Gemini 3.6 Flash

Gemini 3.6 Flash — новая производственная модель Google, выпущенная 21 июля 2026 года. В ней компания сделала ставку не на один рекордный академический балл, а на практические сценарии: работу с кодовой базой, машинное обучение, управление интерфейсами и многошаговые агентные задачи. Модель уже имеет стабильный идентификатор gemini-3.6-flash, то есть это не preview-анонс.

Что умеет Gemini 3.6 Flash

API принимает текст, изображения, видео, аудио и PDF, а возвращает текст. Контекстное окно составляет 1 048 576 токенов, максимальный ответ — 65 536 токенов. Поддерживаются function calling, structured output, code execution, поиск по файлам, URL context, Google Search и Maps grounding, а также Computer Use в preview-режиме.

Уровень thinking по умолчанию — medium. Это важное отличие от Lite-моделей: Flash рассчитан на задачи, где модели нужно не только быстро извлечь данные, но и спланировать несколько действий, проверить код или сопоставить визуальные элементы.

Все опубликованные бенчмарки

Google раскрыла четыре результата для нового релиза. Это данные разработчика, поэтому их лучше использовать для выбора короткого списка, а затем перепроверять модель на своих промптах и инструментах.

Отдельно Google сообщает, что в измерениях Artificial Analysis модель расходовала на 17% меньше выходных токенов, чем Gemini 3.5 Flash. Это не показатель качества, но полезная характеристика для агентных циклов, где длинные рассуждения быстро увеличивают счёт.

Цена и экономика API

Базовый тариф — $1,50 за 1 млн входных и $7,50 за 1 млн выходных токенов. По сравнению с Gemini 3.5 Flash вывод подешевел, однако 3.6 Flash всё равно значительно дороже Flash-Lite. Для массовой классификации, простого JSON и маршрутизации запросов Lite обычно выгоднее; для кода, визуальных задач и агентов доплата за 3.6 Flash выглядит оправданной.

При расчёте бюджета учитывайте не только цену входа. У reasoning-модели существенную часть стоимости могут создавать выходные и служебные токены, повторные вызовы инструментов и длинная история диалога. Контекстное кэширование особенно полезно, если один большой документ или репозиторий переиспользуется в серии запросов.

Где модель выглядит сильнее всего

• агентное программирование и анализ больших репозиториев;
• построение и проверка ML-пайплайнов;
• работа со скриншотами и интерфейсами через Computer Use;
• мультимодальный анализ длинных документов, видео и аудио;
• workflow, где один запрос вызывает поиск, код и внешние функции.

Ограничения

Google не раскрывает число параметров и архитектурные детали, поэтому в каталоге это поле честно отмечено как «не раскрыто». Опубликованные результаты получены разработчиком и относятся к конкретным harness и настройкам. Кроме того, Computer Use пока остаётся preview-функцией: перед выдачей модели реальных прав на клики, отправку форм или изменение данных нужен отдельный слой подтверждений и ограничений.

Источники: официальный анонс Google, карточка Gemini 3.6 Flash в Gemini API.