Google выпустила три новых модели Gemini, ориентированных на разные сегменты агентного рынка:
Google выпустила три новых модели Gemini, ориентированных на разные сегменты агентного рынка:
Ключевой акцент в анонсе Google — эффективность. Компания утверждает, что новая Flash-модель выполняет задачи с меньшим количеством выходных токенов, меньшим числом вызовов инструментов и меньшими накладными расходами на цикл выполнения. Цена также ниже, чем у Gemini 3.5 Flash.
Эти заявления частично подтверждаются внутренними бенчмарками Google и ранними независимыми тестами.
Более сложный вопрос — превзошла ли Gemini 3.6 Flash своего предшественника по интеллектуальным способностям.
Artificial Analysis в своем комплексном индексе интеллекта зафиксировала у новой модели те же показатели, что и у Gemini 3.5 Flash. Ранние пользователи также отмечают неоднозначный опыт, особенно в области визуального дизайна, генерации на китайском, выбора инструментов и следования инструкциям.
Результаты нельзя назвать однозначным провалом. Gemini 3.6 Flash выглядит быстрее, генерирует более лаконичные ответы и обеспечивает меньшую стоимость за задачу во многих сценариях. Модель также показывает улучшения по ряду бенчмарков в кодинге, работе с компьютером, машинном обучении и интеллектуальном труде.
Однако этот релиз подчеркивает важное различие:
Модель может стать более эффективной без сопоставимого роста общего интеллекта или субъективного качества результатов.
| Модель | Основное назначение | Цена API за миллион токенов | Уровень рассуждений по умолчанию | Доступность |
|---|---|---|---|---|
| Gemini 3.6 Flash | Кодинг, мультимодальные задачи и сложные агентные рабочие процессы | Ввод $1.50 / Вывод $7.50 | Средний | Полностью доступна |
| Gemini 3.5 Flash-Lite | Высокообъемное извлечение, поиск, перевод, маршрутизация и суб-агенты | Ввод $0.30 / Вывод $2.50 | Минимальный | Полностью доступна |
| Gemini 3.5 Flash Cyber | Поиск, верификация и исправление уязвимостей | Не опубликована публично | Специализированный | Ограниченный пилот для правительственных и доверенных партнеров |
Gemini 3.6 Flash и Gemini 3.5 Flash-Lite поддерживают:
В карточках моделей Google указано, что дата актуальности знаний для обеих общедоступных моделей — март 2026 года.
Gemini 3.6 Flash основана на Gemini 3.5 Flash и призвана заменить ее во многих задачах кодинга, интеллектуального труда, мультимодальной и агентной работы.
Наиболее последовательное улучшение — эффективность.
Google сообщает, что в индексе Artificial Analysis Gemini 3.6 Flash использует на 17% меньше выходных токенов, чем Gemini 3.5 Flash. В некоторых агентных оценках кодинга (включая DeepSWE) Google наблюдала сокращение выходных токенов до 65%.
Модель также склонна к использованию:
Эти изменения важны, потому что стоимость агента зависит не только от объявленной цены за токен.
Долго работающий агент может многократно вызывать модель, отправлять большие определения инструментов, проверять файлы, выполнять код, восстанавливаться после сбоев и генерировать объемный вывод рассуждений. Даже если цена за токен меняется незначительно, сокращение количества циклов вызова и токенов снижает общую стоимость.
Google приводит следующие цены API:
| Тип токена | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Ввод | $1.50 за миллион токенов | $1.50 за миллион токенов |
| Вывод | $7.50 за миллион токенов | $9.00 за миллион токенов |
Цена ввода осталась неизменной, а цена вывода снизилась примерно на 16.7%.
В своих настройках оценки Artificial Analysis измерила среднюю стоимость за задачу для Gemini 3.6 Flash примерно в $0.50, по сравнению с $0.59 для Gemini 3.5 Flash. Это представляет собой снижение примерно на 18%, обусловленное как более низкой ценой вывода, так и меньшим количеством генерируемых токенов.
Эти цифры следует рассматривать как зависящие от конкретной нагрузки, а не универсальные. Фактическая стоимость зависит от:
Artificial Analysis сообщает, что среднее время выполнения задачи для Gemini 3.6 Flash составляет около 1,3 минуты, по сравнению с примерно 2,7 минутами для Gemini 3.5 Flash.
Это улучшение обусловлено как более быстрым выводом, так и более экономным процессом рассуждения.
Модель, которая быстро генерирует токены, может все еще занимать много времени, если она застревает в повторяющихся циклах вызова инструментов. И наоборот, немного более медленная модель может завершить работу раньше, если найдет правильное решение с меньшим количеством вызовов.
Для разработчиков агентов время на выполнение задачи часто более полезно, чем исходное количество токенов в секунду.
Google сообщает об улучшениях по нескольким категориям бенчмарков.
На DeepSWE Gemini 3.6 Flash показала улучшение с 37% до 49% по сравнению с Gemini 3.5 Flash.
Google утверждает, что модель:
В последнем пункте есть компромисс.
В руководстве для разработчиков Google указано, что Gemini 3.6 Flash перед редактированием может запускать диагностические скрипты, что может повысить точность в сложных задачах. Однако в простых frontend-работах эти дополнительные исследовательские шаги могут увеличить задержку, не всегда улучшая результат.
Google также отметил, что человеческие оценщики иногда предпочитают визуальное оформление и стиль более ранних моделей, даже если Gemini 3.6 Flash генерирует более практичный код. Поэтому разработчикам, создающим интерфейсы, возможно, потребуется задавать более четкие ограничения по визуальному дизайну.
На MLE-Bench, согласно отчету Google, результаты улучшились с 49,7% до 63,9%.
Эта оценка фокусируется на реальных задачах машинного обучения и исследований, а не на изолированных задачах программирования. Данное улучшение показывает, что модель лучше справляется с рабочими процессами, требующими экспериментов, обработки данных, внедрения и итеративных улучшений.
На OSWorld-Verified, по данным сравнения, опубликованного Google, Gemini 3.6 Flash показал рост с 78,4% до 83,0%.
Возможности работы с компьютером теперь доступны как встроенный инструмент клиента через Gemini API и Gemini Enterprise. Они позволяют агентным системам взаимодействовать с графическим интерфейсом, а не полагаться исключительно на прямой API.
Результаты бенчмарков для работы с компьютером по-прежнему зависят от фреймворка агента, среды экрана, дизайна задач и стратегий восстановления после ошибок. Более высокие баллы полезны, но производственные системы все равно требуют строгих разрешений и этапов подтверждения для важных операций.
На GDPval-AA v2 результат Gemini 3.6 Flash вырос с 1349 до 1421.
Google выделил следующие сценарии применения:
Клиенты, включая Figma, Harvey, Hebbia и JetBrains, предоставили положительные отзывы для анонса Google. Эти рекомендации отражают опыт клиентов и не должны рассматриваться как независимые эталоны.
Gemini 3.6 Flash поддерживает контекстное окно до 1 миллиона токенов и максимальный вывод в 64000 токенов.
В карточке модели указана дата среза знаний март 2026 года, что является улучшением по сравнению с более ранними версиями Gemini (у которых дата среза была значительно раньше).
Более поздняя дата среза уменьшает объем базовой недавней контекстной информации, которую разработчики должны предоставлять вручную. Однако это не позволяет модели надежно обрабатывать текущие новости, цены в реальном времени, меняющиеся законы, релизы программного обеспечения или другую информацию, чувствительную ко времени.
Приложения, работающие со свежей информацией, по-прежнему должны использовать поиск, извлечение, проверенные базы данных или вызовы инструментов.
Большое контекстное окно также не гарантирует, что модель будет одинаково эффективно использовать каждую часть длинных документов. Разработчикам следует тестировать:
Google заявляет, что Gemini 3.6 Flash содержит усиленные передовые меры безопасности, направленные против:
Карточка модели сообщает об улучшении автоматических многоязычных результатов и результатов по безопасности контента по сравнению с Gemini 3.5 Flash, при сохранении относительно низкого уровня необоснованных отказов.
Google также отмечает
несколько ограничений:
Оценка передовой безопасности Google пришла к выводу, что Gemini 3.6 Flash все еще находится ниже критического уровня возможностей, установленного компанией, включая порог кибербезопасности.
Этот вывод основан на системе оценки Google и должен интерпретироваться вместе с последующими независимыми результатами тестов безопасности, если таковые будут доступны.
Gemini 3.5 Flash-Lite разработан для задач, где приоритетом являются скорость, пропускная способность и стоимость, а не максимальная глубина рассуждений.
Типичные сценарии применения включают:
Google описывает его как самую быструю и самую дешевую модель в семействе Gemini 3.5.
| Тип токена | Цена за миллион токенов |
|---|---|
| Ввод | $0.30 |
| Вывод | $2.50 |
Его уровень рассуждений по умолчанию — минимальный, что ставит во главу угла пропускную способность и низкую задержку.
Для автономных подзадач, выполнения кода, вызова инструментов или многошагового планирования Google рекомендует при необходимости повышать уровень рассуждений до среднего или высокого. Более высокие настройки улучшают процент выполнения задач, но обычно увеличивают использование токенов и задержку.
В анонсе Google приводятся данные Artificial Analysis, полученные в предрелизном тестировании: около 350 выходных токенов в секунду.
Впоследствии Artificial Analysis зафиксировала скорость для конкретного провайдера, которая может меняться со временем. Пропускная способность зависит от:
Стабильный вывод: Flash-Lite по дизайну значительно быстрее более крупных моделей Flash.
Google сообщил о следующих улучшениях по сравнению с Gemini 3.1 Flash-Lite:
| Бенчмарк | Gemini 3.1 Flash-Lite | Gemini 3.5 Flash-Lite |
|---|---|---|
| Terminal-Bench 2.1 | 31% | 54% |
| GDM-MRCR v2 | 60.1% | 72.2% |
| GDPval-AA v2 | 642 | 1140 |
Google также сообщает, что Gemini 3.5 Flash-Lite превосходит Gemini 3 Flash по нескольким агентным и кодовым бенчмаркам:
Это делает Flash-Lite не просто дешевой моделью низкого качества. Для некоторых узких высокообъемных агентных задач он может предложить лучший баланс, чем старая Gemini 3 Flash.
Artificial Analysis оценил Gemini 3.5 Flash-Lite в своем Индексе интеллекта на 36 баллов, что выше 25 баллов у Gemini 3.1 Flash-Lite.
Это увеличение на 11 баллов является одним из самых значительных приростов интеллекта в данном релизе.
Flash-Lite все еще уступает самым мощным передовым моделям, но его цель не в том, чтобы конкурировать с ними в каждой сложной задаче рассуждения. Его роль — быстро и экономично обрабатывать большие объемы работы.
Третий выпуск, Gemini 3.5 Flash
Cyber, имеет иное предназначение.
Это специализированная модель на основе Gemini 3.5 Flash, доработанная для:
Модель работает совместно с агентом безопасности кода Google DeepMind CodeMender.
В CodeMender несколько агентов Flash Cyber могут искать разные части кодовой базы и объединять свои находки в единый отчет.
Google считает использование более мелких и дешевых моделей ценным в области кибербезопасности, поскольку исследование уязвимостей часто требует изучения большого количества возможных путей выполнения. Многократное обращение к большим дорогим моделям может стать узким местом.
Google утверждает, что при использовании в системе CodeMender, Gemini 3.5 Flash Cyber достигает конкурентоспособной производительности передового уровня на CyberGym.
Этот результат зависит от полной инфраструктуры агента, а не только от базовой модели. Оркестровка, инструменты, валидация и агрегация отчетов вносят вклад в итоговую оценку.
Gemini 3.5 Flash Cyber не будет доступен через публичный
API Gemini предоставляется в широком доступе.
Google планирует предоставить доступ к модели через ограниченную пилотную программу CodeMender следующим категориям:
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Этот ограниченный выпуск отражает двойственную природу модели. Система, способная находить и проверять уязвимости, может помочь защитникам в устранении ошибок в программном обеспечении, однако аналогичные возможности могут быть использованы и для атак.
Google сообщает, что Gemini 3.5 Pro тестируется с партнёрами и будет выпущен более широко после того, как будет готов.
Источник AIBase связывает эту задержку с внешними отчётами и онлайн-слухами о производительности в кодировании и возможном переобучении.
Google официально не подтверждал информацию об отказе от первоначального плана обучения модели или о её полном перезапуске с нуля.
То, что подтверждено, довольно ограничено:
Отсутствие флагманской Pro-версии делает выпуск Flash стратегически более важным. Пока передовая модель недоступна, Gemini 3.6 Flash и Flash-Lite должны покрывать большую часть производственных потребностей.
Это не обязательно означает, что Google отказалась от Gemini 3.5 Pro или что Gemini 4 уже в пути.
Графики разработки моделей могут меняться, а предварительное обучение — это лишь один из этапов. Посттренинг, тестирование безопасности, интеграция инструментов, оптимизация задержки и подготовка к развёртыванию могут потребовать значительного дополнительного времени.
Выводы независимого анализа более сдержанны, чем заявления Google.
Gemini 3.6 Flash набрал 50 баллов по Индексу интеллекта независимого анализа.
Gemini 3.5 Flash также набрал 50 баллов.
Таким образом, хотя оценка показывает улучшения по ряду категорий, общий балл интеллекта новой модели в данном тесте не увеличился.
Отчёт независимого анализа указывает:
Это заслуживающее доверия повышение эффективности, но не широкий скачок в интеллекте.
Замеры независимого анализа:
Модель сократила время выполнения оценочной рабочей нагрузки более чем вдвое.
Оценка независимого анализа:
Для крупномасштабных ИИ-агентов такое снижение затрат является значительным, особенно когда система выполняет тысячи задач.
Независимый анализ объединяет несколько оценок в один индекс. Сводные баллы могут использоваться для грубого сравнения, но могут скрывать существенные различия между разными типами рабочих нагрузок.
Модели с одинаковым общим баллом могут быть сильнее в некоторых аспектах, например:
Но могут быть слабее в других:
Выбор правильной модели зависит от конкретного сценария использования.
В источнике собрано несколько критических реакций из социальных сетей.
Жалобы пользователей включают:
Эти отзывы важны, потому что бенчмарки не могут охватить все аспекты качества продукта.
Модель может отлично справляться с задачами по работе с кодом, но хуже генерировать макеты; может использовать меньше токенов, но стать чрезмерно краткой; может быть более точной в одном бенчмарке программирования, но менее надёжной в конкретном языке.
В то же время, тестирование в социальных сетях имеет серьёзные ограничения:
Следовательно, ранние отзывы пользователей следует рассматривать как сигнал для целенаправленного тестирования, а не как окончательный вердикт.
Командам, рассматривающим возможность использования Gemini 3.6 Flash, не следует делать это только на основании более высоких показателей Google.
И не следует отказываться от него только из-за неудачных онлайн-демонстраций.
Полезный тест миграции должен сравнивать старую и новую модели в одном и том же приложении.
Создайте оценочный набор из реальной работы:
Отслеживайте:
Gemini 3.6 Flash по умолчанию использует средний уровень обдумывания.
Gemini 3.5 Flash-Lite по умолчанию использует минимальный уровень обдумывания.
Модель может казаться менее способной просто потому, что уровень рассуждений слишком низок для данной задачи. И наоборот, использование высокого уровня обдумывания для простой задачи извлечения информации — пустая трата времени и денег.
Бенчмарки кодирования не могут оценить, насколько хорошо выглядит веб-сайт или насколько естественен китайский текст.
Используйте специальную ручную оценку для проверки:
Результат работы агента зависит не только от модели.
Необходимо сравнивать:
Миграция модели может потребовать соответствующей настройки всего системного окружения.
Приложению необходимо обрабатывать большое количество документов.
Gemini 3.6 Flash проще воспринимать как обновление операционного опыта, а не как драматический прорыв в интеллекте.
Он призван сократить расточительность, делающую агентов дорогими:
Эти улучшения в производственной среде могут быть ценнее, чем незначительный прирост в абстрактных тестах рассуждений.
Однако эффективность не заменяет качество в каждом приложении.
Модель, способная дешево выполнять задачи, бесполезна, если результаты требуют значительной ручной доработки. Модель с высокими баллами в программировании всё ещё может разочаровать в дизайне. Модель с хорошим английским может требовать дополнительной проверки в китайском или других языках.
Новая серия Flash от Google создала более специализированные варианты:
Таким образом, этот релиз — это скорее подбор правильного уровня интеллекта и затрат для каждой части агентной системы, чем замена одной моделью всех остальных.
Gemini 3.6 Flash — это универсальная рабочая лошадка Google для программирования, мультимодальных задач, интеллектуальной работы и агентных процессов. Он основан на Gemini 3.5 Flash, но нацелен на использование меньшего количества токенов, меньшего числа раундов взаимодействия и меньшего количества вызовов инструментов.
Google сообщает об улучшениях по нескольким тестам программирования, использования компьютера, машинного обучения и интеллектуальной работы. Artificial Analysis присваивает обеим моделям одинаковый общий показатель интеллекта — 50, поэтому наиболее очевидным улучшением, похоже, является эффективность и скорость выполнения задач, а не повышение общего интеллекта.
Google установил цену на модель в размере 1,50 доллара за миллион входных токенов и 7,50 доллара за миллион выходных токенов. Цены могут меняться, а общая стоимость использования агента также зависит от рассуждений, размера контекста, вызовов инструментов, повторных попыток и длины вывода.
Flash-Lite подходит для рабочих нагрузок с высокой пропускной способностью, чувствительных к задержке, таких как извлечение, классификация, поиск, перевод, маршрутизация, обработка структурированных данных и выполнение подзадач агентами. Он дешевле и быстрее, чем Gemini 3.6 Flash, но не предназначен для замены более мощных моделей во всех сложных задачах.
Да. В карточке модели указаны функции, включающие поддержку текстового, графического, аудио и видеовхода, а также текстового выхода. Контекстное окно модели составляет до 1 миллиона токенов.
Это специализированная версия Gemini 3.5 Flash, обученная для обнаружения, верификации и исправления уязвимостей. Google планирует предоставлять эту модель правительствам и доверенным партнёрам в области обороны через ограниченную пилотную программу под названием CodeMender.
Google не заявлял о его отмене. Компания сообщила, что Gemini 3.5 Pro тестируется с партнёрами и будет широко доступен, когда будет готов.
Не обязательно немедленно. Перед переходом стоит запустить обе модели на репрезентативных производственных задачах и сравнить процент успеха, время ручной доработки, надёжность инструментов, задержку, использование токенов и общую стоимость.
Антигравитация (ссылка: https://antigravity.google/): Среда разработки агентов Google со встроенным Gemini 3.6 Flash для кодирования рабочих процессов.
Последняя версия Flash от Google включает три отдельных продукта. Gemini 3.6 Flash ориентирован на сложные агентные и кодировочные сценарии, Gemini 3.5 Flash-Lite нацелен на высокую пропускную способность выполнения, а
Gemini 3.5 Flash Cyber в условиях ограниченного доступа фокусируется на исследовании уязвимостей в оборонительных целях.
Gemini 3.6 Flash улучшила показатели по ряду задач на уровне бенчмарков, сократила использование выходных токенов, ускорила выполнение агентных задач и снизила цены на вывод. Однако независимые тесты показали, что её общий интеллектуальный рейтинг не повысился по сравнению с Gemini 3.5 Flash.
Поэтому сложная реакция рынка вполне объяснима. Этот релиз скорее даёт убедительное доказательство повышения эффективности, нежели рывок в общих способностях.
Лучшая оценка для Gemini 3.6 Flash: это более быстрая и компактная производственная модель — а не доказательство того, что все формы интеллекта или качество вывода синхронно улучшились.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
