重训数学能力的Gemini 3.5 Pro，能否扭转HLE评测仅为Fable 5六成的劣势？
一组评测数据，把差距摆到了台面上。
人类终极综合推理测试（HLE）是业内公认的硬核深度推理标尺，主打数学、理科、人文、逻辑交织的长链条推理，且不考察联网检索——恰好是检验模型"底子"的题。两款旗舰在此拉开差距：Fable 5得分64.5%，Gemini 3.5 Pro仅44.4%。
分差20个百分点，相对性能上Fable 5的推理水准约为Gemini 3.5 Pro的1.5倍。这与SWE基准里Fable 5以80.3%领先GPT-5.5（58.6%）的性质不同——后者是同代竞争，前者则是公开短板曝光。HLE不考检索、纯考推，恰好戳在Gemini系列长期偏弱的那一环。
谷歌DeepMind显然被这份成绩触动，做出了一个激进决定：彻底舍弃Gemini 2.5 Pro底座，为3.5 Pro做全新完整预训练。
注意，这不是微调、不是补丁，而是换底层基座、从零重构。
代价很明显：原定6月I/O后上线的计划，被迫延到7月17日。一个多月空档期里，多位核心AI研究员接连离职，外界质疑声不断。但DeepMind仍坚持这条路——带着44.4%的HLE分数推旗舰，等于亲手砸自己招牌。
本次重训的核心靶心，直指数学推理。
Gemini 3.5 Pro手里的三张牌
第一张：200万Token超长上下文窗口。
HLE考题往往要跨多份材料联动推理，上下文越大，模型能同步读进来的素材越多。Fable 5上限25.6万Token，Gemini 3.5 Pro接近其8倍。超长上下文不能直接拉升推理深度，但能让模型先建起全局视角——这对跨文档、跨章节的数理推导至关重要。
第二张：Deep Think深度思考推理模式。
本质是一套可选的高阶推理层：模型放弃即时输出，切到结构化多轮内部推演，作答前多花算力梳理逻辑。简单说，就是"先想透再开口"，专门适配逻辑严密、结构复杂的题型，正好撞在HLE的考察点上。
第三张：全新预训练底座——最关键的那张。
抛弃2.5 Pro旧底座，意味着底层基础能力、数学推理表征体系全部重构，不是在旧模型上修修补补做增量。
但重训能补多少，仍是未知数
多方泄露信息趋于一致：Gemini 3.5 Pro整体偏理工科研向。前端页面、可视化代码生成肉眼可见跃升，设计审美更稳、界面代码更整洁、SVG矢量图可一次成型，不少开发者称其前端表现已超Fable 5。但在智能代理任务、仓库级软件工程、硬核深度推理这几块，仍落后于Fable 5与GPT-5.6。
本次重训主攻数学推理，可HLE考的是跨学科综合深度推理，数学只是一环。理科推导、人文逻辑、长时序因果分析能不能同步提，没人能给保证。
更微妙的在于产品定位。Gemini 3.5 Pro走的是"高性价比替代方案"路线，想在OpenAI、Anthropic垄断的高端市场外辟一条差异化赛道。这本身暗含一层信号：它或许本就不打算正面强攻Fable 5的优势领域。
所以7月17日上线后的核心看点，不是"能否反超"，而是"差距能缩多少"。
若重训后HLE从44.4%拉到55%以上，Gemini 3.5 Pro就能在硬核推理赛道站稳——即便仍低于Fable 5的64.5%，也从"大幅落后"收回到"小幅逊色"，商业上完全可接受。若最终停在48%–50%区间，那这次大规模重训的投入产出比就得打个问号。
但有一点确定：谷歌选"换底座重训"而非"打补丁"，本身就是个强烈信号——DeepMind已经意识到，硬核推理这条路，增量优化走到头了；只有底层数学表征质变，才可能在HLE这类高难度综合评测里翻身。
7月17日，数据会说话。是缩小差距还是继续落后，届时见分晓。
双旗舰评测季，接入成本先算一笔
7月17日之后，国内技术团队大概率会进入一轮"Fable 5 vs Gemini 3.5 Pro"的对照评测潮：Fable 5在工程纵深、SWE Bench Pro 80.3%那块仍占优；Gemini 3.5 Pro若HLE能拉到55%+，硬核推理赛道就有得一打，加上200万上下文+Deep Think的组合，长文档分析、科研级多步推演是它自己的牌。
但慢思考一开，账单先跳——这是评测阶段躲不开的现实：
Fable 5每百万输出Token官方价 50美元；
Gemini 3.5 Pro的Deep Think每百万输出Token预估 60美元，且仅Google AI Ultra（250美元/月）可用。
如果团队要做双旗舰对照、全仓库调试、HLE类长链推理批量跑，月度token消耗一上来，两张旗舰叠加调用的账单会相当直观，评测实验多跑几轮，预算先扛不住。
UseAIAPI目前把全球主流大模型做了一站式打通，Gemini、Claude、ChatGPT、DeepSeek等最新版本均在接入池内，企业级定制可按业务口径配置，省掉官方接入的额度申请、合规核验那堆杂活。价格层面，平台优惠折扣最低可达官方价的50%——对应Deep Think、长上下文、硬核推理这类高单价场景，相当于同等预算调用量翻倍，双旗舰评测和高强度推理不用再为账单犹豫。
Fable 5的工程纵深 + Gemini 3.5 Pro的全局广度，本就不是零和。把两条路线都接进来，按场景挑模型，7月17日之后这笔账会更好算。