Gemini 3.6 Flash стала новой базовой ставкой Google в гонке прикладного ИИ: модель пришла на смену Gemini 3.5 Flash всего через несколько месяцев после анонса и, по данным компании, тратит примерно на 17% меньше токенов. Для разработчиков и продуктовых команд это важный сигнал: рынок уже соревнуется не только качеством ответов, но и себестоимостью агентных сценариев, где каждый лишний шаг быстро превращается в деньги.
Google представила сразу несколько моделей, сообщает Ars Technica, но главный практический релиз здесь именно Gemini 3.6 Flash. Компания обещает умеренный рост качества, заметное улучшение в задачах программирования и снижение стоимости вывода через API. Цена на входные токены сохранилась на уровне $1,50 за 1 млн, а выходные подешевели с $9 до $7,50 за 1 млн токенов. Для команд, которые строят AI-функции поверх API, это куда важнее очередного красивого слайда про «следующее поколение интеллекта».
По бенчмаркам Google обновление выглядит не косметическим. В тесте DeepSWE, который компания использует для оценки кодовых задач, результат вырос до 49% против 37% у Gemini 3.5 Flash. В OSWorld, где измеряют способность модели работать в режиме computer use, показатель поднялся до 83% против 78,4%. Заодно computer use теперь входит в стандартный набор возможностей Gemini API для этой модели. Перевод с маркетингового на рабочий простой: Google хочет, чтобы Flash была не просто «быстрой дешевой моделью», а реальной лошадкой для агентных пайплайнов, автоматизации рутинных действий и инструментов разработки.
Здесь важен и контекст. В мае на I/O Google уже пыталась подать Gemini 3.5 Flash как серьезный шаг вперед, но реакция рынка была сдержанной, особенно вокруг генерации кода. Ars Technica прямо отмечает, что модель не вполне дотянула до ожиданий, которые сама Google успела создать. На этом фоне выпуск Gemini 3.6 Flash выглядит не как плановое обновление линейки, а как довольно быстрый разворот по фидбеку пользователей. Иными словами, Google пришлось чинить не только модель, но и разрыв между обещаниями и тем, что реально увидели разработчики в продакшене.
Отдельная линия в анонсе — еще более дешевая Gemini 3.5 Flash Lite. Google называет ее самой эффективной современной моделью в своей линейке и заявляет скорость до 350 токенов в секунду. Цены заметно ниже, чем у основной Flash: $0,30 за 1 млн входных токенов и $2,50 за 1 млн выходных. Правда, это все же дороже предыдущей 3.1 Flash Lite, у которой тарифы были $0,25 и $1,50 соответственно. То есть удешевление не абсолютное: Google продает не просто низкую цену, а баланс между скоростью, приемлемым качеством и масштабированием нагрузок. Для поиска, саппорта, классификации, авторазметки и других массовых сценариев это, вероятно, и есть главная ставка.
Показательно, что сама Google не скрывает будущее применение Flash Lite внутри своих продуктов. Компания прямо говорит, что модель будет активно использоваться в поиске, где высокая скорость особенно полезна для AI Overviews. Если читать между строк, получается довольно прозаичная, но важная история: генеративный ИИ окончательно переходит из режима витрины в режим инфраструктуры. Пользователь может и не знать, какая модель стоит за ответом в поиске или подсказкой в сервисе, но для Google разница в цене и задержке на миллионах запросов уже стратегическая.
Кибербезопасность как отдельная ветка
Второй заметный анонс — Gemini 3.5 Flash Cyber, первая специализированная модель Google для задач кибербезопасности. Компания утверждает, что она почти дотягивает по качеству поиска и исправления уязвимостей до Claude Mythos, хотя работает эффективнее благодаря архитектуре Flash. Но именно здесь Google резко сбавляет темп публичности. Модель не выкладывают в широкий доступ: ее собираются запустить ограниченным пилотом в агенте CodeMender от Google DeepMind, причем только для доверенных партнеров и государственных структур.
Причина вполне очевидна: dual-use. Модель, которая умеет находить и исправлять уязвимости, с тем же успехом может помочь искать их для атаки. Для отрасли это важный маркер. Крупные лаборатории уже не просто спорят о рисках абстрактного AGI, а начинают сегментировать прикладные модели по уровню опасности и доступности. Для security-команд новость двоякая: с одной стороны, профильные AI-инструменты становятся сильнее; с другой, доступ к ним будет неравномерным, а самые интересные версии сначала достанутся крупным игрокам, правительствам и закрытым программам.
Не менее любопытно то, чего на анонсе не случилось. Gemini 3.5 Pro, которую Google на I/O обещала выпустить в июне, снова не показали. Теперь компания говорит лишь, что флагманская модель тестируется с неназванными партнерами и выйдет «когда будет готова». На практике это читается довольно жестко: в сегменте топовых моделей, где все смотрят прежде всего на качество кодинга и reasoning, Google пока не готова публично выходить с продуктом, который не добирает до нужной планки. Ранее уже появлялись сообщения, что задержка могла быть связана именно с отставанием в задачах программирования; нынешний анонс эту версию не подтверждает напрямую, но и не опровергает.
На этом фоне особенно показательно заявление о Gemini 4. Google уже начала этап pre-training и называет проект более амбициозным, чем предыдущие поколения. Сроков нет, понимания по промежуточным релизам тоже нет. Но сам факт, что компания одновременно перевыпускает Flash, держит Pro в тестах и уже говорит о следующем крупном поколении, хорошо описывает нынешнюю фазу рынка. Большие лаборатории живут в трех временах сразу: латание текущих моделей, закрытая проверка флагманов и забег на год вперед.
Для русскоязычной IT-аудитории из этого следует вполне приземленный вывод. Если вы строите продукт на LLM, главный вопрос уже не «какая модель самая умная», а «какая модель выдержит экономику вашего сценария». Gemini 3.6 Flash интересна не как символический релиз Google, а как попытка сделать агентные и кодовые сценарии дешевле без явной просадки по качеству. А вот история с задержкой Pro и закрытым запуском Cyber показывает другую сторону рынка: фронтирные модели становятся не только сильнее, но и дороже в разработке, рискованнее в распространении и заметно менее предсказуемыми по срокам. В ближайшие месяцы выиграют не те команды, которые гонятся за самым громким названием модели, а те, кто быстрее научится считать токены, мерить качество на своих задачах и не влюбляться в роадмапы вендоров.