Google 21 июля вывела на рынок три новые модели Gemini, и главная новость здесь не только в самом релизе. Новые модели Gemini закрывают сразу три практических сценария — дешевый массовый inference, более сильный рабочий «флэш»-класс и отдельный вариант для кибербезопасности, — но при этом компания снова не показала Gemini 3.5 Pro, которую ждут как основной флагман линейки.
Как пишет The New Stack, Google одновременно запустила Gemini 3.6 Flash, Gemini 3.5 Flash-Lite и Gemini 3.5 Flash Cyber. Первая модель позиционируется как универсальный рабочий вариант для кода, мультимодальных задач и агентных сценариев. Вторая бьет в скорость и стоимость. Третья заточена под поиск, подтверждение и исправление уязвимостей и пока распространяется в более закрытом режиме, чем обычные Gemini-модели.
Самая понятная для разработчиков часть анонса — экономика. У Gemini 3.6 Flash цена на входные токены осталась на уровне 1,50 доллара за миллион, а выходные подешевели с 9 до 7,50 доллара за миллион. Google также утверждает, что модель тратит примерно на 17% меньше выходных токенов по сравнению с 3.5 Flash. Для команд, которые уже считают не только качество ответа, но и стоимость полного агентного цикла с tool calling, это важнее любого красивого бенчмарка. Если модель делает меньше лишних шагов и реже уходит в циклы, она выигрывает не в презентации, а в счете за прод.
Gemini 3.5 Flash-Lite выглядит как ставка на другой сегмент: high-throughput-нагрузки, где важны цена, latency и предсказуемость. Google называет ее самой быстрой моделью в семействе 3.5 и приводит показатель в 350 выходных токенов в секунду. Цена еще агрессивнее: 0,30 доллара за миллион входных токенов и 2,50 доллара за миллион выходных. По сути, Google подталкивает рынок к старой, но не очень удобной мысли: гонка моделей давно идет не только за «кто умнее», а за «кто дешевле переварит реальный поток задач». Для продуктовых команд это особенно актуально в поиске, обработке документов, support-автоматизации и агентных пайплайнах, где маржа сгорает быстрее, чем пишется демо.
Отдельная история — Gemini 3.5 Flash Cyber. Google подает ее не как просто еще одну версию LLM, а как компонент в связке с собственным security-агентом CodeMender. Логика понятна: кибербезопасность — слишком чувствительная область, чтобы продавать ее как «еще один чат с промптом». Здесь важны не только знания модели, но и вся обвязка вокруг нее: проверка гипотез, воспроизводимость, контроль за использованием и аккуратная автоматизация исправлений. Именно поэтому киберверсия, в отличие от обычных новых моделей Gemini, не идет в широкий developer self-service с первого дня.
Но весь этот релиз сопровождает одна неудобная деталь: Gemini 3.5 Pro снова не вышла. Google анонсировала ее еще на I/O в мае и тогда обещала релиз в июне. Теперь формулировка осторожнее: модель тестируется с партнерами и станет общедоступной, когда будет готова. Для внешнего наблюдателя это звучит как нормальный PR-язык, но рынок читает иначе. Когда компания выпускает сразу три «облегченных» или специализированных варианта, а основной флагман зависает, это почти всегда вызывает вопрос не о линейке, а о готовности лидирующей модели выдерживать конкуренцию в проде, особенно в коде и сложных reasoning-задачах.
Контекст тут тоже показательный. Весной Google активно продвигала Gemini 3.5 Flash как следующий шаг своей AI-линейки, а теперь фактически довольно быстро перевела внимание на 3.6 Flash и Flash-Lite. Это хороший индикатор того, как меняется сам рынок моделей. Если в 2023 и 2024 годах разговор обычно упирался в «кто первый в общем зачете», то в 2026-м заказчикам уже важнее, сколько стоит один полезный результат, насколько стабильно модель ведет себя в агентной цепочке и можно ли без боли масштабировать нагрузку. Иными словами, CIO и head of AI increasingly покупают не интеллект в вакууме, а управляемый cost-per-task.
Для русскоязычной IT-аудитории здесь несколько практических выводов. Во-первых, новые модели Gemini укрепляют класс «рабочих» моделей, которые можно ставить не на витринные демо, а на рутинные продуктовые сценарии. Во-вторых, давление на цену продолжит расти: если у крупных вендоров появляются все более дешевые и быстрые варианты без полного провала по качеству, закупка одного дорогого флагмана «на все случаи жизни» выглядит все менее рационально. В-третьих, специализированные модели вроде Cyber намекают, что рынок идет к более узким, но лучше упакованным продуктам под конкретные функции — от secure coding до enterprise search. Для интеграторов и корпоративных платформ это, возможно, важнее, чем очередная перестановка мест в публичных рейтингах.
На этом фоне главный вопрос даже не в том, насколько хороши новые модели Gemini сами по себе. Вопрос в другом: не превращается ли рынок генеративного ИИ в поле, где побеждает не самый громкий флагман, а тот, кто быстрее собирает линейку из достаточно сильных, дешевых и узкоспециализированных моделей под реальные бизнес-процессы.