W skrócie

  • Google wypuścił dziś Gemini 3.6 Flash i 3.5 Flash-Lite, oferując lepszą wydajność i niższe koszty niż 3.5 Flash – ale Gemini 3.5 Pro, obiecany na I/O 2026 z dostawą w czerwcu, pozostaje w testach po tym, jak nie spełnił wewnętrznych oczekiwań w kodowaniu.
  • 3.6 Flash zużywa o 17% mniej tokenów wyjściowych niż 3.5 Flash, obniżając cenę wyjścia z 9 do 7,50 dolara za milion tokenów, co czyni go tańszym w skalowaniu agentów AI.
  • Google potwierdził, że rozpoczął wstępne szkolenie Gemini 4, które nazywa „naszym najbardziej ambitnym jak dotąd szkoleniem wstępnym”.

Google wypuścił dziś trzy nowe modele AI: Gemini 3.6 Flash, 3.5 Flash-Lite i 3.5 Flash Cyber. Nie tego spodziewała się większość.

Po zaprezentowaniu Gemini 3.5 Flash na Google I/O 2026 w maju i obiecaniu wersji Pro w ciągu miesiąca, Google po cichu nie dotrzymał własnego terminu. Gemini 3.5 Pro został wstrzymany, ponieważ nie spełnił wewnętrznych celów, według Bloomberg, szczególnie w zadaniach kodowania. Próba naprawy pod koniec czerwca poprzez aktualizację danych treningowych – ogromnych zbiorów danych, z których uczy się model – przyniosła rozczarowujące wyniki. Akcje Alphabet spadły o około 4,4% po tym raporcie, tracąc szacunkowo 200 miliardów dolarów kapitalizacji rynkowej w ciągu jednej sesji.

Ostatnim modelem klasy Pro, który Google wypuścił, był następca Gemini 3, Gemini 3.1 Pro, w lutym.

Seria Flash to linia modeli Google zoptymalizowanych pod kątem szybkości – szybkich, opłacalnych i stworzonych dla agentów AI, czyli programów działających półautonomicznie, aby wykonywać zadania takie jak zarządzanie dokumentami, przetwarzanie potoków danych czy przeglądanie sieci bez ręcznego klikania każdego kroku. Modele Pro to ciężkie maszyny: wolniejsze, droższe i przeznaczone do złożonego rozumowania, gdzie surowa moc liczy się bardziej niż szybkość.

Co robi każdy model AI – i dla kogo jest przeznaczony

Gemini 3.6 Flash to główne wydanie. Zużywa o 17% mniej tokenów wyjściowych – tokeny to podstawowa jednostka przetwarzana przez AI, około trzech czwartych słowa – niż 3.5 Flash, według Artificial Analysis Index. Jest też tańszy: 1,50 dolara za milion tokenów wejściowych i 7,50 dolara za milion tokenów wyjściowych, w porównaniu z 9 dolarami za wyjście w 3.5 Flash. Dla firm uruchamiających agentów na dużą skalę ta różnica szybko się kumuluje.

W benchmarkach – standaryzowanych testach oceniających AI według procentu poprawnie wykonanych zadań – 3.6 Flash osiągnął 49% w DeepSWE v1.1, który testuje długoterminową inżynierię oprogramowania, taką jak budowanie i debugowanie pełnych baz kodu, w porównaniu z 37% dla 3.5 Flash. W MLE-Bench, teście inżynierii uczenia maszynowego, uzyskał 63,9% wobec 49,7%. Zajął pierwsze miejsce w OSWorld-Verified – teście, w którym AI przejmuje kontrolę nad ekranem komputera, aby wykonać rzeczywiste zadania – z wynikiem 83,0%, wyprzedzając Claude Sonnet 5 (81,2%) i GPT-5.6 Luna (72,6%).

Rywale w tej samej kategorii wciąż prowadzą gdzie indziej: GPT-5.6 Luna uzyskuje 67% w DeepSWE i 84,7% w Terminal-Bench 2.1, który testuje agentowe kodowanie terminalowe. Claude Sonnet 5 przoduje w pracy wiedzowej w GDPval-AA v2 – benchmarku ocenianym w skali rankingowej Elo, jak w szachach, gdzie wyższe liczby oznaczają lepszą wydajność w rzeczywistych zadaniach – z wynikiem 1607 wobec 1421 dla 3.6 Flash.

Przetestowaliśmy model do kodowania i wyniki były… co najmniej rozczarowujące.
Nasz prosty test kodowania zakończył się bezużytecznym plikiem. HTML nie był poprawnie sformatowany, a elementy nie były prawidłowo renderowane. Kolejne próby naprawienia problemów za pomocą vibe code nie powiodły się.

Poprosiliśmy Deepseek, aby przekształcił pierwszy model w coś grywalnego, po prostu naprawiając błędy. Zidentyfikował 11 błędów i wdrożył 8 kluczowych poprawek, co zaowocowało przyzwoitą grą.

Małe poprawki Deepseek naprawiły grę, co oznacza, że podstawowe myślenie Gemini było poprawne, ale szczegóły i nieścisłości sprawiły, że wynik był nieprzydatny. Przygotuj się na długie sesje kodowania w stylu vibe z tanim, ale słabo działającym modelem, jeśli zamierzasz go do tego używać.

Drugi model wydany przez Google, Gemini 3.5 Flash-Lite, został zbudowany wyłącznie z myślą o wydajności: 350 tokenów wyjściowych na sekundę przy cenie 0,30 USD za milion tokenów wejściowych i 2,50 USD za milion tokenów wyjściowych. Jest przeznaczony do potoków o wysokiej przepustowości – pomyśl o przetwarzaniu dokumentów na masową skalę lub agentowych systemach wyszukiwania – i przewyższa starszy model 3 Flash w kluczowych zadaniach kodowania, w tym Terminal-Bench 2.1 (54% vs. 31%), mimo że jest znacznie tańszy.

Może być również świetnym kompaktorem sesji (analizującym długie sesje i wyodrębniającym kluczowe elementy, aby agent nie załamał się pod wpływem szumu) dla tych, którzy polegają na Hermes i Openclaw.

Trzeci model, Gemini 3.5 Flash Cyber, nie będzie publicznie dostępny. Google ogranicza go do rządów i zweryfikowanych partnerów, którzy muszą znajdować i naprawiać luki w oprogramowaniu – jest to zdolność podwójnego zastosowania, której firma nie chce udostępniać szeroko.

Tymczasem zespół DeepMind Google'a już idzie dalej. Google potwierdził w oficjalnym ogłoszeniu, że rozpoczął „nasze najbardziej ambitne dotychczasowe wstępne szkolenie dla Gemini 4”, a zespół już go promuje.

Wstępne szkolenie to podstawowa faza, w której model uczy się na ogromnych zbiorach danych przed rozpoczęciem dostrajania do konkretnych zadań – co oznacza, że Gemini 4 jest budowany, a nie planowany.

Zarówno 3.6 Flash, jak i 3.5 Flash-Lite są dziś dostępne w aplikacji Gemini, Google AI Studio oraz przez API. Gemini 3.5 Pro zostanie wydany, według Google, „jak tylko będzie gotowy”, kiedykolwiek to nastąpi.