Google a lansat astăzi trei noi modele AI: Gemini 3.6 Flash, 3.5 Flash-Lite și 3.5 Flash Cyber. Nu asta se așteptau majoritatea oamenilor.

După ce a dezvăluit Gemini 3.5 Flash la Google I/O 2026 în mai și a promis o versiune Pro în decurs de o lună, Google a ratat în liniște propriul termen limită. Gemini 3.5 Pro a fost reținut deoarece nu a îndeplinit țintele interne, conform Bloomberg, în special în ceea ce privește sarcinile de codare. O încercare de la sfârșitul lunii iunie de a remedia problema prin actualizarea datelor de antrenament — seturile masive de date din care învață un model — a produs rezultate dezamăgitoare. Acțiunile Alphabet au scăzut cu aproximativ 4,4% la raport, ștergând aproximativ 200 de miliarde de dolari din capitalizarea de piață într-o singură sesiune.

Ultimul model din clasa Pro lansat de Google a fost succesorul lui Gemini 3, Gemini 3.1 Pro, în luna februarie.

Seria Flash este linia de modele optimizate pentru viteză de la Google — rapide, eficiente din punct de vedere al costurilor și construite pentru agenți AI, care sunt programe ce operează semi-autonom pentru a gestiona sarcini precum gestionarea documentelor, procesarea fluxurilor de date sau navigarea pe web fără ca un om să facă clic la fiecare pas. Modelele Pro sunt cele puternice: mai lente, mai costisitoare și construite pentru raționamente complexe unde puterea brută contează mai mult decât viteza.

Ce face fiecare model AI — și cui se adresează

Gemini 3.6 Flash este principala lansare. Utilizează cu 17% mai puține token-uri de ieșire — token-urile fiind unitatea de bază pe care o procesează AI, aproximativ trei sferturi dintr-un cuvânt — decât 3.5 Flash, conform Artificial Analysis Index. Este, de asemenea, mai ieftin: 1,50 dolari per milion de token-uri de intrare și 7,50 dolari per milion de token-uri de ieșire, în scădere de la 9 dolari pentru partea de ieșire pentru 3.5 Flash. Pentru companiile care rulează agenți la scară, această diferență se compune rapid.

La benchmark-uri — teste standardizate care evaluează AI-ul în funcție de procentul de sarcini finalizate corect — 3.6 Flash a atins 49% la DeepSWE v1.1, care testează ingineria software pe termen lung, cum ar fi construirea și depanarea de baze de cod complete, față de 37% pentru 3.5 Flash. La MLE-Bench, un test de inginerie a învățării automate, a obținut 63,9% față de 49,7%. A ocupat primul loc la OSWorld-Verified — un test în care AI-ul preia controlul unui ecran de computer pentru a finaliza sarcini reale — cu 83,0%, înaintea lui Claude Sonnet 5 (81,2%) și GPT-5.6 Luna (72,6%).

Rivalii din aceeași categorie sunt încă în frunte în alte domenii: GPT-5.6 Luna obține 67% la DeepSWE și 84,7% la Terminal-Bench 2.1, care testează codarea terminalului agentic. Claude Sonnet 5 se clasează cel mai bine la munca de cunoaștere pe GDPval-AA v2 — un benchmark evaluat pe o scară de rating Elo, precum șahul, unde numerele mai mari înseamnă o performanță mai bună în sarcini reale — cu 1607 față de 1421 pentru 3.6 Flash.

Am testat modelul pentru codare și rezultatele au fost… dezamăgitoare, cel puțin.
Testul nostru simplu de codare s-a soldat cu un fișier inutilizabil. HTML-ul nu era formatat corect, iar elementele nu erau redate corespunzător. Încercările ulterioare de a rezolva problemele prin „vibe coding” nu au avut succes.

Am cerut Deepseek să transforme primul model în ceva redabil prin simpla corectare a erorilor. Acesta a identificat 11 erori și a implementat 8 corecții cheie, ceea ce a dus la un joc decent.

Micile ajustări ale Deepseek au reparat jocul, ceea ce înseamnă că gândirea de bază a Gemini a fost corectă, dar detaliile și inexactitățile au făcut rezultatul inutil. Pregătiți-vă pentru sesiuni lungi de „vibe coding” cu un model ieftin, dar cu performanțe slabe, dacă intenționați să utilizați modelul în acest scop.

Al doilea model lansat de Google, Gemini 3.5 Flash-Lite, este construit pur pentru volum: 350 de token-uri de ieșire pe secundă, la 0,30 USD/milion de intrări și 2,50 USD/milion de ieșiri. Este destinat fluxurilor de lucru cu randament ridicat — gândiți-vă la procesarea documentelor la scară masivă sau la sistemele de căutare bazate pe agenți — și depășește vechiul 3 Flash în sarcinile cheie de codare, inclusiv Terminal-Bench 2.1 (54% față de 31%), în ciuda faptului că este semnificativ mai ieftin.

Ar putea fi, de asemenea, un excelent compresor de sesiuni (analizând sesiuni lungi și extrăgând elementele cheie, astfel încât agentul tău să nu se blocheze cu zgomot) pentru cei care se bazează pe Hermes și Openclaw.

Al treilea model, Gemini 3.5 Flash Cyber, nu va fi disponibil public. Google îl restricționează la guverne și parteneri verificați care trebuie să găsească și să repare vulnerabilități software — o capacitate cu dublă utilizare pe care compania nu se simte confortabil să o lanseze la scară largă.

Între timp, echipa DeepMind de la Google merge mai departe. Google a confirmat în anunțul oficial că a început "cea mai ambițioasă rula de pre-antrenare de până acum, pentru Gemini 4", iar echipa o promovează deja intens.

Pre-antrenarea este faza fundamentală în care un model învață din seturi masive de date înainte de a începe ajustarea fină specifică sarcinii — ceea ce înseamnă că Gemini 4 este în curs de construire, nu doar planificat.

Atât 3.6 Flash, cât și 3.5 Flash-Lite sunt disponibile astăzi în aplicația Gemini, Google AI Studio și prin API. Gemini 3.5 Pro va fi lansat, conform Google, "imediat ce va fi gata", oricând va fi asta.