Gemini 3.6 Flash met l'accent sur l'efficacité, mais des tests indépendants montrent une amélioration modeste de l'intelligence

Introduction

Google a lancé trois nouveaux modèles Gemini, ciblant différents segments du marché des agents :

• Gemini 3.6 Flash, positionné comme modèle principal pour le codage, le travail multimodal et les workflows multi-étapes
• Gemini 3.5 Flash-Lite, optimisé pour les charges de travail à haut débit et sensibles à la latence
• Gemini 3.5 Flash Cyber, un modèle de cybersécurité restreint, conçu pour détecter, valider et corriger les vulnérabilités logicielles

Les annonces de Google mettent l'accent sur l'efficacité. L'entreprise indique que le nouveau modèle Flash peut accomplir des tâches avec moins de tokens de sortie, moins d'appels d'outils et un moindre surcoût de boucle d'exécution. Le prix est également inférieur à celui du Gemini 3.5 Flash.

Ces affirmations sont corroborées par les benchmarks internes de Google et les premiers tests indépendants.

La question plus complexe est de savoir si Gemini 3.6 Flash apporte une amélioration substantielle de l'intelligence par rapport au modèle qu'il remplace.

Artificial Analysis a mesuré que le nouveau modèle obtient le même score que Gemini 3.5 Flash dans son indice d'intelligence composite. Les premiers utilisateurs rapportent également des expériences mitigées, notamment en matière de conception visuelle, de génération en chinois, de sélection d'outils et de respect des instructions.

Les résultats ne sont pas un simple échec. Gemini 3.6 Flash semble plus rapide, plus concis dans ses sorties, et moins coûteux par tâche accomplie pour de nombreuses charges de travail. Il améliore également plusieurs benchmarks en codage, utilisation informatique, apprentissage automatique et travail de connaissance.

Mais cette sortie illustre une distinction importante :

Un modèle peut gagner en efficacité sans une amélioration équivalente de son intelligence générale ou de la qualité subjective de ses sorties.

Aperçu des trois nouveaux modèles Gemini

Gemini 3.6 Flash et Gemini 3.5 Flash-Lite prennent tous deux en charge :

• Un contexte allant jusqu'à 1 million de tokens
• Jusqu'à 64 000 tokens de sortie
• Entrées texte, image, audio et vidéo
• Sortie texte
• Niveaux de réflexion configurables
• Outils intégrés, y compris l'utilisation d'ordinateur
• Accès via l'API Gemini et Google AI Studio

La fiche technique de Google indique la date limite de connaissances des deux modèles généralement disponibles en mars 2026.

Gemini 3.6 Flash : Moins de tokens et un coût par tâche réduit

Gemini 3.6 Flash est basé sur

Gemini 3.5 Flash et vise à le remplacer pour de nombreuses charges de travail de codage, de travail de connaissance, multimodales et agentiques.

L'amélioration la plus constante est l'efficacité.

Google rapporte que, selon l'indice Artificial Analysis, Gemini 3.6 Flash utilise 17% de tokens de sortie en moins que Gemini 3.5 Flash. Dans certaines évaluations de codage agentique (notamment DeepSWE), Google a observé une réduction des tokens de sortie allant jusqu'à 65%.

Le modèle a également tendance à utiliser :

• Moins d'étapes de raisonnement
• Moins d'appels d'outils
• Des boucles d'exécution plus courtes
• Moins de modifications de code inutiles
• Des sorties finales plus concises

Ces changements sont importants car le coût d'un agent ne dépend pas seulement du prix par token annoncé.

Un agent de longue durée peut appeler le modèle à plusieurs reprises, envoyer de grandes définitions d'outils, vérifier des fichiers, exécuter du code, se remettre d'erreurs et générer beaucoup de sorties de raisonnement. Même si le prix par token change peu, la réduction du nombre de tours d'appel et de tokens diminue le coût total.

Tarification de Gemini 3.6 Flash

Google répertorie les prix API suivants :

Le prix d'entrée reste inchangé, tandis que le prix de sortie baisse d'environ 16,7%.

Dans son cadre d'évaluation, Artificial Analysis a mesuré un coût moyen par tâche d'environ 0,50 $ pour Gemini 3.6 Flash, contre 0,59 $ pour Gemini 3.5 Flash. Cela représente une baisse d'environ 18 %, due à la baisse du prix de sortie et à la réduction des tokens générés.

Ces chiffres doivent être considérés comme spécifiques à la charge de travail, et non universels. Le coût réel dépend de :

• La taille de l'invite
• Le niveau de réflexion
• La longueur de la sortie
• Le nombre de tours d'appel
• L'utilisation d'outils
• La mise en cache du contexte
• Le comportement de nouvelle tentative
• Le type de framework agent
• Si l'application envoie la conversation complète à chaque tour

Des délais d'exécution plus rapides, pas seulement une génération de tokens plus rapide

Artificial Analysis rapporte que le temps moyen par tâche pour Gemini 3.6 Flash est d'environ 1,3 minute, contre environ 2,7 minutes pour Gemini 3.5 Flash.

Cette amélioration provient d'une sortie plus rapide et d'un processus de raisonnement plus économique.

Un modèle qui génère des tokens rapidement peut encore prendre beaucoup de temps s'il s'engage dans une boucle d'appels d'outils répétitifs. À l'inverse, un modèle légèrement plus lent qui trouve la bonne solution avec moins d'appels peut terminer plus tôt.

Pour les développeurs d'agents, le temps par tâche accomplie est souvent plus utile que le nombre brut de tokens générés par seconde.

Codage, apprentissage automatique, utilisation informatique et travail de connaissance

Google rapporte des améliorations dans plusieurs catégories de benchmarks.

Codage et génie logiciel

Sur DeepSWE, par rapport à Gemini 3.5 Flash, le score de Gemini 3.6 Flash est passé de 37% à 49%.

Google indique que le modèle :

• Produit moins de modifications non souhaitées
• Utilise des boucles de débogage plus courtes
• Respecte plus strictement le périmètre demandé
• Génère un code plus proche du niveau de production
• Préfère vérifier le projet par programmation avant de le modifier

Ce dernier point présente un compromis.

Le guide développeur de Google précise que Gemini 3.6 Flash peut exécuter des scripts de diagnostic avant de modifier, ce qui peut améliorer la précision pour les tâches complexes. Mais pour des tâches front-end simples, ces étapes d'exploration supplémentaires peuvent augmenter la latence sans toujours améliorer le résultat.

Google a également indiqué que les évaluateurs humains préfèrent parfois la mise en page et le style visuels des modèles antérieurs, même si Gemini 3.6 Flash génère un code plus pratique. Par conséquent, les développeurs qui construisent des interfaces devront peut-être fournir des contraintes de conception visuelle plus claires.

Recherche en apprentissage automatique

Sur le banc MLE-Bench, Google rapporte une amélioration de 49,7 % à 63,9 %.

Cette évaluation se concentre sur les tâches pratiques d'ingénierie et de recherche en apprentissage automatique, plutôt que sur des problèmes de codage isolés. Cette amélioration suggère que le modèle est plus performant dans les flux de travail qui nécessitent des expériences, du traitement de données, de la mise en œuvre et des améliorations itératives.

Utilisation des capacités informatiques

Sur OSWorld-Verified, selon la comparaison publiée par Google, Gemini 3.6 Flash passe de 78,4 % à 83,0 %.

Les capacités informatiques sont désormais disponibles en tant qu'outil client intégré via l'API Gemini et Gemini Enterprise. Il permet aux systèmes d'agents d'interagir avec les interfaces graphiques, et pas seulement de s'appuyer sur des API directes.

Les résultats des tests de référence pour les capacités informatiques restent influencés par le cadre de l'agent, l'environnement de l'écran, la conception des tâches et la stratégie de récupération après panne. Des scores plus élevés sont bénéfiques, mais les systèmes de production doivent toujours définir des autorisations strictes et des étapes de confirmation pour les opérations importantes.

Travail de connaissances

Sur GDPval-AA v2, Gemini 3.6 Flash passe de 1349 à 1421.

Google a mis en avant les scénarios d'application suivants :

• Analyse de documents
• Interprétation de diagrammes
• Analyse de données financières
• Rédaction de rapports
• Analyse d'enregistrements
• Migration de code
• Flux de travail de recherche multimodal

Des clients, notamment Figma, Harvey, Hebbia et JetBrains, ont fourni des commentaires positifs pour la déclaration de lancement de Google. Ces recommandations reflètent l'expérience client et ne doivent pas être considérées comme des références indépendantes.

Date limite de connaissances et fenêtre de contexte

Gemini 3.6 Flash prend en charge une fenêtre de contexte allant jusqu'à 1 million de tokens et une sortie maximale de 64 000 tokens.

Sa fiche technique indique une date limite de connaissances de mars 2026, ce qui constitue une amélioration par rapport aux premières versions de Gemini (dont la date limite était nettement plus ancienne).

Une date limite de connaissances plus récente réduit la quantité d'informations contextuelles récentes de base que les développeurs doivent fournir manuellement. Cependant, cela ne permet pas au modèle de traiter de manière fiable les actualités en temps réel, les prix en direct, les lois changeantes, les versions de logiciels ou d'autres informations temporelles.

Les applications qui traitent des informations fraîches doivent toujours utiliser la récupération, la recherche, des bases de données vérifiées ou des appels d'outils.

Une grande fenêtre de contexte ne garantit pas non plus que le modèle puisse utiliser aussi efficacement chaque partie d'un long document. Les développeurs doivent tester :

• La précision de la récupération sur de longues distances
• La cohérence dans les longues conversations
• Le maintien de l'efficacité des règles clés
• Les performances en présence de matériel non pertinent
• Le coût et la latence pour la longueur de contexte réelle

Améliorations de sécurité de Gemini 3.6 Flash

Google indique que Gemini 3.6 Flash comprend des mesures de sécurité de pointe plus fortes contre :

• Les abus chimiques, biologiques, radiologiques et nucléaires
• Les abus de cyberattaques
• La résistance au « jailbreak »

Le rapport de la fiche technique indique une amélioration des résultats de sécurité multilingue et de contenu automatiques par rapport à Gemini 3.5 Flash, tout en maintenant un taux de refus injustifié relativement faible.

Google souligne également

plusieurs limites :

• Le modèle peut halluciner.
• Des réponses lentes ou des délais d'attente peuvent survenir occasionnellement.
• Certains tests internes montrent une légère régression du ton.
• La protection contre le « jailbreak » reste un domaine d'amélioration continue.

L'évaluation de sécurité de pointe de Google conclut que Gemini 3.6 Flash reste en dessous des niveaux de capacité critique fixés par l'entreprise, y compris le seuil de cybersécurité.

Cette conclusion est basée sur le cadre d'évaluation de Google et doit être interprétée conjointement avec les résultats des tests de sécurité indépendants ultérieurs disponibles.

Gemini 3.5 Flash-Lite : choix à haut débit

Gemini 3.5 Flash-Lite est conçu pour les tâches où la vitesse, le débit et le coût sont prioritaires par rapport à la profondeur de raisonnement la plus élevée.

Les cas d'utilisation typiques incluent :

• L'extraction de documents
• La classification
• La recherche
• La traduction
• Le routage de données
• La génération structurée en JSON
• Le traitement de reçus
• L'analyse de données e-commerce
• L'exécution de sous-tâches à volume élevé

Google le décrit comme le modèle le plus rapide et le moins cher de la série Gemini 3.5.

Tarification de Gemini 3.5 Flash-Lite

Son niveau de réflexion par défaut est le plus bas, privilégiant le débit et la faible latence.

Pour les sous-tâches autonomes, l'exécution de code, les appels d'outils ou la planification en plusieurs étapes, Google suggère d'augmenter le niveau de réflexion à intermédiaire ou élevé si nécessaire. Des réglages plus élevés améliorent le taux d'achèvement des tâches, mais augmentent généralement l'utilisation des jetons et la latence.

Vitesse

Le communiqué de presse de Google cite des données d'Artificial Analysis issues de tests de pré-lancement, indiquant environ 350 jetons de sortie par seconde.

Artificial Analysis a ensuite enregistré des vitesses de fournisseur spécifiques qui peuvent varier dans le temps. Le débit dépend de :

• La capacité du fournisseur
• La taille de la requête
• Les paramètres d'inférence
• La longueur de la sortie
• Le routage régional
• La demande actuelle
• La mesure testant la sortie visible ou l'inférence cachée

La conclusion stable est que la vitesse de conception de Flash-Lite est nettement plus rapide que celle du modèle Flash plus grand.

Améliorations des tests de référence

Google rapporte les améliorations suivantes par rapport à Gemini 3.1 Flash-Lite :

Google rapporte également que Gemini 3.5 Flash-Lite surpasse Gemini 3 Flash dans plusieurs tests de référence d'agents et de codage :

• SWE-Bench Pro : 54,2 % contre 49,6 %
• OSWorld-Verified : 74,0 % contre 65,1 %

Cela fait de Flash-Lite plus qu'un simple modèle économique de faible qualité. Pour certaines tâches d'agent à haut débit, il peut offrir un meilleur équilibre que l'ancien Gemini 3 Flash.

Amélioration d'intelligence indépendante

Artificial Analysis a attribué à Gemini 3.5 Flash-Lite un score de 36 dans son indice d'intelligence, contre 25 pour Gemini 3.1 Flash-Lite.

Cette amélioration de 11 points est l'une des plus significatives en matière d'intelligence de cette version.

Flash-Lite reste en dessous des modèles de pointe les plus puissants, mais son objectif n'est pas de les concurrencer sur toutes les tâches de raisonnement complexes. Son rôle est de traiter de grands volumes de travail rapidement et à moindre coût.

Gemini 3.5 Flash Cyber : modèle de sécurité restreint

La troisième version publiée, Gemini 3.5 Flash

Cyber, a un objectif différent.

Il s'agit d'un modèle spécialisé basé sur Gemini 3.5 Flash, affiné pour :

• Trouver des vulnérabilités logicielles
• Vérifier si les vulnérabilités sont réelles
• Tracer les chemins de code associés
• Proposer des correctifs
• Prendre en charge des analyses répétées
• Analyser de grandes bases de code à un coût inférieur à celui des grands modèles Cyber

Ce modèle fonctionne de concert avec CodeMender, l'agent de sécurité du code de Google DeepMind.

Dans CodeMender, plusieurs agents Flash Cyber peuvent rechercher différentes parties de la base de code et consolider leurs découvertes dans un rapport.

Google estime que l'utilisation de modèles plus petits et moins coûteux est précieuse dans le domaine de la cybersécurité, car la recherche de vulnérabilités implique souvent d'explorer un grand nombre de chemins d'exécution possibles. L'appel répété à de grands modèles coûteux peut devenir un goulot d'étranglement.

Performance CyberGym

Google indique que, lorsqu'il est utilisé via le système CodeMender, Gemini 3.5 Flash Cyber atteint des performances de pointe compétitives sur CyberGym.

Ce résultat dépend de l'infrastructure complète de l'agent, et pas seulement du modèle sous-jacent. L'orchestration, les outils, la validation et l'agrégation des rapports contribuent tous au score final.

Disponibilité limitée

Gemini 3.5 Flash Cyber ne sera pas disponible via le public

L'API Gemini est largement disponible.

Google prévoit de proposer le modèle via un programme pilote limité appelé CodeMender aux entités suivantes :

• Agences gouvernementales
• Partenaires de confiance
• Équipes de sécurité de première ligne

Cette diffusion limitée reflète la nature à double usage du modèle. Un système capable de trouver et de vérifier des vulnérabilités peut aider les défenseurs à corriger des logiciels, mais des capacités similaires pourraient également soutenir des activités offensives.

Où est passé Gemini 3.5 Pro ?

Google indique que Gemini 3.5 Pro est en cours de test avec des partenaires et sera déployé plus largement lorsqu'il sera prêt.

L'article source d'AIBase relie ce retard à des reportages externes et à des rumeurs en ligne concernant les performances de codage et un éventuel réentraînement.

Google n'a pas officiellement confirmé les affirmations concernant l'abandon du plan d'entraînement original du modèle ou un redémarrage du système à zéro.

Les informations vérifiées sont assez limitées :

• Gemini 3.5 Pro est toujours en phase de test avec des partenaires.
• Google n'a pas communiqué de date de sortie générale.
• La société a commencé ce qu'elle appelle l'exécution de pré-entraînement la plus ambitieuse pour Gemini 4.
• Google déclare être encouragé par les progrès réalisés sur le modèle de nouvelle génération.

L'absence de la version Pro phare rend la sortie de Flash stratégiquement plus importante. En l'absence d'un modèle haut de gamme disponible, Gemini 3.6 Flash et Flash-Lite doivent couvrir une plus grande partie des besoins de production.

Cela ne signifie pas nécessairement que Google a abandonné Gemini 3.5 Pro, ou que Gemini 4 est imminent.

Les calendriers de développement des modèles peuvent changer, et le pré-entraînement n'est qu'une étape. Le post-entraînement, les tests de sécurité, l'intégration d'outils, l'optimisation de la latence et la préparation au déploiement peuvent encore nécessiter beaucoup de temps supplémentaire.

Tests indépendants :

Une augmentation de l'efficacité plutôt qu'un saut d'intelligence

Les conclusions de l'analyse manuelle sont plus mesurées que les annonces de produits Google.

Indice d'intelligence

Gemini 3.6 Flash obtient un score de 50 points dans l'indice d'intelligence de l'analyse manuelle.

Gemini 3.5 Flash obtient également un score de 50 points.

Par conséquent, bien que l'évaluation montre des améliorations dans certaines catégories, le score d'intelligence global du nouveau modèle dans ce test n'a pas augmenté.

Le rapport d'analyse manuelle indique :

• Score plus élevé sur GDPval-AA v2
• Léger recul sur le Dernier Examen Humain
• Niveau d'intelligence global similaire
• Utilisation de tokens de sortie plus faible
• Achèvement des tâches plus rapide
• Coût par tâche inférieur

Il s'agit d'une mise à niveau d'efficacité crédible, mais pas d'un saut d'intelligence généralisé.

Temps par tâche

L'analyse manuelle mesure :

• Gemini 3.5 Flash : environ 2,7 minutes
• Gemini 3.6 Flash : environ 1,3 minute

Le modèle a réduit de plus de moitié le temps nécessaire pour terminer la charge de travail d'évaluation.

Coût par tâche

Estimation de l'analyse manuelle :

• Gemini 3.5 Flash : environ 0,59 $ par tâche
• Gemini 3.6 Flash : environ 0,50 $ par tâche

Pour les agents à grande échelle, cette réduction des coûts est significative, surtout lorsque le système exécute des milliers de tâches.

Les benchmarks ne doivent pas être considérés comme un classement universel

L'analyse manuelle combine plusieurs évaluations en un seul indice. Le score composite peut être utilisé pour une comparaison approximative, mais peut masquer des différences importantes entre les différentes charges de travail.

Des modèles avec le même score total peuvent être meilleurs dans certains domaines, par exemple :

• Programmation
• Traitement de documents multimodaux
• Opérations informatiques
• Agents sensibles à la vitesse
• Extraction de longs contextes

Mais peuvent être plus faibles dans d'autres :

• Raisonnement abstrait difficile
• Conception de style visuel
• Traitement de langues spécifiques
• Génération créative
• Tâches nécessitant une planification approfondie

Choisir le bon modèle dépend du cas d'utilisation spécifique.

Pourquoi les premiers retours d'utilisateurs sont plus négatifs

L'article original a recueilli plusieurs réactions critiques sur les réseaux sociaux.

Les problèmes signalés par les utilisateurs incluent :

• Choix de vocabulaire chinois peu naturel
• Mauvaise cohérence de la mémoire
• Erreur de sélection d'outil
• Conception de style visuel faible
• Qualité dégradée des textures de jeu générées
• Inadéquation entre les instructions et la sortie visuelle
• Limites d'utilisation
• Aucune amélioration notable de l'intelligence générale

Ces retours sont importants car les benchmarks ne peuvent pas couvrir tous les aspects de la qualité du produit.

Un modèle peut exceller dans les tâches de base de code, mais produire des mises en page de moindre qualité ; utiliser moins de tokens mais devenir trop concis ; être plus précis sur un benchmark de programmation, mais perdre en fiabilité dans une langue spécifique.

Parallèlement, les tests sur les réseaux sociaux présentent des limites sérieuses :

• Les invites ne sont pas toujours publiques
• Les paramètres du modèle peuvent différer
• Les utilisateurs peuvent comparer différentes interfaces produit
• Les versions de prévisualisation et l'API peuvent utiliser des configurations différentes
• La disponibilité des outils peut affecter les résultats
• Un seul cas d'échec ne prouve pas une régression généralisée
• Les critiques virales amplifient souvent les pires échecs

Par conséquent, les premiers retours d'utilisateurs doivent être considérés comme des signaux pour des tests ciblés, et non comme une conclusion définitive.

Cadre d'évaluation pratique

Les équipes qui envisagent d'adopter Gemini 3.6 Flash ne devraient pas le faire uniquement parce que Google

rapporte des benchmarks plus élevés, ni le rejeter simplement parce que quelques démos en ligne sont décevantes.

Un test de migration utile devrait comparer l'ancien et le nouveau modèle sur la même application.

1. Utiliser des tâches représentatives

Construire un ensemble d'évaluation à partir du travail réel :

• Véritables dépôts de code
• Documents authentiques
• Appels d'outils typiques
• Demandes d'utilisateurs courantes
• Cas d'échec connus
• Invites multilingues
• Exemples de longs contextes

1. Mesurer l'achèvement des tâches, pas seulement la qualité de la sortie

Suivre :

• Taux de réussite des tâches
• Nombre d'appels d'outils
• Nombre de tentatives
• Modifications de fichiers non désirées
• Temps de correction manuelle
• Latence
• Nombre de tokens de sortie
• Coût total
• Gravité des échecs

1. Tester différents niveaux de réflexion

Gemini 3.6 Flash utilise par défaut un niveau de réflexion moyen.

Gemini 3.5 Flash-Lite utilise par défaut le niveau de réflexion le plus bas.

Un modèle peut sembler sous-performant simplement parce que le paramètre de raisonnement est trop bas pour la tâche en cours. Inversement, utiliser un niveau de réflexion élevé pour une simple tâche d'extraction d'informations peut gaspiller du temps et de l'argent.

1. Évaluer séparément la qualité visuelle et linguistique

Les benchmarks de codage ne mesurent pas si un site web est esthétique ou si le choix des mots en chinois est naturel.

Utiliser une révision manuelle dédiée pour évaluer :

• Hiérarchie visuelle
• Cohérence de la marque
• Style de ton
• Qualité de la traduction
• Adéquation culturelle
• Respect des instructions

1. Tester la pile d'agents complète

Les résultats d'un agent ne dépendent pas uniquement du modèle.

Comparer :

• Définitions des outils
• Structure des invites
• Stratégies de mémoire
• Mise en cache du contexte
• Règles de nouvelle tentative
• Limites d'approbation
• Environnement de navigation ou d'utilisation de l'ordinateur
• Cadre d'orchestration

La migration du modèle peut nécessiter d'ajuster en conséquence l'ensemble de l'environnement du système.

Quel modèle les développeurs devraient-ils choisir ?

Quand choisir Gemini 3.6 Flash :

• La tâche nécessite un raisonnement en plusieurs étapes.
• La qualité du code est primordiale.
• L'agent utilise plusieurs outils.
• La charge de travail comprend des images, des graphiques, des vidéos ou de grands documents.
• Besoin d'utiliser la fonction de contrôle informatique (Computer Use).
• Moins d'itérations et une latence de tâche plus faible sont précieuses.
• Gemini 3.5 Flash est disponible mais trop verbeux ou coûteux.

Quand choisir Gemini 3.5 Flash-Lite :

• Le débit est la priorité absolue.
• Le travail implique l'extraction d'informations, la classification, la traduction ou le routage.
• De nombreux sous-agents s'exécutent en parallèle.

L'application doit traiter un grand volume de documents.

• Recherche d'un faible coût par jeton.
• Les tâches complexes peuvent être déléguées à un modèle principal plus puissant.

Utilisation de Gemini 3.5 Flash Cyber uniquement après approbation et accès :

• L'organisation fait partie du programme pilote restreint de Google.
• La charge de travail concerne la cybersécurité défensive.
• Les résultats de détection de vulnérabilités sont vérifiés avant toute action.
• Les dépôts sensibles sont traités avec des autorisations strictes.
• L'organisation est capable de gérer les risques à double usage.

Enseignements plus larges de la sortie de la version Flash

Il est plus facile de considérer Gemini 3.6 Flash comme une amélioration de l'expérience opérationnelle plutôt que comme une percée spectaculaire en matière d'intelligence.

Il est conçu pour réduire les gaspillages qui rendent les agents coûteux :

• Raisonnement excessif
• Appels d'outils répétés
• Sorties verbeuses
• Boucles de débogage
• Modifications de code inutiles
• Exécution lente des tâches

Ces améliorations peuvent avoir plus de valeur en production que de légers progrès sur des benchmarks de raisonnement abstrait.

Cependant, l'efficacité ne remplace pas la qualité dans toutes les applications.

Un modèle capable d'effectuer des tâches à moindre coût est inutile si les résultats nécessitent d'importantes corrections manuelles. Un modèle performant en programmation peut encore décevoir en conception. Un modèle compétent en anglais peut nécessiter une validation supplémentaire en chinois ou dans d'autres langues.

La nouvelle série Flash de Google crée des options plus spécialisées :

• 3.6 Flash : pour un travail d'agent plus puissant
• 3.5 Flash-Lite : pour un passage à l'échelle massive
• Flash Cyber : pour un usage sécurisé et contrôlé

Ainsi, cette sortie consiste moins à remplacer un modèle par un autre qu'à attribuer le bon niveau d'intelligence et le bon coût à chaque partie d'un système d'agents.

FAQ

Qu'est-ce que Gemini 3.6 Flash ?

Gemini 3.6 Flash est le modèle polyvalent principal de Google pour la programmation, les tâches multimodales, le travail cognitif et les workflows d'agents. Il est basé sur Gemini 3.5 Flash mais vise à utiliser moins de jetons, moins de tours d'interaction et moins d'appels d'outils.

Gemini 3.6 Flash est-il plus intelligent que Gemini 3.5 Flash ?

Google rapporte des améliorations sur plusieurs benchmarks de programmation, d'utilisation informatique, d'apprentissage automatique et de travail cognitif. Artificial Analysis attribue aux deux modèles le même score global d'indice d'intelligence de 50, donc l'amélioration la plus évidente semble être l'efficacité et la vitesse d'exécution des tâches, plutôt qu'une augmentation de l'intelligence globale.

Combien coûte Gemini 3.6 Flash ?

Google a fixé le prix du modèle à 1,50 dollar par million de jetons d'entrée et 7,50 dollars par million de jetons de sortie. Les prix sont susceptibles de changer, et le coût total d'un agent dépend également du raisonnement, de la taille du contexte, des appels d'outils, des tentatives et de la longueur de la sortie.

À quoi sert Gemini 3.5 Flash-Lite ?

Flash-Lite est adapté aux charges de travail à haut débit et sensibles à la latence, telles que l'extraction, la classification, la recherche, la traduction, le routage, le traitement de données structurées et l'exécution de sous-agents. Il est moins cher et plus rapide que Gemini 3.6 Flash, mais n'est pas conçu pour remplacer les modèles plus puissants dans toutes les tâches difficiles.

Gemini 3.6 Flash prend-il en charge les images et les vidéos ?

Oui. Sa fiche technique indique qu'il prend en charge les entrées de texte, d'images, d'audio et de vidéo, avec une sortie en texte. La fenêtre de contexte du modèle atteint jusqu'à 1 million de jetons.

Qu'est-ce que Gemini 3.5 Flash Cyber ?

Il s'agit d'une version professionnelle de Gemini 3.5 Flash, spécialement entraînée pour la détection, la validation et la correction de vulnérabilités. Google prévoit de proposer ce modèle aux gouvernements et aux partenaires de défense de confiance via un programme pilote restreint appelé CodeMender.

Gemini 3.5 Pro a-t-il été annulé ?

Google n'a pas indiqué qu'il était annulé. La société a déclaré que Gemini 3.5 Pro était testé avec des partenaires et serait largement disponible lorsqu'il serait prêt.

Dois-je migrer immédiatement depuis Gemini 3.5 Flash ?

Pas nécessairement immédiatement. Avant de basculer, exécutez les deux modèles sur des tâches de production représentatives et comparez les taux de succès, le temps de correction manuelle, la fiabilité des outils, la latence, l'utilisation des jetons et le coût total.

Outils associés

• Google AI Studio : l'environnement de Google basé sur un navigateur pour tester les modèles Gemini, les invites, les outils et la configuration de l'API.
• API Gemini : l'API officielle pour intégrer les modèles Gemini dans les applications et les workflows d'agents.
• Application Gemini : l'interface grand public de Google pour utiliser directement les modèles Gemini.
  Antigravité (lien : https://antigravity.google/) : l'environnement de développement d'agents de Google, avec Gemini 3.6 Flash intégré pour les workflows de codage.
• CodeMender (lien : https://deepmind.google/models/codemender/) : l'agent de Google DeepMind pour la découverte et la correction de vulnérabilités logicielles.
• Artificial Analysis (lien : https://artificialanalysis.ai/) : une plateforme indépendante de comparaison de modèles, couvrant le niveau d'intelligence, la vitesse, la latence, l'utilisation des jetons et les informations de tarification.

Liens connexes

• Annonce officielle de la sortie de Gemini Flash : spécifications, résultats de benchmark, tarifs, cas clients et informations de disponibilité fournis par Google.
• Fiche technique de Gemini 3.6 Flash : détails officiels sur l'entrée, la longueur du contexte, les limites, les tests de sécurité et la date de connaissance.
• Fiche technique de Gemini 3.5 Flash-Lite : informations officielles sur l'utilisation prévue, les limites du modèle, l'évaluation de la sécurité et la distribution.
• Gemini 3.5 Flash Cyber : explication de Google DeepMind sur le modèle de cybersécurité dédié et le programme pilote restreint.
• Guide des derniers modèles de l'API Gemini : identifiants de modèles officiels, guide de migration, changements d'API, tarifs et cas d'utilisation recommandés.
• Tarification de l'API Gemini : page de tarification officielle actuelle pour les modèles et services de l'API Gemini.
• Évaluation d'Artificial Analysis : analyse indépendante du niveau d'intelligence, du coût par tâche unique, de la vitesse de sortie, de l'efficacité des jetons et de la durée des tâches.

Résumé

La dernière version Flash de Google comprend trois produits distincts. Gemini 3.6 Flash est destiné aux agents complexes et aux scénarios de codage, Gemini 3.5 Flash-Lite est axé sur l'exécution à haut débit, et

Gemini 3.5 Flash Cyber se concentre sur la recherche défensive en matière de vulnérabilités, avec un accès restreint.

Gemini 3.6 Flash améliore plusieurs tests de référence au niveau des tâches, réduit l'utilisation des tokens de sortie, accélère l'exécution des tâches agentiques et diminue le prix de la sortie. Cependant, des tests indépendants montrent que son score d'intelligence globale n'a pas augmenté par rapport à Gemini 3.5 Flash.

Par conséquent, la réaction complexe du marché est compréhensible. Cette version est avant tout une démonstration convaincante en matière d'efficacité, plutôt qu'un bond en avant en termes de capacités générales.

La meilleure façon de qualifier Gemini 3.6 Flash est de dire qu'il s'agit d'un modèle de production plus rapide et plus léger — sans pour autant prouver que toutes les formes d'intelligence ou la qualité des sorties aient progressé de manière uniforme.