型，代表了一个方向：安全能力被产品化为低延迟、低成本的专用模型，而不是通用大模型的附带功能。这与本周攻防智能体化的主线相互印证。
背景
技术背景
Flash 层级意味着低延迟、低成本、可高频调用；安全专用则意味着在漏洞相关数据上做过针对性训练/对齐。轻量 + 专用的组合适合嵌进 CI / 代码审查这类高频流程，但也更依赖在真实代码库上的评测来确认能力边界与误报率。
按你的水平解读
让 AI 按你的水平解读这个信号
选择你的经验水平，AI 会现场生成一份为这个水平定制的解读。
关注人群
谁该关注
安全工程与 DevSecOps 团队平台工程团队在做模型选型、关注专用轻量模型的团队
可能影响的领域漏洞发现与修复自动化安全工程流程轻量模型选型攻防能力评估
下一步
学习路径
- 阅读官方公告，确认 Flash Cyber 声称的能力范围与可用形态，注意公告较薄、需自行验证。
- 复习「模型选型与约束匹配」：判断轻量专用模型适合嵌入哪些高频安全流程。
- 用「对抗性评估与红队方法」在自己的代码库上评测其漏洞发现率与误报率。
- 结合「智能体安全与提示注入防御」，设计把它接入 CI / 代码审查时的把关点。
怎么学起
让 AI 生成一条学习路径
基于本页的相关知识和相关技能，AI 会现场生成一条从基础到应用的学习路径。
关系网络
在技术网络中的位置
当前技术与相邻技术、技能和背景知识的连接，点击节点可继续探索。
Google Gemini Flash Cyber：面向漏洞发现与修复的轻量安全模型
技术对比
对比另一项技术
选择另一项已发布技术，让 AI 现场生成一份相似点、差异点和适用场景的对比。
延伸思考
后续问题
- Flash Cyber 在真实代码库上的漏洞发现率与误报率如何，能否达到可自动化的门槛？
- 它给出的「修复」是否可直接采用，还是仍需人工审查后再合入？
- 把它嵌进 CI / 代码审查流程时，权限和把关点应如何设计？
来源参考
Google DeepMind Blog
Google DeepMind大型科技公司2026-07-21
打开原始来源https://deepmind.google/blog/introducing-gemini-36-flash-35-flash-lite-and-35-flash-cyber/