Am 21. Juli brachte Google plötzlich zwei neue Modelle auf den Markt: Gemini 3.6 Flash und Gemini 3.5 Flash-Lite. Ohne Vorkehrungen oder Sorgen tauchten sie einfach in der Modellauswahl von Google AI Studio und Gemini auf.


Von diesen beiden Modellen konzentriert sich eines auf stärkere Code- und Agentenfunktionen und das andere auf kostengünstigere Großanrufe.

Das Flaggschiffmodell Gemini 3.5Pro kann trotz wiederholter Aufrufe immer noch nicht veröffentlicht werden.

Nach dem bisherigen Plan sollte das 3.5 Pro im Juni auf den Markt kommen. Da der Juli schon mehr als die Hälfte vorüber ist, wurde dieses Modell mit großen Hoffnungen immer noch nicht offiziell vorgestellt.

Der Antwortbogen zur Stärke des Flaggschiffs hat sich verzögert. Google hat zunächst zwei „Entwurfspapiere“ herausgebracht. Was bedeutet es?

01

3.6 Flash: Günstiger als die vorherige Generation, nicht intelligenter als die vorherige Generation

Google sagte, dass Gemini 3.6 Flash im Vergleich zum Flash-Modell der vorherigen Generation die Codierungs-, Argumentations- und Tool-Aufrufleistung weiter verbessert und gleichzeitig die Betriebskosten durch die Reduzierung von Ausgabe-Tokens senkt.


Gemini 3.6 Flash ist als effizientes Modell für reale Produktionsumgebungen oder einfacher gesagt für die Betreuung von Agenten positioniert.

Im Zeitalter der Agenten kann eine Aufgabe Dutzende von Modellaufrufen erfordern, was bedeutet, dass das Modell nicht nur intelligent, sondern auch schnell und kostengünstig genug sein muss.

Google hat diesen Weg bereits mit Gemini 3.5 Flash verstärkt. Laut dem offiziellen API-Dokument unterstützt Gemini 3.5 Flash einen langen Kontext von 1 Million Token, der eine große Menge an Informationen gleichzeitig verarbeiten kann. Es unterstützt auch die Codeausführung, das Aufrufen externer Tools, das Durchsuchen von Dateien usw. und kann komplexere und längere Aufgaben erledigen.

Gemini 3.6 Flash setzt diese Linie fort. Es wird nicht die Qualität einer einzelnen Antwort angestrebt, sondern eine Position, die „sich tägliche echte Arbeit leisten kann“.

Gemini 3.6 Flash kostet wie folgt:

Eingabe: 1,50 USD/Million Token

Ausgabe: 7,50 $/Million Token

Im Vergleich zum vorherigen Eingabepreis von Gemini 3.5 Flash von 1,5 US-Dollar pro Million Token und einem Ausgabepreis von 9 US-Dollar haben sich die Eingabekosten nicht geändert, die Ausgabekosten sind jedoch weiter gesunken.

Für Unternehmen, die KI intensiv nutzen müssen, kann diese Kostenänderung wichtiger sein als eine Verbesserung um einige Prozentpunkte gegenüber der Benchmark.

Darüber hinaus zeigte ein von Google angezeigter interner Test, dass Gemini 3.6 Flash bei der Erledigung derselben Aufgabe den Token-Verbrauch im Vergleich zu 3.5 Flash um 55,8 % reduzierte und gleichzeitig die Aufgabenpunktzahl von 85 auf 100 Punkte erhöhte.

Dies sind natürlich nur Googles eigene Testergebnisse und können nur die Richtung anzeigen, die Google zeigen möchte:

Das neue Modell ist nicht nur wirtschaftlicher, sondern kann mit weniger Rechenaufwand die gleichen oder sogar bessere Aufgaben erledigen.


In diesen öffentlichen Benchmarks legt Google hauptsächlich Wert auf Codierungsfunktionen und Agentenfunktionen.

Bei der DeepSWE-Codebewertung erreichte Gemini 3.6 Flash 49 %, mehr als die 37 % der vorherigen Generation. Google sagte, dass das neue Modell ungültige Codeänderungen und wiederholte Ausführungsprozesse reduzieren kann.

In der OSWorld-Verified-Bewertung, die die Fähigkeit von KI zur Steuerung von Computern testet, erzielte Gemini 3.6 Flash 83 % und übertraf damit die 78,4 % von 3.5 Flash.

Im MLE-Benchmark für maschinelle Lernaufgaben erzielte Gemini 3.6 Flash einen Wert von 63,9 %, was im Vergleich zu 49,7 % der vorherigen Generation eine deutliche Verbesserung darstellt.


Die oben genannten Daten zeigen jedoch, dass sich Gemini 3.6 Flash im Vergleich zur vorherigen Generation verbessert hat.

Vergleicht man es horizontal im aktuellen Großmodell-Wettbewerb, sind Googles auserwählte Gegner GPT-5.6 Luna, Grok 4.5 und Claude Sonnet 5 (die Positionierung dieses Produkts ist auch hier zu sehen).

Den Ergebnissen nach zu urteilen, liegt Gemini 3.6 Flash nicht ganz vorne. Die Modelle von GPT und Claude behalten weiterhin ihre Vorteile bei komplexen Softwareentwicklungs- und Wissensarbeitsaufgaben.

Aber das ist eigentlich der Sinn der Existenz der Flash-Serie:

Es muss nicht unbedingt das leistungsstärkste Modell sein, es muss lediglich angemessene Funktionen zu deutlich geringeren Kosten als das Flaggschiffmodell bieten.


Zusätzlich zur offiziellen Bewertung erzielte Gemini 3.6 Flash laut dem Pre-Release-Test von Artificial Analysis 50 Punkte auf dem Intelligence Index, was dem gleichen Wert wie Gemini 3.5 Flash entspricht.

Das heißt, wenn man nur die allgemeine „Intelligenz“ des Modells betrachtet, gibt es bei Gemini 3.6 Flash kein Upgrade.


Seine Geschwindigkeit macht dies jedoch mehr als wett.

Die künstliche Analyse zählt auch die durchschnittliche Zeit, die das Modell benötigt, um die Intelligenzindex-Aufgabe abzuschließen. Die Ergebnisse zeigen, dass jede Aufgabe von Gemini 3.6 Flash durchschnittlich etwa 1,3 Minuten dauert, was im Vergleich zu etwa 2,7 Minuten bei der vorherigen Generation 3.5 Flash um die Hälfte reduziert ist.

Gleichzeitig ist auch die Aufgabenerledigungszeit von Gemini 3.5 Flash-Lite von etwa 1,6 Minuten bei der Vorgängergeneration 3.1 Flash-Lite auf etwa 0,6 Minuten gesunken.


Im Allgemeinen ist die Upgrade-Richtung von Gemini 3.6 Flash tatsächlich Effizienz – weniger Token-Verbrauch, niedrigere Betriebskosten und Agentenfunktionen, die besser für den Langzeitbetrieb geeignet sind.

Für Benutzer, die es gewohnt sind, Gemini 3.5 Flash zu verwenden, ist es in der Tat ein sehr gutes Upgrade.

02

3.5 Flash-Lite: Schneller, aber nicht so günstig wie die Vorgängergeneration

Dann schauen wir uns ein weiteres Modell Gemini 3.5 Flash-Lite an.

Wie der Name schon sagt, handelt es sich bei Flash-Lite um eine leichtere Version der Flash-Serie. Im Vergleich zu Flash opfert es einen Teil seiner Leistungsobergrenze im Austausch für geringere Kosten und eine höhere Geschwindigkeit.


Wie bereits erwähnt, sank die Aufgabenerledigungszeit von Gemini 3.5 Flash-Lite von etwa 1,6 Minuten bei der Vorgängergeneration 3.1 Flash-Lite auf etwa 0,6 Minuten.

3.5 Flash-Lite ist auch das schnellste Modell der 3.5-Serie. Laut Testdaten von Artificial Analysis erreicht seine Generierungsgeschwindigkeit etwa 350 Token/Sekunde, was bereits auf dem Hochgeschwindigkeitsniveau aktueller Mainstream-Großmodelle liegt.

Gemini 3.5 Flash-Lite kostet wie folgt:

Eingabe: 0,30 $/Million Token

Ausgabe: 2,50 $/Million Token

Im Vergleich zu Gemini 3.6 Flash beträgt der Eingabepreis etwa 1/5 und der Ausgabepreis etwa 1/3. Eine weitere Preissenkung gegenüber der Vorgängergeneration Gemini 3.1 Flash-Lite gibt es beim neuen Modell allerdings nicht.

Obwohl Gemini 3.5 Flash-Lite aufgrund seiner verbesserten Fähigkeiten einige Kosten durch eine Reduzierung der Leistung senken kann, ist es insgesamt immer noch schwierig, den Anstieg des Stückpreises auszugleichen.

Offiziellen Dokumenten zufolge weist das neue Modell im Vergleich zur Vorgängergeneration Gemini 3.1 Flash-Lite erhebliche Verbesserungen auf verschiedenen Denkebenen auf. Entwickler können die Denktiefe des Modells je nach Aufgabenanforderungen anpassen.

Darüber hinaus verfügt Gemini 3.5 Flash-Lite über integrierte Computernutzungsfunktionen, die Agenten dabei helfen können, die Computerumgebung zuverlässiger zu betreiben und anwendungsübergreifende Aufgaben zu erledigen.

Auch in spezifischen Tests hat sich Gemini 3.5 Flash-Lite im Vergleich zum Vorgängermodell deutlich verbessert: Im Terminal-Bench 2.1 Programming Agent Test stieg die Punktzahl von 31 % auf 54 %; im GDM-MRCR v2, der die Fähigkeit zum langfristigen Kontextverständnis testet, stieg die Punktzahl von 60,1 % auf 72,2 %; Im GDPval-AA v2-Aufgabenausführungstest, der näher an realen Arbeitsszenarien liegt, verbesserte sich die Punktzahl von 642 auf 1140.


Erwähnenswert ist, dass Gemini 3.5 Flash-Lite in einigen Agenten- und Code-bezogenen Tests sogar das höher positionierte Gemini 3 Flash-Modell der Vorgängergeneration übertraf.

Im Software-Engineering-Test SWE-Bench Pro erzielte Gemini 3.5 Flash-Lite beispielsweise eine Punktzahl von 54,2 %, mehr als die 49,6 % von Gemini 3 Flash; Bei OSWorld-Verified, das die Fähigkeit von KI zur Steuerung von Computern testet, erzielte Gemini 3.5 Flash-Lite ebenfalls eine um 74,0 % höhere Punktzahl als Gemini 3 Flash mit 65,1 %.

Dies bedeutet, dass mit der weiteren Verbesserung der Modellfunktionen einige Agentenaufgaben, für die früher größere Modelle erforderlich waren, nach und nach auf günstigere und schnellere Modelle übertragen werden.


Neben den ersten beiden allgemeinen Modellen für Normalnutzer hat Google übrigens auch Gemini 3.5 Flash Cyber ​​auf den Markt gebracht.

Es ist hauptsächlich auf Netzwerksicherheitsszenarien ausgerichtet. Laut offizieller Dokumentation können im CodeMender-System mehrere Gemini 3.5 Flash Cyber-Agenten zusammenarbeiten, um verschiedene Analyseaufgaben zu erledigen und diese schließlich in einem vollständigen Bericht zusammenzufassen. Auch im Cybersicherheits-Benchmark CyberGym erzielte Flash Cyber ​​​​eine nahezu führende Modellleistung.


Das Modell wird derzeit nicht öffentlich verfügbar sein und steht nur Regierungen und vertrauenswürdigen Partnern über die CodeMender-Plattform zur Verfügung.

03

3.5 Pro: Das Flaggschiff-Antwortblatt, das Google nicht liefern konnte

Wenn Gemini 3.6 Flash und Gemini 3.5 Flash-Lite als Googles Urteil über den großflächigen Einsatz von KI angesehen werden können, dann stellt Gemini 3.5 Pro die Obergrenze von Googles Modell dar.

Das Problem ist aber: Dieser Antwortbogen wurde noch nicht ausgehändigt.

Auf der I/O im Mai sagte Google, dass Gemini 3.5 Pro „im nächsten Monat oder so“ auf den Markt kommen werde, das voraussichtlich im Juni dieses Jahres online sein wird. Es ist jetzt mehr als die Hälfte des Julis.

Laut einem Bericht von Bloomberg vom 16. Juli liegt der Veröffentlichungszeitpunkt von Gemini 3.5 Pro bereits mehrere Monate hinter dem ursprünglichen Plan zurück. Google optimiert weiterhin die Modellfunktionen, insbesondere die Codierungsleistung, in der Hoffnung, intern festgelegte Ziele zu erreichen.

Aus dem neuesten Bericht von Reuters geht hervor, dass Google bisher keinen konkreten Startzeitpunkt bekannt gegeben hat, sondern lediglich erklärt, dass das Modell mit Partnern getestet wird und „bald“ eingeführt wird; Eine weitere Pressemitteilung enthüllte, dass die Trainingsarbeiten für Gemini 4 begonnen haben.

Und wir alle wissen, dass „bald“ Unsicherheit bedeutet.


Als Gemini 1.0 veröffentlicht wurde, wurde es aufgrund von Demonstrationskontroversen in Frage gestellt. Gemini 1.5 Pro erreichte kurzzeitig die Situation im Kontext von Millionen von Tokens, doch dann holten Claude und die GPT-Serie schnell auf; Erst mit der Veröffentlichung der Gemini-3-Serie erlangte Google wieder die Bewertung „Rückkehr an die Spitze der Konkurrenz“.

Nachdem Gemini 3.5 Pro erneut verschoben wurde, achtet der Markt nicht mehr nur darauf, wann ein Modell auf den Markt kommt, sondern auch darauf, ob Google den Wettbewerbsrhythmus der Flaggschiff-Modelle aufrechterhalten kann.

Darüber hinaus ist die von Google offenbarte Codierungsleistung nicht so gut wie erwartet und es handelt sich nicht um ein kleines Problem, das leicht zu lösen ist.

Da Agenten beginnen, in Unternehmensabläufe einzusteigen, nimmt die Bedeutung von Codierungsfunktionen rapide zu. Ob ein Modell komplexe Projekte verstehen, realen Code ändern und mehrstufige Entwicklungsaufgaben abschließen kann, ist zu einem wichtigen Indikator dafür geworden, ob es tatsächlich einen Produktionswert hat.

Reuters stellte fest, dass die Wall Street auf Gemini 3.5 Pro wartet, da es ein wichtiger Indikator dafür werden wird, ob Google DeepMind mit OpenAI und Anthropic mithalten kann.

Natürlich bleibt Google nicht untätig. Die verschiedenen dieses Mal eingeführten Modelle zeigen nur, dass Google einen anderen Weg beschreitet: KI billiger und einfacher skalierbar zu machen.

Sundar Pichai, CEO von Google, hat den Kostenvorteil kürzlich mehrfach betont und gesagt, dass Unternehmen mehr als 1 Milliarde US-Dollar pro Jahr einsparen können, wenn sie den Großteil ihrer KI-Workloads auf das Gemini-Modell migrieren.

Das Problem besteht jedoch darin, dass der Markt sich auf ein „Antwortblatt“ freut, das die Stärke des Google-Modells beweist. Was Google jedoch vorgelegt hat, sind zwei „Entwurfspapiere“ zu Effizienz und Kosten – es ist schwierig, den Leuten nicht das Gefühl zu vermitteln, dass Google die Flash-Serie nutzt, um die durch die Pro-Verzögerung entstandene Lücke zu schließen.

Interessanterweise verändert sich die KI-Wettbewerbslandschaft, während sich Gemini 3.5 Pro verzögert.

Wenn man in der Vergangenheit über KI-Führungskräfte sprach, konzentrierte man sich hauptsächlich auf die „drei königlichen Unternehmen“ im Ausland: OpenAI, Anthropic und Google DeepMind.

Doch neuerdings drängen auch heimische Modelle wie GLM-5.2 und Kimi K3 in die Spitzenkonkurrenz und lösten viele Diskussionen aus.

Das Tempo, mit dem die Spitzenmodelle aufgeholt werden, beschleunigt sich, was die Probleme von Google immer dringlicher macht. Natürlich kann es weiterhin energisch Flash-Modelle auf den Markt bringen, aber nur, wenn sein Flaggschiff-Modell leistungsstark genug ist – solange die harte Leistung ausreicht, wird es großartige Gelehrte geben, die es verteidigen.

Wenn Google endlich ein wirklich führendes Flaggschiff-Modell auf den Markt bringt, wird die Flash-Route Teil des Gesamtsystems: Pro ist dafür verantwortlich, die Obergrenze der Möglichkeiten zu durchbrechen; Für groß angelegte Anwendungen ist Flash zuständig.

Aber wenn Gemini 3.5 Pro weiterhin hinterherhinkt, wird sich der Markt wahrscheinlich weiterhin fragen: Google verfügt über die stärksten KI-Forschungsressourcen, warum kann es seine Konkurrenten nicht konsequent übertreffen?

Die Leute werden wahrscheinlich nach weiteren Details zum Gemini 3.5 Pro fragen, wenn Alphabet diese Woche seine Gewinnmitteilung für das zweite Quartal abhält.