Кратко

  • Google сегодня запустила Gemini 3.6 Flash и 3.5 Flash-Lite с лучшей эффективностью и более низкой стоимостью, чем 3.5 Flash — но Gemini 3.5 Pro, обещанная на I/O 2026 к июню, всё ещё находится в тестировании после того, как не дотянула до внутренних стандартов по кодингу.
  • 3.6 Flash использует на 17% меньше выходных токенов, чем 3.5 Flash, снижая цену вывода с $9 до $7,50 за миллион токенов, что делает её дешевле для масштабного запуска AI-агентов.
  • Google подтвердила, что начала предварительное обучение Gemini 4, которое она называет «нашим самым амбициозным запуском предварительного обучения на сегодняшний день».

Google сегодня запустила три новые AI-модели: Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber. Это не то, чего ожидало большинство.

После представления Gemini 3.5 Flash на Google I/O 2026 в мае и обещания Pro-версии в течение месяца, Google тихо пропустила собственный дедлайн. Gemini 3.5 Pro была отложена, поскольку не дотянула до внутренних целей, по данным Bloomberg, особенно в задачах по кодингу. Попытка исправить это в конце июня путём обновления обучающих данных — массивных наборов данных, на которых учится модель — дала разочаровывающие результаты. Акции Alphabet упали примерно на 4,4% на фоне этого сообщения, стерев за одну сессию около $200 миллиардов рыночной капитализации.

Последней Pro-моделью, выпущенной Google, была Gemini 3 преемница, Gemini 3.1 Pro, ещё в феврале.

Серия Flash — это линейка оптимизированных по скорости моделей Google: быстрые, экономичные и созданные для AI-агентов, то есть программ, которые работают полуавтономно для выполнения задач, таких как управление документами, обработка конвейеров данных или просмотр веб-страниц без участия человека на каждом шагу. Pro-модели — это тяжеловесы: медленнее, дороже и предназначены для сложных рассуждений, где важна сырая мощность, а не скорость.

Что делает каждая AI-модель — и для кого она

Gemini 3.6 Flash — это основной релиз. Она использует на 17% меньше выходных токенов — токены являются базовой единицей обработки AI, примерно три четверти слова — чем 3.5 Flash, согласно Artificial Analysis Index. Она также дешевле: $1,50 за миллион входных токенов и $7,50 за миллион выходных токенов, по сравнению с $9 за вывод для 3.5 Flash. Для бизнеса, запускающего агентов в масштабе, эта разница быстро накапливается.

На бенчмарках — стандартизированных тестах, оценивающих AI по проценту правильно выполненных задач — 3.6 Flash набрала 49% на DeepSWE v1.1, который тестирует долгосрочную программную инженерию, например, создание и отладку полных кодовых баз, по сравнению с 37% у 3.5 Flash. На MLE-Bench, тесте по машинному обучению, она набрала 63,9% против 49,7%. Она возглавила таблицу на OSWorld-Verified — тесте, где AI берёт под контроль экран компьютера для выполнения реальных задач — с результатом 83,0%, опередив Claude Sonnet 5 (81,2%) и GPT-5.6 Luna (72,6%).

Конкуренты в той же категории по-прежнему лидируют в других областях: GPT-5.6 Luna набирает 67% на DeepSWE и 84,7% на Terminal-Bench 2.1, который тестирует агентное терминальное программирование. Claude Sonnet 5 лидирует в интеллектуальной работе на GDPval-AA v2 — бенчмарке, оцениваемом по шкале Эло, как в шахматах, где более высокие числа означают лучшую производительность в реальных задачах, — с результатом 1607 против 1421 у 3.6 Flash.

Мы попробовали модель для программирования, и результаты были… мягко говоря, не впечатляющими.
Наш простой тест на программирование закончился нерабочим файлом. HTML был неправильно отформатирован, и элементы отображались некорректно. Последующие попытки «vibe coding» решить проблемы не увенчались успехом.

Мы попросили Deepseek превратить первую модель в нечто играбельное, просто исправив ошибки. Он выявил 11 ошибок и реализовал 8 ключевых исправлений, что привело к созданию достойной игры.

Небольшие корректировки Deepseek исправили игру, что означает, что основное мышление Gemini было правильным, но детали и неточности сделали результат бесполезным. Готовьтесь к длительным сессиям кодирования с дешевой, но плохо работающей моделью, если вы намерены использовать ее для этого.

Вторая модель, выпущенная Google, Gemini 3.5 Flash-Lite, создана исключительно для объема: 350 выходных токенов в секунду при цене $0,30/миллион входных и $2,50/миллион выходных. Она предназначена для высокопроизводительных конвейеров — например, обработки документов в огромных масштабах или агентных поисковых систем — и превосходит более старую 3 Flash по ключевым задачам кодирования, включая Terminal-Bench 2.1 (54% против 31%), несмотря на значительно более низкую стоимость.

Она также может стать отличным компактором сессий (анализируя длинные сессии и извлекая ключевые элементы, чтобы ваш агент не разрушался от шума) для тех, кто полагается на Hermes и Openclaw.

Третья модель, Gemini 3.5 Flash Cyber, не будет общедоступной. Google ограничивает ее использование правительствами и проверенными партнерами, которым необходимо находить и исправлять уязвимости в программном обеспечении — это технология двойного назначения, которую компания не готова широко распространять.

Тем временем команда DeepMind от Google уже движется дальше. Google подтвердила в официальном объявлении, что начала «наш самый амбициозный этап предварительного обучения на сегодняшний день, для Gemini 4», и команда уже нагнетает ажиотаж.

Предварительное обучение — это фундаментальный этап, на котором модель учится на огромных наборах данных до начала тонкой настройки под конкретные задачи — это означает, что Gemini 4 уже строится, а не планируется.

И 3.6 Flash, и 3.5 Flash-Lite доступны сегодня в приложении Gemini, Google AI Studio и через API. Gemini 3.5 Pro будет выпущен, по словам Google, «как только будет готов», когда бы это ни случилось.