Nowa generacja modeli Gemini Flash

Google zaprezentował trzy nowe modele z rodziny Gemini: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite oraz wyspecjalizowany model Gemini 3.5 Flash Cyber.

Modele zostały opracowane przede wszystkim z myślą o tworzeniu i skalowaniu agentów AI wykorzystywanych w środowiskach produkcyjnych. Google koncentruje się w nich na trzech obszarach: ograniczeniu liczby wykorzystywanych tokenów, skróceniu czasu odpowiedzi oraz zwiększeniu niezawodności podczas wykonywania wieloetapowych zadań.

Najważniejsze modele

Gemini 3.6 Flash jest głównym, uniwersalnym modelem nowej serii. Ma oferować wyższą jakość generowania kodu, wykonywania pracy opartej na wiedzy oraz analizowania materiałów multimodalnych, takich jak dokumenty, obrazy, wykresy, nagrania audio i wideo.

Gemini 3.5 Flash-Lite został zoptymalizowany pod kątem szybkości, niskich kosztów oraz obsługi dużej liczby zapytań. Jego główne zastosowania obejmują między innymi tłumaczenia, klasyfikację danych, wyszukiwanie agentowe i przetwarzanie dokumentów.

Gemini 3.5 Flash Cyber jest wyspecjalizowanym modelem cyberbezpieczeństwa. Został dostosowany do wykrywania, sprawdzania i naprawiania podatności w kodzie źródłowym.

Google poinformował również, że model Gemini 3.5 Pro jest testowany z wybranymi partnerami. Jednocześnie rozpoczęto najbardziej zaawansowany jak dotąd proces wstępnego trenowania kolejnej generacji modeli – Gemini 4.

Gemini 3.6 Flash – większa wydajność i lepsza jakość

Gemini 3.6 Flash powstał na bazie doświadczeń oraz opinii użytkowników modelu Gemini 3.5 Flash. Nowa wersja ma zapewniać lepszą jakość wykonywania zadań przy jednoczesnym ograniczeniu liczby generowanych tokenów.

Według danych Google i Artificial Analysis model wykorzystuje średnio o około 17% mniej tokenów wyjściowych niż Gemini 3.5 Flash. W niektórych testach dotyczących tworzenia oprogramowania redukcja liczby tokenów może być jeszcze większa. Model ma również wykonywać mniej kroków rozumowania i rzadziej wywoływać dodatkowe narzędzia podczas realizacji złożonych procesów.

Cena modelu

Koszt korzystania z Gemini 3.6 Flash wynosi:

• 1,50 dolara za milion tokenów wejściowych,
• 7,50 dolara za milion tokenów wyjściowych.

Cena tokenów wejściowych pozostała taka sama jak w Gemini 3.5 Flash, natomiast cena tokenów wyjściowych została obniżona z 9 do 7,50 dolara za milion tokenów. Ma to zmniejszyć całkowity koszt wykonywania zadań przez agentów AI.

Wyniki w testach

Gemini 3.6 Flash poprawił wyniki w kilku obszarach:

• w teście DeepSWE, dotyczącym długotrwałych zadań programistycznych, osiągnął wynik 49% wobec 37% dla Gemini 3.5 Flash;
• w teście MLE-Bench, sprawdzającym zadania z zakresu machine learning engineering, uzyskał 63,9% wobec 49,7%;
• w teście OSWorld-Verified, dotyczącym obsługi komputera przez agenta AI, osiągnął 83% wobec 78,4%;
• w teście pracy opartej na wiedzy GDPVal-AA v2 uzyskał wynik 1421 punktów Elo wobec 1349 punktów dla poprzedniej wersji.

Według Google model lepiej radzi sobie również z analizowaniem dokumentów, danych finansowych, wykresów, raportów i materiałów zawierających jednocześnie tekst oraz elementy wizualne.

Gemini 3.6 Flash obsługuje tekst, obrazy, pliki audio i wideo. Maksymalne okno kontekstowe wynosi do miliona tokenów, natomiast długość wygenerowanej odpowiedzi może wynosić do 64 tysięcy tokenów.

Zabezpieczenia modelu

Google wprowadził dodatkowe zabezpieczenia związane z potencjalnym wykorzystaniem modelu do działań ofensywnych w cyberbezpieczeństwie oraz w obszarach chemicznych, biologicznych, radiologicznych i nuklearnych.

Zabezpieczenia mają zwiększać odporność Gemini 3.6 Flash na próby obchodzenia reguł bezpieczeństwa, czyli tak zwane jailbreaki. Jednocześnie model został wytrenowany tak, aby ograniczać nieuzasadnione odmowy odpowiedzi w przypadku bezpiecznych i uzasadnionych zastosowań.

Google zastrzega, że model – podobnie jak inne duże modele językowe – nadal może generować nieprawdziwe informacje, doświadczać sporadycznych opóźnień lub nie wykonywać niektórych zadań w zakładanym czasie.

Gemini 3.5 Flash-Lite – szybkość i obsługa dużej skali

Gemini 3.5 Flash-Lite został zaprojektowany z myślą o zadaniach, w których najważniejsze są krótki czas odpowiedzi, niski koszt oraz możliwość przetwarzania dużych ilości danych.

Model może być wykorzystywany między innymi do:

• przetwarzania i klasyfikowania dokumentów,
• tłumaczenia treści,
• wydobywania danych strukturalnych,
• wyszukiwania agentowego,
• analizowania dużych zbiorów danych,
• wykonywania zadań przez autonomicznych subagentów,
• generowania ustrukturyzowanych odpowiedzi w formacie JSON.

Według Artificial Analysis model generuje około 350 tokenów wyjściowych na sekundę, co czyni go najszybszym modelem w rodzinie Gemini 3.5.

Cena Gemini 3.5 Flash-Lite

Koszt korzystania z modelu wynosi:

• 0,30 dolara za milion tokenów wejściowych,
• 2,50 dolara za milion tokenów wyjściowych.

Model jest droższy od Gemini 3.1 Flash-Lite, ale według Google oferuje istotnie lepsze wyniki w zadaniach agentowych, programistycznych i związanych z długim kontekstem.

Poprawa wyników

W porównaniu z Gemini 3.1 Flash-Lite nowy model osiągnął:

• 54% wobec 31% w teście Terminal-Bench 2.1;
• 1140 wobec 642 punktów Elo w teście GDPVal-AA v2;
• 74% wobec 54,3% w teście OSWorld-Verified;
• 72,2% wobec 60,1% w teście długiego kontekstu GDM-MRCR v2.

Gemini 3.5 Flash-Lite obsługuje również wbudowane narzędzie do sterowania interfejsem komputera. Poziom intensywności rozumowania można dostosować do rodzaju zadania. Minimalny poziom jest przeznaczony do masowego i taniego przetwarzania danych, natomiast poziom średni lub wysoki może być stosowany w przypadku autonomicznych agentów, programowania i zadań wieloetapowych.

Gemini 3.5 Flash Cyber – wykrywanie i naprawianie podatności

Gemini 3.5 Flash Cyber został zbudowany na bazie Gemini 3.5 Flash i dodatkowo dostrojony do zadań związanych z cyberbezpieczeństwem.

Model ma pomagać w:

• przeszukiwaniu dużych baz kodu,
• wykrywaniu podatności,
• potwierdzaniu, czy wykryty problem rzeczywiście stanowi zagrożenie,
• przygotowywaniu poprawek bezpieczeństwa,
• analizowaniu wielu możliwych ścieżek wykonania kodu.

Model jest wykorzystywany w systemie CodeMender. Kilka agentów Gemini 3.5 Flash Cyber może równolegle analizować kod, a następnie połączyć swoje ustalenia w jeden raport. Takie podejście pozwala przebadać więcej fragmentów i ścieżek programu niż pojedyncze wywołanie większego, ale droższego modelu.

W testach dotyczących silnika JavaScript V8 model wykrył 55 unikalnych, potwierdzonych problemów. Dla porównania Gemini 3.5 Flash wykrył 47 problemów, a Claude Opus 4.6 – 36. Dziesięć podatności znalezionych przez Gemini 3.5 Flash Cyber nie zostało wykrytych przez dwa pozostałe modele. Są to wyniki przedstawione przez Google, a część porównań konkurencyjnych opiera się na danych raportowanych przez dostawców modeli.

Ze względu na możliwość wykorzystania technologii zarówno do obrony, jak i do atakowania systemów informatycznych, dostęp do Gemini 3.5 Flash Cyber będzie początkowo ograniczony. Model ma być udostępniany rządom i zaufanym partnerom za pośrednictwem CodeMender w ramach programu pilotażowego.

Dostępność modeli

Gemini 3.6 Flash oraz Gemini 3.5 Flash-Lite zostały udostępnione:

• programistom za pośrednictwem Gemini API i Google AI Studio;
• użytkownikom Android Studio;
• przedsiębiorstwom korzystającym z Gemini Enterprise Agent Platform;
• użytkownikom aplikacji Gemini.

Gemini 3.6 Flash jest również dostępny w Google Antigravity i stał się domyślnym modelem obsługującym agenta Antigravity w środowisku Gemini Managed Agents.

Gemini 3.5 Flash-Lite jest stopniowo wdrażany także w wyszukiwarce Google.

Podsumowanie

Nowe modele rozwijają serię Gemini Flash w trzech różnych kierunkach.

Gemini 3.6 Flash ma być modelem uniwersalnym, przeznaczonym do zaawansowanego programowania, analizy dokumentów i realizowania wieloetapowych procesów agentowych.

Gemini 3.5 Flash-Lite skupia się na szybkości, niskim koszcie i obsłudze dużej liczby prostszych lub powtarzalnych zadań.

Gemini 3.5 Flash Cyber jest wyspecjalizowanym narzędziem do wykrywania i naprawiania podatności w kodzie, udostępnianym początkowo w ograniczonym modelu dostępu.

Wspólnym celem nowych modeli jest umożliwienie budowania agentów AI, które będą szybsze, tańsze i bardziej niezawodne w rzeczywistych zastosowaniach produkcyjnych.