Google lancéiert Gemini 3.6 Flash, 3.5 Flash-Lite a 3.5 Flash Cyber
Google DeepMind huet den 21. Juli 2026 dräi nei Gemini-Modeller presentéiert, déi sech op Effizienz, niddereg Latenz a Skaléierbarkeit fir KI-Agenten konzentréieren. Gemini 3.6 Flash bitt méi besser Codequalitéit a Multimodal-Fäegkeeten bei méi nidderegem Käscht wéi säi Virgänger, wärend 3.5 Flash-Lite dee schnellste Modell an der 3.5-Serie ass. Fir Entwéckler a Betriber, déi produktiv KI-Agenten opbauen, sinn dës Verbesserungen direkt relevant.
Haaptpunkten
- Gemini 3.6 Flash verbraucht laut dem Artificial Analysis Index 17 Prozent manner Output-Tokens wéi 3.5 Flash, a bei bestëmmte Benchmarks wéi DeepSWE kann d'Reduktioun bis op 65 Prozent goen, alles bei engem méi nidderegem Präis pro Output-Token.
- 3.6 Flash ass zu engem Präis vun 1,50 Dollar pro Millioun Input-Tokens a 7,50 Dollar pro Millioun Output-Tokens verfügbar, wat d'Gesamtkäschte pro agentescher Aufgab am Verglach zu 3.5 Flash wesentlech reduzéiert.
- Gemini 3.5 Flash-Lite erreecht 350 Output-Tokens pro Sekonn laut Artificial Analysis, ass zu 0,30 Dollar pro Millioun Input-Tokens an 2,50 Dollar pro Millioun Output-Tokens disponibel, a iwwertrefft souguer 3 Flash op verschiddene Benchmarks wéi SWE-Bench Pro (54,2 Prozent géintiwwer 49,6 Prozent) a OSWorld-Verified (74,0 Prozent géintiwwer 65,1 Prozent).
- Gemini 3.5 Flash Cyber ass e spezialiséierte Modell fir d'Detektioun a Behebung vu Cybersécherheetsschwaachstellen, deen am Kader vum CodeMender-Agent exklusiv un Regierungen a vertrauenswürdeg Partner via engem limitéierten Zougangsprogramm verdeelt gëtt.
- 3.6 Flash bréngt konkret Fortschrëtter an der Computernotzoung (OSWorld-Verified: 83,0 Prozent géintiwwer 78,4 Prozent), am Coding (DeepSWE: 49 Prozent géintiwwer 37 Prozent) an an der Wëssensaarbecht (GDPval-AA v2: 1421 géintiwwer 1349).
- Google bestätegt, datt Gemini 3.5 Pro am Moment mat Partneren getest gëtt a breet verfügbar gemaach soll ginn, wärend d'Pre-Training fir Gemini 4 schonn ugefaange gouf, beschriwwen als dee gréissten a ambitiéisesten Training-Run bis elo.
Analyse
D'Lancéierung vun Gemini 3.6 Flash markéiert e weesentleche Schratt an der Evolutioun vun agenteschen KI-Systemer. Anstatt nëmme méi Leeschtung ze bidden, fokusséiert sech Google dës Kéier explizit op Effizienz: manner Tokens fir déiselwecht Resultater bedeiten direkt méi niddereg Betribskäschte fir Entwéckler a Betriber. Dat ass besonnesch relevant fir Agencen, déi KI-Agenten fir héichvolumeg Workflows wéi Dokumentenanalyse, automatéiert Berichterstattung oder multimedial Inhaltsveraarbechtung asetzen.
D'Positionnéierung vun 3.5 Flash-Lite als deen schnellste Modell an der 3.5-Serie ënnersträicht, datt Google e breede Spektrum un Notzerentwécklungsbesoinen ofdeckt. Fir Andwendungen, wou héije Duerchlaf a kuerz Reaktiounszäiten kritesch sinn, wéi zum Beispill agentescher Sichveraarbechtung oder massenhafter Produktdatenanalyse am E-Commerce, stellt 3.5 Flash-Lite eng käschteeffizient Alternativ zu méi grosse Modeller duer. D'Tatsaach, datt en op verschiddene Benchmarks souguer 3 Flash iwwertrefft, ass eng bedeitend Aussoe iwwer d'Fortschrëtter an der Optimisatioun vun méi klenge Modeller.
D'Aféierung vun Gemini 3.5 Flash Cyber am CodeMender illustréiert, wéi spezialiséiert KI-Modeller fir héichrisikoräich Domänen eng aner Deploymentstrategie brauchen wéi allgemeng Modeller. Andeems d'Zougang op Regierungen a vertrauenswürdeg Partner limitéiert gëtt, versicht Google d'Dual-Use-Problematik, also d'Risiko, datt déiselwecht Technologie fir Angrëff benotzt gëtt, ze adresséieren. Dëse méi besonnechen Deploymentmodell wäert wahrscheinlech als Referenz fir ähnlech sensibel KI-Andwendungen déngen.
D'verbessert Sécherheetsmoossnamen a 3.6 Flash, besonnesch am Beräich vun chemeschen, biologeschen, radiologeschen a nuklearen Missbräicher, weisen, datt Google Frontier Safety als integrale Bestanddeel vum Modelldesign betrachtegt. Gläichzäiteg gëtt betount, datt d'Modell trainéiert gouf, fir nëtzlech Ufroen net onéiwenteg ofzeleenen. Dëst Gläichgewiicht tëscht Sécherheet a Nëtzlechkeet ass eng zentral Erausfuerderung fir all grouss KI-Plattform.
D'Announcement, datt Gemini 4 schonn am Pre-Training ass, gëtt e wichtegen Kontext fir d'aketuell Versioune. Fir Betriber, déi laangfristeg KI-Strategie plannen, bedeit dëst, datt si déi aktuell Flash-Modeller als produktiounsreife Losung fir haut notze kënnen, wärend d'nächst Generatioun scho preparéiert gëtt. Dëse schnelle Innovatiounszyklus mécht kontinuéierlecht Monitoring vun neie Modellversioune zu enger strategescher Néiwennegkeet.
Wat maachen
- Tescht Gemini 3.6 Flash als Ersatz fir 3.5 Flash an alle bestehende produktive Workflows, besonnesch do, wou Token-Verbrauch an Dokumentenveraarbechtung eng grouss Roll spillen, well d'Token-Effizienzgewënn vun 17 bis 65 Prozent direkt d'Betribskäschte reduzéiere kënnen.
- Evaluéiert Gemini 3.5 Flash-Lite fir héichvolumeg, latenzsensibell Aufgaben wéi agentescher Sichveraarbechtung, E-Commerce-Produktdatenextraktioun oder massenhafter Iwwersetzungsaufgaben, wou säi Präis-Leeschtungs-Verhältnis besonnesch virdeelhaft ass.
- Profitéiert vun der integréierter Computer-Use-Fäegkeet an 3.6 Flash an 3.5 Flash-Lite fir agentescher Automatisatioun vun Browserinteraktiounen an Desktop-Tasks am Kader vu KI-gestëtzten Marketing-Workflows.
- Verfollegt den Test vu Gemini 3.5 Pro mat Partneren an preparéiert Är Infrastruktur fir eng séier Migratioun, sou wéi d'allgemeng Verfügbarkeet annoncéiert gëtt, besonnesch fir Aufgaben, déi méi héich Reasoning-Kapazitéiten erfuerderen.
- Iwwerwaacht déi weider Entwécklung vu Gemini 4 an dem Pre-Training-Run, fir Är laangfristeg KI-Roadmap rechtzäiteg unzepassen an nei Kapazitéiten als éischt fir kompetitiv Differenzéierung am Marketing anzewenden.
- Wann Är Organisatioun am Beräich vun der Softwaresécherheet aktiv ass, informéiert Iech iwwer de limitéierte Zougangsprogramm fir Gemini 3.5 Flash Cyber a CodeMender, fir als Frontline-Verteideger vun der méi séier Schwachstellenbehebung ze profitéieren.
D'verbesserter Token-Effizienz a méi niddereg Betribskäschte vun dëse Modeller kënnen d'KI-gestëtzte Inhaltsproduktion, d'automatéiert Dokumentenanalyse an d'semantesch Sichoptimisatioun fir gréissere Volumen méi rentabel maachen. Agencen, déi KI fir SEO-Workflows oder GEO-Strategie notzen, profitéieren direkt vun der gestäerter Geschwindegkeet a Präzisioun.