Коротко

  • Google сьогодні запустив Gemini 3.6 Flash і 3.5 Flash-Lite з кращою ефективністю та нижчою вартістю, ніж 3.5 Flash — але Gemini 3.5 Pro, обіцяний на I/O 2026 до червня, залишається в тестуванні після того, як не дотягнув у кодуванні всередині компанії.
  • 3.6 Flash використовує на 17% менше вихідних токенів, ніж 3.5 Flash, знижуючи ціну виводу з $9 до $7.50 за мільйон токенів, що робить дешевшим запуск AI-агентів у масштабі.
  • Google підтвердив, що розпочав попереднє навчання для Gemini 4, яке він називає «нашим найамбітнішим запуском попереднього навчання».

Google сьогодні запустив три нові AI-моделі: Gemini 3.6 Flash, 3.5 Flash-Lite та 3.5 Flash Cyber. Це не те, чого очікувала більшість.

Після представлення Gemini 3.5 Flash на Google I/O 2026 у травні та обіцянки Pro-версії протягом місяця, Google тихо пропустив власний дедлайн. Gemini 3.5 Pro був затриманий, оскільки не досяг внутрішніх цілей, за Bloomberg, особливо у завданнях з кодування. Спроба наприкінці червня виправити це шляхом оновлення навчальних даних — величезних наборів даних, на яких навчається модель — дала розчаровуючі результати. Акції Alphabet впали приблизно на 4,4% після цього повідомлення, стерши приблизно $200 мільярдів ринкової капіталізації за одну сесію.

Останньою Pro-моделлю, яку Google випустив, був наступник Gemini 3, Gemini 3.1 Pro, ще в лютому.

Серія Flash — це лінійка швидкісних моделей Google — швидкі, економічні та створені для AI-агентів, які є програмами, що працюють напівавтономно для виконання завдань, таких як керування документами, обробка конвеєрів даних або перегляд веб-сторінок без участі людини на кожному кроці. Pro-моделі — це важковаговики: повільніші, дорожчі та створені для складних міркувань, де сира потужність важливіша за швидкість.

Що робить кожна AI-модель — і для кого вона

Gemini 3.6 Flash є головним релізом. Він використовує на 17% менше вихідних токенів — токени є базовою одиницею, яку обробляє AI, приблизно три чверті слова — ніж 3.5 Flash, згідно з Artificial Analysis Index. Він також дешевший: $1.50 за мільйон вхідних токенів і $7.50 за мільйон вихідних токенів, порівняно з $9 за вихідні для 3.5 Flash. Для бізнесу, який запускає агентів у масштабі, ця різниця швидко накопичується.

За бенчмарками — стандартизованими тестами, які оцінюють AI за відсотком правильно виконаних завдань — 3.6 Flash досяг 49% на DeepSWE v1.1, який тестує довгострокову програмну інженерію, таку як створення та налагодження повних кодових баз, порівняно з 37% для 3.5 Flash. На MLE-Bench, тесті з інженерії машинного навчання, він набрав 63.9% проти 49.7%. Він очолив таблицю на OSWorld-Verified — тесті, де AI бере під контроль екран комп'ютера для виконання реальних завдань — з 83.0%, випереджаючи Claude Sonnet 5 (81.2%) та GPT-5.6 Luna (72.6%).

Конкуренти в тій же категорії все ще лідирують в інших областях: GPT-5.6 Luna набирає 67% на DeepSWE та 84.7% на Terminal-Bench 2.1, який тестує агентне термінальне програмування. Claude Sonnet 5 очолює знаннєву роботу на GDPval-AA v2 — бенчмарку, оцінюваному за шкалою Ело, як у шахах, де вищі числа означають кращу продуктивність у реальних завданнях — з результатом 1607 проти 1421 у 3.6 Flash.

Ми спробували модель для кодування, і результати були... м'яко кажучи, не вражаючими.
Наш простий тест на кодування завершився непридатним файлом. HTML був неправильно відформатований, а елементи не відображалися коректно. Подальші спроби вібро-кодування для вирішення проблем не увінчалися успіхом.

Ми попросили Deepseek перетворити першу модель на щось придатне для гри, просто виправивши помилки. Він виявив 11 помилок і впровадив 8 ключових виправлень, що призвело до пристойної гри.

Невеликі налаштування Deepseek виправили гру, що означає, що основне мислення Gemini було правильним, але деталі та неточності зробили результат непридатним. Приготуйтеся до довгих сесій віб-кодингу з дешевою, але погано працюючою моделлю, якщо ви плануєте використовувати модель для цього.

Друга модель, випущена Google, Gemini 3.5 Flash-Lite, створена виключно для обсягу: 350 вихідних токенів на секунду за $0,30/мільйон вхідних і $2,50/мільйон вихідних. Вона призначена для високопродуктивних конвеєрів — подумайте про обробку документів у масовому масштабі або агентні пошукові системи — і перевершує старішу 3 Flash у ключових завданнях кодування, включаючи Terminal-Bench 2.1 (54% проти 31%), незважаючи на значно нижчу ціну.

Вона також може бути чудовим компактором сесій (аналіз довгих сесій і вилучення ключових елементів, щоб ваш агент не руйнувався від шуму) для тих, хто покладається на Hermes і Openclaw.

Третя модель, Gemini 3.5 Flash Cyber, не буде публічно доступною. Google обмежує її для урядів і перевірених партнерів, яким потрібно знаходити та виправляти вразливості програмного забезпечення — це можливість подвійного використання, яку компанія не готова широко випускати.

Тим часом команда DeepMind від Google уже рухається далі. Google підтвердив у офіційному оголошенні, що розпочав «наш найамбітніший запуск попереднього навчання для Gemini 4», і команда вже його розхвалює.

Попереднє навчання — це фундаментальна фаза, під час якої модель навчається на масивних наборах даних перед початком тонкого налаштування під конкретні завдання — це означає, що Gemini 4 будується, а не планується.

І 3.6 Flash, і 3.5 Flash-Lite вже доступні сьогодні в застосунку Gemini, Google AI Studio та через API. Gemini 3.5 Pro, за словами Google, вийде "як тільки буде готовий", коли б це не сталося.