Google пропустила собственный дедлайн по Gemini 3.5 Pro: на I/O 2026 модель обещали выпустить в июне, но к 16 июля релиза так и нет. Для тех, кто следит за AI-инструментами для разработки, это не мелкая задержка в роадмапе, а сигнал: даже у Google модели для кодинга по-прежнему ломаются в самом неудобном месте.
О причинах задержки Gemini 3.5 Pro сообщает 9to5Google. По данным издания, ссылающегося на Bloomberg, Google взяла дополнительное время, чтобы подтянуть возможности модели, прежде всего в программировании. В конце июня компания обновила данные, на которых обучается Gemini, рассчитывая улучшить навыки кодинга, но результат оказался слабее ожиданий. Если сопоставить это с майским анонсом на I/O и пропущенным июньским сроком, картина выглядит довольно прямолинейно: между сценической презентацией и реальной готовностью продукта оказался заметный зазор.
Контекст здесь важен. В середине мая Google представила Gemini 3.5 Flash на конференции I/O 2026 и тогда же заявила, что версия Pro выйдет в июне. Со сцены говорили о "серьезных улучшениях", но после этого не последовало ни релиза, ни новой даты. Последняя доступная Pro-модель в этой линии, Gemini 3.1 Pro, была представлена еще в феврале. Для компании, которая публично спорит за лидерство в генеративном ИИ сразу на нескольких фронтах, пауза длиной в несколько месяцев выглядит не как техническая шероховатость, а как симптом: улучшить общий уровень модели мало, нужно еще заставить ее стабильно писать код, который не стыдно запускать в проде.
Google формулирует ситуацию аккуратно. В комментарии компания заявила, что сейчас тестирует Gemini 3.5 Pro, обновленную версию Flash и другие модели вместе с партнерами. Одновременно Google подчеркивает, что быстро выпускает широкую линейку моделей и старается сохранять их экономически эффективными для клиентов. В переводе с корпоративного на обычный язык это значит следующее: релиз задержали не потому, что о нем забыли, а потому что модель пока не дотягивает по одному из самых коммерчески чувствительных сценариев использования. Если генерация кода проседает, страдают и AI Studio, и Vertex, и все интеграции, где модель должна быть не просто разговорчивой, а полезной инженеру.
И это, пожалуй, самая интересная часть истории. Рынок давно перестал оценивать большие модели только по красоте демо и качеству ответов в чате. Сейчас главный экзамен для любой новой версии, особенно в дорогом Pro-сегменте, это код: насколько хорошо модель пишет функции, понимает контекст проекта, не ломает архитектуру, удерживает ограничения и проходит инженерную проверку. Google, судя по публикации, уперлась именно в этот барьер. Причем проблема выглядит не косметической. Bloomberg пишет, что в конце июня компания уже предпринимала попытку улучшить coding-возможности через обновление тренировочных данных, но эффект не устроил команду. Обычно такие детали наружу не выносят, если ситуация близка к финишу.
На этом фоне особенно любопытно звучат цифры по внутреннему использованию ИИ в самой Google. По состоянию на апрель 2026 года, 75% всего нового кода в компании уже генерируется ИИ и затем одобряется инженерами. Осенью прошлого года показатель составлял 50%. Рост впечатляющий, но он же поднимает планку качества для публичных инструментов. Если внутри корпорации AI уже участвует в создании большей части нового кода, то от внешних моделей будут ждать не эффектного автодополнения, а реальной инженерной производительности. И вот здесь у Google, похоже, не все сходится: компания активно внедряет ИИ в собственную разработку, но довести до релиза очередную Pro-модель с убедительным качеством кодинга пока не может.
Есть и второй слой проблемы: внутри самой Google, по данным публикации, нет полного единства по поводу того, насколько сильно стоит опираться на генеративные инструменты в разработке. Часть инженеров придерживается более жесткой позиции и считает, что весь действительно важный код должен оставаться написанным человеком, чтобы соответствовать внутренним стандартам компании. Добавим сюда сообщения об ограничениях по вычислительным мощностям для внутренних AI-инструментов, и получится вполне знакомый для индустрии сюжет. Не только стартапы, но и гиганты упираются сразу в три стены: качество модели, доступность инфраструктуры и культурное сопротивление внутри инженерных команд.
Отдельно показательно, что у Google нет одного центра тяжести для AI-кодинга. Публичные инструменты развиваются сразу в нескольких направлениях: у DeepMind есть свои усилия через AI Studio, у Cloud своя линия через Vertex, у Android-команды свой контур в Android Studio. В публикации говорится, что внутри компании идет работа по объединению внутренних AI-инструментов для программирования. Для внешнего рынка это важный маркер. Когда у корпорации несколько параллельных платформ, модель уровня Pro должна быть не просто хорошей сама по себе, а достаточно зрелой, чтобы одинаково уверенно встраиваться в разные продукты и сценарии. Иначе получается витрина с большим количеством вывесок и довольно неровным опытом под капотом.
Для русскоязычных разработчиков и IT-руководителей вывод практичный. Задержка Gemini 3.5 Pro показывает, что гонка AI-моделей все еще упирается не в маркетинговые анонсы, а в способность надежно решать прикладные задачи разработки. Если команда выбирает модель для IDE, code review, генерации тестов или внутренних ассистентов, ориентироваться только на презентации и сравнительные таблицы уже опасно. Нужны свои прогоны на реальном коде, на собственных репозиториях и с понятными метриками: где модель экономит время, где вносит шум, а где требует больше ревью, чем пользы. В случае с Google интрига теперь не в том, когда именно выйдет Gemini 3.5 Pro, а в том, сможет ли компания показать модель, которая в кодинге будет не догонять рынок, а задавать планку. Пока что история выглядит менее как триумф новой версии и больше как напоминание: самый дорогой участок в AI-гонке находится не на сцене конференции, а в редакторе кода.