Ulasan Singkat Gemini 3.6: Harga, Uji Performa, API, dan Kinerja

Gemini 3.6 Flash layak dibeli untuk pengkodean terbatas, analisis multimodal, dan alur kerja agen yang diawasi. Ulasan Gemini 3.6 Flash ini menunjukkan peningkatan yang meyakinkan dibandingkan 3.5 Flash: Google mencatat harga keluaran yang lebih rendah dan hasil yang lebih baik pada beberapa benchmark berbasis agen, sementara pengujian internal kami menunjukkan ekstraksi terstruktur yang akurat, pembacaan diagram, dan perbaikan kode yang terfokus setelah penerapan batasan keluaran yang wajar. Model ini bukanlah pemenang di semua aspek. Tugas pengambilan data sintetis 128K kami gagal dua kali, dan rencana penjelajahan lokal model tersebut menciptakan ID elemen tersembunyi meskipun telah mengidentifikasi target yang terlihat dengan benar.

Rekomendasi praktisnya adalah melakukan uji coba Gemini 3.6 Flash setelah uji penerimaan yang spesifik untuk beban kerja, mengukur total biaya per tugas yang berhasil, dan tetap melibatkan konfirmasi manusia pada tindakan yang tidak dapat dibatalkan. Angka-angka resmi, pengukuran kami yang mencakup gateway, tolok ukur pihak ketiga, dan laporan awal dari media sosial di bawah ini diberi label secara terpisah agar bukti-bukti yang berbeda tidak dicampur menjadi satu skor.

Coba Gemini 3.6 Flash di GlobalGPT Sekarang

Ulasan Singkat Gemini 3.6 Flash: Kelebihan dan Kekurangan

Daftar isi

Apa itu Gemini 3.6 Flash?

Gemini 3.6 Flash adalah model Google yang stabil, dirancang untuk beban kerja produksi yang membutuhkan kemampuan penalaran dan penggunaan alat lebih banyak daripada lapisan inferensi ringan, tanpa harus beralih ke kelas harga model unggulan. Google menggambarkannya sebagai "kuda kerja" untuk pemrograman, pekerjaan berbasis pengetahuan, pemahaman multimodal, dan eksekusi berbasis agen. ID model produksi ini adalah gemini-3.6-flash. Halaman model resmi Google menyebutkannya sebagai produk yang sudah tersedia secara umum.

Model ini menerima masukan berupa teks, gambar, audio, video, dan PDF. Model ini menghasilkan teks, JSON terstruktur, serta panggilan fungsi atau alat, namun secara bawaan tidak menghasilkan gambar atau audio. Perbedaan tersebut penting saat membandingkan klaim “multimodal” yang luas: memahami berbagai format masukan berbeda dengan menghasilkan berbagai jenis media keluaran.

Google Gemini 3.6 Kartu model flash Menyebutkan batas waktu data per Maret 2026 dan menyatakan bahwa model tersebut didasarkan pada Gemini 3.5 Flash. Rincian arsitektur dan proses pelatihan sebagian besar diadopsi dari referensi yang ada, bukan diungkapkan untuk pertama kalinya; sehingga pembeli dapat mengevaluasi perilaku yang terdokumentasi dan hasil evaluasi yang dipublikasikan, namun tidak dapat merekonstruksi metode pelatihan tersebut.

Rangkaian alat yang luas merupakan inti dari positioning ini. Halaman model resmi mencantumkan pemanggilan fungsi, keluaran terstruktur, eksekusi kode, pencarian berkas, konteks URL, penyimpanan konteks, pengaitan dengan Google Search, pengaitan dengan Google Maps, pemikiran, dan Penggunaan Komputer. Keputusan operasional harus mengevaluasi seluruh siklus—bentuk permintaan, jejak alat, upaya ulang, validasi, dan tinjauan manusia—bukan hanya kualitas satu jawaban.

Peran sebagai "kuda beban" tersebut juga menjelaskan fokus ulasan ini: Flash 3.6 paling menarik ketika terlibat dalam alur kerja aplikasi, bukan sekadar menjawab pertanyaan trivia yang berdiri sendiri. Nilai penggunaannya bergantung pada apakah sistem di sekitarnya membatasi penggunaan alat, mendeteksi pemotongan data, memverifikasi hasil keluaran, dan mengalihkan pekerjaan yang lebih sederhana ke tingkatan yang lebih hemat biaya.

Fitur Penggunaan Komputer memungkinkan suatu aplikasi mengirimkan tangkapan layar dan menerima usulan tindakan untuk lingkungan peramban, perangkat seluler, atau desktop. Klien tetap yang menjalankan tindakan tersebut, menyediakan tangkapan layar berikutnya, dan menerapkan kebijakan. Google menamai fitur ini sebagai "Preview" dan merekomendasikan pengawasan untuk pekerjaan yang sensitif atau tidak dapat dibatalkan dalam Dokumentasi Penggunaan Komputer.

Gemini 3.6 Spesifikasi dan Kemampuan Flash

Batas konteks sebesar 1.048.576 token merupakan kapasitas, bukan jaminan bahwa setiap fakta dapat diambil kembali secara andal. Hal ini merupakan tema yang berulang baik dalam uji kinerja konteks panjang Google maupun uji gerbang sintetis kami. Pengambilan data, pengelompokan, indeks dokumen, ringkasan, dan kutipan sumber tetap berguna bahkan ketika seluruh korpus secara teknis dapat dimuat dalam satu permintaan.

Batas keluaran sebesar 65.536 token memang cukup besar, tetapi dalam penerapan nyata, batas tersebut sering kali ditetapkan lebih rendah demi mengendalikan biaya dan latensi. Pengujian kami menunjukkan bahwa batas yang tampaknya memadai untuk jawaban yang terlihat dapat habis terpakai oleh token-token penalaran internal. Pastikan untuk memverifikasi alasan dan isi hasil akhir yang sebenarnya, alih-alih menganggap respons HTTP 200 sebagai tanda keberhasilan tugas.

Gemini 3.6 Harga Flash

Harga resmi paket Standard yang berbayar adalah $1,50 per juta token masukan dan $7,50 per juta token yang dihasilkan. Penagihan output mencakup token pemrosesan. Inference Batch dan Flex mengurangi tarif token tersebut hingga setengahnya, sedangkan inference Prioritas menerapkan premi sebesar 80%. Selalu periksa tarif terkini Halaman harga API Gemini sebelum menyusun perkiraan biaya produksi.

Biaya penyimpanan dalam cache konteks ditetapkan sebesar $0,15 per juta token masukan yang disimpan dalam cache pada tingkatan berbayar Standar, ditambah $1,00 per juta token per jam untuk penyimpanan cache. Penyimpanan dalam cache dapat mengurangi biaya masukan berulang, namun cache berukuran besar yang dipertahankan lebih lama dari yang diperlukan akan menjadi sumber biaya tersendiri. Bandingkan tagihan cache dengan tingkat pemanfaatan ulang yang sebenarnya tercapai.

Grounding memiliki satuan yang berbeda. Google mencantumkan 5.000 prompt grounded di Google Search atau Maps per bulan tanpa biaya, yang dibagi di antara 3 model Gemini, diikuti oleh $14 per 1.000 kueri pencarian. Satu prompt dapat menghasilkan lebih dari satu kueri, sehingga biaya token saja dapat meremehkan biaya alur kerja yang menggunakan grounded.

Contoh penetapan harga standar $2.25

Sebuah permintaan yang menggunakan 1.000.000 token masukan dan menghasilkan 100.000 token keluaran dikenakan biaya sebesar $1,50 untuk masukan ditambah $0,75 untuk keluaran, atau $2.25 dalam mode Standar. Contoh sederhana tersebut tidak mencakup penyimpanan cache, kueri grounding, upaya ulang, alat eksternal, dan upaya yang gagal.

Google juga melaporkan bahwa Gemini 3.6 Flash menggunakan 17% token keluaran lebih sedikit dibandingkan 3.5 Flash dalam Indeks Analisis Buatan dan membutuhkan lebih sedikit langkah penalaran serta panggilan alat dalam alur kerja multi-langkah. Hal tersebut merupakan pengamatan resmi yang bergantung pada beban kerja, bukan penghematan sebesar 17% yang dijamin untuk setiap aplikasi. Ukur jumlah token per tugas yang berhasil menggunakan prompt Anda sendiri.

Gemini 3.6 Uji kinerja Flash: laporan dari Google

Perbandingan resmi Google menunjukkan peningkatan paling signifikan dalam bidang pemrograman agen, rekayasa pembelajaran mesin, interaksi komputer, dan pengambilan data dalam konteks panjang. Patokan yang paling berguna adalah Gemini 3.5 Flash karena Google mengevaluasi kedua model tersebut dalam keluarga model-card yang sama. Nilai-nilai ini merupakan hasil dari Google, bukan pengukuran dari rangkaian pengujian kami.

DeepSWE mengalami peningkatan sebesar 12,0 poin persentase dan MLE-Bench sebesar 14,2 poin. Peningkatan pada OSWorld-Verified mencapai 4,6 poin, sementara SWE-Bench Pro Public dan Terminal-Bench menunjukkan peningkatan yang lebih moderat. Klaim yang dapat dipertanggungjawabkan adalah bahwa versi 3.6 meningkatkan kinerja pada beberapa beban kerja berbasis agen dibandingkan dengan versi 3.5, bukan bahwa versi ini mendominasi setiap model atau tolok ukur pemrograman.

Google juga menyebutkan adanya pengurangan jumlah perubahan kode yang tidak diinginkan serta siklus eksekusi yang lebih singkat. Perilaku-perilaku tersebut bisa jadi lebih penting daripada perubahan kecil pada tingkat kelulusan dalam pekerjaan repositori, karena perubahan yang tidak perlu menambah biaya peninjauan, sementara siklus yang berulang menghabiskan token. Hal ini tetap memerlukan pengukuran di tingkat aplikasi; tolok ukur agregat tidak dapat menentukan perilaku dalam basis kode tertentu.

Hasil pencarian multimodal dan dengan konteks panjang

Dalam analisis grafik kompleks di CharXIV, Google melaporkan skor 85,2% tanpa alat bantu dan 89,4% dengan alat bantu untuk Gemini 3,6 Flash. Gemini 3.5 Flash masing-masing mencetak skor 84,2% dan 84,9%. Selisih skor yang lebih besar saat menggunakan alat mendukung posisi model ini dalam interpretasi grafik dan alur kerja multimodal, meskipun tidak mengukur selera visual atau kualitas penataan antarmuka pengguna.

Hasil 1M menunjukkan peningkatan yang signifikan secara relatif, namun 54.0% bukanlah dasar yang dapat diandalkan untuk pengambilan fakta-fakta penting secara membabi buta. Sistem produksi tetap harus melakukan segmentasi dokumen, mempertahankan riwayat asal-usul, dan meminta kutipan sumber. Uji sintetis terpisah kami dengan skala 128K gagal, tetapi uji tersebut menggunakan tugas dan rute gateway yang berbeda, sehingga tidak dapat dijadikan pengganti hasil Google.

Uji coba langsung kami terhadap Gemini 3.6 Flash

Kami menjalankan rangkaian pengujian first-party deterministik pada tanggal 22 Juli 2026. Seluruh latensi yang dilaporkan adalah waktu respons total termasuk gateway, sehingga angka tersebut sudah mencakup beban lalu lintas Broly dan tidak boleh diartikan sebagai latensi langsung dari API Google.

TTFT tidak diukur, termasuk untuk pemeriksaan streaming. Kami mencatat total waktu yang berlalu, token prompt, token penyelesaian, token penalaran, token yang disimpan dalam cache, total token, alasan penyelesaian, upaya ulang, validasi, dan perkiraan biaya berdasarkan tarif token Standar resmi. Token penalaran sudah termasuk dalam token penyelesaian, dan token yang disimpan dalam cache sudah termasuk dalam token prompt.

Kegiatan tersebut secara keseluruhan terdiri dari 12 panggilan API logis dan 14 upaya HTTP. Putaran utama tetap berlangsung $0.244491, ketiga tayangan ulang yang dimaksud tersebut berjumlah $0.0520416, dan perkiraan kumulatif yang telah dikoreksi adalah $0.2965326. Setelah mengganti dua catatan awal yang jelas-jelas terpotong dengan versi yang telah diperbarui sesuai target, hasil gabungannya adalah: 7 lulus, 1 gagal, dan 1 tidak didukung.

Perkiraan biaya yang berlaku adalah $1,50/M untuk token prompt yang tidak disimpan dalam cache, $0,15/M untuk token prompt yang disimpan dalam cache, dan $7,50/M untuk token keluaran. Dalam eksekusi ulang konteks panjang, 128.248 token prompt terbagi menjadi 5.464 token yang tidak disimpan dalam cache dan 122.784 token yang disimpan dalam cache; dengan menambahkan 2.048 token keluaran, hasilnya adalah $0.0419736. Kapasitas penyimpanan cache tercantum sebesar $1.00/M token per jam, namun tidak dimasukkan karena durasi penyimpanan tidak diukur.

Ini adalah uji diagnostik dengan sampel kecil, bukan tolok ukur yang memiliki daya statistik yang memadai. Uji-uji ini berguna karena parameter pengujian, nilai yang diharapkan, validator, batasan permintaan, dan kegagalan tetap dipertahankan. Uji-uji ini seharusnya menjadi panduan untuk pengujian lanjutan pada beban kerja nyata, bukan dijadikan sebagai skor kualitas yang berlaku umum.

Streaming, keluaran terstruktur, dan pembacaan grafik

Soal streaming tersebut meminta jawaban yang tepat dan terlihat BAIKLAH.. Gemini 3.6 Flash memberikan jawaban yang benar dalam waktu 2,938 detik dengan 5 token prompt, 119 token penyelesaian, 118 token penalaran, dan total 124 token, dengan perkiraan $0,0009. Detail yang mencolok adalah bahwa penalaran menghabiskan 118 dari 119 token penyelesaian, yang menggambarkan mengapa batas keluaran yang sangat kecil dapat menyebabkan tidak adanya jawaban yang terlihat.

Panggilan ekstraksi terstruktur 3.6 yang pertama menggunakan batas keluaran sebesar 512 token dan berakhir pada alasan_selesai=panjang dengan JSON yang terpotong. Kami menganggap hal itu sebagai batasan sistem pengujian, bukan penilaian kualitas, dan mengulangi hanya tugas tersebut pada 2.048 token. Pengulangan yang ditargetkan lulus validasi bidang secara tepat dalam 3,919 detik dengan P55/C453/R411/T508 dan perkiraan $0,00348.

Gemini 3.5 Flash berhasil menyelesaikan proses ekstraksi yang sama pada eksekusi pertamanya dalam waktu 3,113 detik dengan konfigurasi P56/C378/R324/T434 dan perkiraan $0,003486. Satu kali uji coba per konfigurasi tidak cukup untuk menentukan pemenang dalam hal latensi. Hal ini menunjukkan bahwa batas keluaran dan penggunaan penalaran sebaiknya disesuaikan per model, bukan disalin begitu saja.

Panggilan pembacaan grafik 3,6 juga dipotong pada batas awal sebesar 768 token. Pada 2.048 token, pengulangan yang ditargetkan membaca semua delapan nilai benchmark secara tepat dalam 4,884 detik, menggunakan P1.127/C653/R520/T1.780 dan perkiraan $0,006588. Validator membandingkan setiap nilai yang dikembalikan dengan file kebenaran acuan yang tetap.

Perbaikan kode: kedua model mencapai skor 5/5

Kedua tugas pemrograman tersebut dimulai dari salinan terpisah dari fixture Python yang sama dengan titik acuan 3 dari 5 tes yang lulus. Gemini 3.6 Flash menghasilkan perbaikan yang terfokus dan dapat digunakan dalam waktu 5,553 detik, dengan P602/C1.150/R930/T1.752 dan perkiraan $0,009528. Penerapan hasil tersebut meningkatkan fixture menjadi 5/5, sementara hash berkas uji tetap tidak berubah.

Gemini 3.5 Flash juga menghasilkan perbaikan yang terfokus dengan skor 5/5, dalam waktu 6,860 detik dengan nilai P603/C1.332/R1.058/T1.935 dan perkiraan $0,0128925. Alat ini menambahkan teks di sekitar kode yang dibatasi meskipun ada instruksi untuk tidak menambahkan teks, sehingga rangkaian pengujian memerlukan ekstraksi kode yang dibatasi yang toleran sebelum validasi offline. Kedua perbaikan tersebut dapat digunakan; namun, disiplin outputnya berbeda.

Pengujian ini lebih mengutamakan pekerjaan perbaikan yang terbatas dengan uji unit deterministik. Pengujian ini tidak mengukur navigasi repositori, perubahan arsitektur yang melibatkan banyak berkas, otonomi jangka panjang, atau kemampuan model untuk merancang uji diskriminatif dari awal. Dimensi-dimensi tersebut memerlukan fixture dan kriteria kegagalan tersendiri.

Kegagalan pengambilan data sintetis 128K

Prompt kami yang berukuran hampir 128K menempatkan delapan pengenal deterministik dalam konteks sintetis yang luas dan mensyaratkan pemulihan JSON yang tepat. Gemini 3.6 Flash mengalami kegagalan dua kali, menghasilkan kode dan HTML yang tidak relevan alih-alih delapan nilai tersebut. Meningkatkan batas keluaran tidak memperbaiki perilaku tersebut.

Proses pengulangan tersebut memakan waktu 11,366 detik dan melaporkan nilai P128.248/C2.048/R0/Cached122.784/T130.296, perkiraan $0,0419736 setelah penyesuaian input yang disimpan dalam cache, dan alasan_selesai=panjang. Ini adalah tidak dapat dibandingkan secara langsung dengan GDM-MRCR milik Google Hasilnya: tugas kami, penyusunan prompt yang tepat, skala konteks, format keluaran, dan rute gateway Broly semuanya berbeda.

Kegagalan ini tetap relevan secara operasional. Hal ini menunjukkan bahwa permintaan sintetis tertentu ini tidak berhasil melalui rute kami dalam dua kali percobaan; oleh karena itu, kami tidak akan mengirimkan pola yang sama tanpa proses pengambilan data, pemilihan konteks yang lebih ketat, validasi respons, dan penanganan cadangan. Hal ini tidak membatalkan hasil benchmark Google maupun membuktikan adanya batasan umum sebesar 128K.

Sistem penanganan tindakan browser lokal: target yang benar, ID yang dibuat-buat

Model tersebut memeriksa tangkapan layar dari halaman lokal yang dikendalikan dan berhasil mengidentifikasi teks target yang terlihat, “Buka laporan penggunaan.” Model tersebut mengusulkan tindakan klik tetapi menciptakan sebuah pengenal tersembunyi, buka_laporan_penggunaan, alih-alih ID DOM yang sebenarnya penggunaan. Sistem tersebut mengidentifikasi teks yang terlihat secara tepat dan unik, alih-alih mengandalkan ID yang dibuat-buat.

Proses panggilan rencana memakan waktu 5,305 detik dengan nilai P1.153/C643/R573/T1.796 dan diperkirakan menghabiskan $0,006552. Sebuah fixture Chrome lokal diklik sekali, sehingga mengubah statusnya dari siap untuk laporan-terbuka. Ini adalah Penggunaan Komputer Gemini yang Bukan Bahasa Asli; ia tidak melakukan tindakan apa pun di luar sistem, tidak mengirimkan formulir apa pun, dan tidak mengubah keadaan eksternal apa pun.

Hasil PDF tersebut disebabkan oleh batasan jalur gateway

Broly /tanggapan Jalur konversi PDF mengembalikan status HTTP 500 dengan kode permintaan_konversi_gagal dan pesan belum diterapkan. Panggilan logis tersebut melakukan tiga upaya HTTP karena catatan tersebut mencakup dua upaya ulang, lalu berhenti tanpa menggunakan token atau menimbulkan biaya. Kami mengklasifikasikan rute ini sebagai rute yang tidak didukung.

Hasil ini hal tersebut tidak menunjukkan bahwa Gemini tidak mendukung PDF. Dokumentasi model Google mencantumkan input PDF; permintaan kami gagal sebelum muncul respons model yang terlihat pada jalur konversi gateway yang kompatibel dengan OpenAI. Pemeriksaan langsung melalui Google AI Studio atau API Gemini masih diperlukan sebelum menyimpulkan apa pun mengenai perilaku PDF secara langsung.

Masih diperlukan bukti dari editor: Jalankan tugas PDF melalui Google AI Studio bawaan atau API Gemini, lalu ambil tangkapan layar dari prompt lengkap, respons model, panel penggunaan, dan bukti kutipan halaman. Selama tangkapan layar tersebut belum tersedia, ulasan ini hanya melaporkan kegagalan konversi Broly dan tidak membuat klaim apa pun terkait kinerja PDF bawaan.

Gemini 3.6 Akses dan kode API Flash

Gemini 3.6 Flash tersedia di Google AI Studio dan Gemini Developer API dengan ID model stabil gemini-3.6-flash. Google merekomendasikan versi yang lebih baru API Interaksi untuk proyek-proyek baru yang bersifat agen, sedangkan yang sudah mapan generateContent Antarmuka tersebut tetap didukung dan mencakup fitur-fitur penting yang belum tersedia melalui Interactions.

Python dengan SDK Google Gen AI resmi

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents=(
 "Tinjau usulan perubahan kode ini. Identifikasi akar masalahnya, "
 "perbaikan terkecil yang aman, dan tes yang tepat yang akan membuktikannya."
    ),
)

print(response.text)

Klien membaca kredensial dari konfigurasi lingkungan yang didukung; jangan menuliskan kunci secara langsung dalam kode atau mempublikasikannya. Contoh ini sengaja menghindari bidang sampling yang sudah tidak digunakan lagi dan menggunakan layanan resmi Google google-genai generate_content metode. Tambahkan skema, pengaturan keamanan, dan alat hanya sesuai kebutuhan beban kerja.

JavaScript dengan @google/genai

import { GoogleGenAI } dari "@google/genai";

const ai = new GoogleGenAI({});

const response = await ai.models.generateContent({
  model: "gemini-3.6-flash",
  contents: "Ekstrak risiko dan berikan ringkasan yang ringkas serta didasarkan pada sumber.",
});

console.log(response.text);

Untuk penggunaan produksi yang andal, validasi struktur yang dikembalikan, periksa alasan kegagalan, catat panggilan alat, dan bedakan antara keberhasilan pengiriman dengan keberhasilan tugas. Respons 200 yang berisi JSON yang terpotong atau tindakan yang tidak didukung bukanlah hasil bisnis yang memuaskan.

API Interaksi atau Membuat Konten?

API Interactions menambahkan status opsional di sisi server melalui id_interaksi_sebelumnya, langkah-langkah eksekusi yang dapat diamati, dan eksekusi di latar belakang untuk tugas-tugas yang memakan waktu lebih lama. Fitur ini menarik bagi loop agen baru karena jejak status dan alat merupakan konsep utama. Periksa pengaturan penyimpanan dan retensi sebelum menggunakannya dengan konten sensitif.

Simpan generateContent ketika antarmuka fiturnya yang sudah matang lebih sesuai dengan kebutuhan aplikasi. Per Juli 2026, dokumentasi Google menyebutkan bahwa Interactions belum menyediakan Batch API, penyimpanan dalam cache secara eksplisit, pengaturan keamanan khusus, metadata video, atau pemanggilan fungsi Python secara otomatis. Dukungan model dan dukungan antarmuka API merupakan dua hal yang terpisah.

Gemini 3.6 Perubahan dalam migrasi API Flash

Beralih dari bentuk permintaan sebelumnya bukan sekadar mengganti nama model. Google’s panduan migrasi model terbaru dokumentasikan parameter dan pola yang sudah tidak direkomendasikan, diabaikan, atau ditolak. Anggap migrasi ini sebagai perubahan kontrak permintaan dan integritas status.

Hapus kontrol yang sudah tidak digunakan lagi dan pengisian otomatis

Hapus suhu, top_p, dan top_k. Google menyatakan bahwa parameter-parameter tersebut sudah tidak direkomendasikan dan diabaikan pada model-model ini, dengan generasi model berikutnya diperkirakan akan mengembalikan kode status HTTP 400 jika parameter-parameter tersebut disertakan. Sebuah model lama suhu: 0 Kolom tersebut tidak boleh dianggap sebagai jaminan determinisme.

Permintaan juga tidak boleh diakhiri dengan pengisian awal model-peran yang tidak kosong. Pola seperti menambahkan “Translation:” atau kurung kurawal pembuka JSON pada giliran model dapat menghasilkan respons HTTP 400. Gantilah pengisian awal tersebut dengan instruksi sistem, keluaran terstruktur, skema eksplisit, dan validator.

Ganti angka perencanaan_anggaran kontrol dengan tingkat_pemikiran enum; Gemini 3.6 Pengaturan default Flash adalah sedang. Hapus jumlah_calon, yang tidak didukung oleh Gemini 3.x, dan menerapkan alternatif pada tingkat aplikasi jika memang diperlukan beberapa strategi alternatif.

Menjaga status panggilan fungsi

Alur kerja alat memerlukan ID panggilan, nama fungsi, tanda tangan pemikiran, dan urutan giliran yang utuh. Saat menggunakan generateContent, masing-masing Fungsi Respons sebaiknya mencakup call_id dan nama. Uji panggilan yang tidak valid, teks penjelasan sebelum hasil keluaran alat, dan pemulihan dari alat yang ditolak atau tidak tersedia.

• Ubah ID model target menjadi gemini-3.6-flash.
• Hapus suhu, top_p, top_k, dan jumlah_calon.
• Ganti perencanaan_anggaran dengan tingkat_pemikiran.
• Hapus pengisian otomatis model-turn.
• Pertahankan ID panggilan fungsi, nama, tanda tangan pemikiran, dan urutan alat.
• Verifikasi alasan penyelesaian, skema, upaya ulang, dan setiap klaim keberhasilan.
• Hitung ulang biaya per tugas yang berhasil, termasuk panggilan dan alat yang gagal.
• Lakukan pengujian injeksi perintah dan tindakan merusak sebelum menggunakan komputer.

Gemini 3.6 Flash vs 3.5 Flash dan Flash-Lite

Gemini 3.6 Flash merupakan kandidat peningkatan langsung untuk Gemini 3.5 Flash. Harga masukan standar tetap pada $1.50 per juta token, sementara harga keluaran turun dari $9.00 menjadi $7.50—penurunan sebesar 16,7% sebelum memperhitungkan laporan terpisah dari Google mengenai penurunan penggunaan token keluaran dalam satu evaluasi.

Kasus migrasi ini paling kuat ketika skor agen yang lebih baik, harga keluaran yang lebih rendah, dan loop yang lebih pendek menghasilkan hasil kerja yang lebih sukses per dolar. Kasus ini paling lemah ketika repositori atau pemicu alat tertentu menyebabkan eksekusi yang tidak tuntas, verifikasi yang salah, atau koreksi manual yang berulang. Jalankan prompt yang serupa dengan alat dan uji penerimaan yang sama.

Di mana Gemini 3.5 Flash-Lite dapat dipasang

Gemini 3,5 Flash-Lite merupakan varian yang lebih terjangkau untuk ekstraksi, klasifikasi, terjemahan, perutean, pemrosesan dokumen, serta pekerjaan subagen terbatas dengan throughput tinggi. Harga standar adalah $0.30 per juta token masukan dan $2.50 per juta token keluaran. Hal ini menjadikan 3.6 Flash lima kali lebih mahal untuk masukan dan tiga kali lebih mahal untuk keluaran.

Router dua tingkatan dapat secara otomatis mengalokasikan tugas yang memenuhi syarat ke Flash-Lite dan meneruskan tugas-tugas dengan tingkat kepercayaan rendah, yang memerlukan banyak alat, multimodal, atau berjangka panjang ke 3.6 Flash. Router tersebut harus dapat dipantau dan dapat dibalik, dengan alasan-alasannya dicatat serta mencakup biaya percobaan ulang dan biaya koreksi. Token yang lebih murah tidak secara otomatis berarti tugas yang diselesaikan juga lebih murah.

Umpan balik awal dari pengguna dan hasil dari pihak ketiga

Gemini 3.6 Flash sudah dirilis ke publik selama kurang lebih satu hari ketika tangkapan layar ini diambil pada 22 Juli 2026. Postingan-postingan tersebut adalah Anekdot sosial bukti, bukan survei yang representatif, dan peringkat platform adalah Uji kinerja pihak ketiga bukti, bukan hasil pencarian Google atau pengukuran kami. Hal-hal tersebut berguna untuk mengidentifikasi hipotesis yang akan diuji.

Tanda-tanda yang menjanjikan dari sisi peramban dan front-end, dengan beberapa catatan

Arena.ai melaporkan bahwa Gemini 3.6 Flash menempati peringkat ke-12 dengan 1.537 poin di Frontend Code Arena, naik dari peringkat ke-21 yang sebelumnya diraih oleh Gemini 3.5 Flash. Hasil ini mencerminkan prompt, pemilih, snapshot model, dan metode peringkat Arena. Hasil ini mendukung hipotesis tentang peningkatan front-end, namun tidak menetapkan standar kualitas kode yang universal.

Browser Use melaporkan skor 68% pada BU Benchmark-nya dan menyebut model tersebut sebagai pilihan agen peramban dengan rasio harga-kinerja terbaik. Ini adalah benchmark yang disusun oleh vendor, bukan evaluasi industri yang netral. Hasil ini menarik untuk diperhatikan bersamaan dengan hasil OSWorld dari Google, namun tim-tim sebaiknya mereproduksi tugas-tugas browser di dalam lingkungan pengujian keamanan dan eksekusi alat mereka sendiri.

Seorang pengguna X yang kritis menafsirkan tabel Google secara berbeda, dengan berpendapat bahwa peningkatan yang paling meyakinkan terlihat pada aspek penglihatan dan konteks, bukan pada pemrograman. Pengguna lain menyoroti indeks pemrograman gabungan di mana angka 3,6 berada sedikit di bawah 3,5. Kombinasi tugas yang berbeda dapat menghasilkan hasil yang tampaknya bertentangan, itulah sebabnya nama dan metode benchmark harus tetap dicantumkan pada setiap angka.

Laporan pemrograman menekankan pada verifikasi dan penyelesaian

Laporan Reddit yang paling rinci menggambarkan 3.6 Flash sebagai sistem yang cepat dan mumpuni ketika tugas-tugasnya memiliki cakupan yang jelas, dapat diukur, dan telah dilengkapi instrumen pemantauan sebelum proses perbaikan. Penulis yang sama memperingatkan mengenai klaim verifikasi yang terlalu optimis, otonomi yang tampak merusak, serta biaya pengawasan yang timbul akibat pemeriksaan hasil kerja. Penulis tersebut juga mengungkapkan bahwa model lain telah meninjau atau memperbaiki hasilnya, serta bahwa masalah konfigurasi telah mengganggu sebagian dari pengujian.

Seorang pengguna Reddit lain melaporkan adanya pekerjaan proyek yang belum selesai, yang kemudian diikuti dengan klaim bahwa tugas tersebut telah diselesaikan. Para komentator menggambarkan konteks serupa, proses debugging, serta kekhawatiran terkait verifikasi yang keliru. Konfigurasi alat dan petunjuknya belum diverifikasi secara independen, sehingga laporan tersebut sebaiknya dijadikan sebagai kasus uji—bukan sebagai kesimpulan yang berlaku umum.

Pelajaran umum dalam evaluasi adalah memisahkan kualitas perbaikan dari keakuratan verifikasi. Sebuah model mungkin mengusulkan perubahan yang bermanfaat, namun menggunakan uji yang tidak dapat membedakan perbaikan tersebut, mengabaikan segmen tugas terakhir, atau salah melaporkan kegagalan yang tersisa. Kriteria penerimaan harus memeriksa artefak, daya beda uji, keadaan akhir, dan keakuratan laporan penyelesaian.

Keterbatasan, aspek keselamatan, dan batasan bukti

Gemini 3.6 Flash masih memiliki mode kegagalan model dasar, termasuk fakta yang tidak benar, eksekusi yang tidak lengkap, dan kesimpulan yang diyakini benar namun tidak didukung bukti. Kartu model tersebut juga menyebutkan adanya keterlambatan sesekali atau perilaku timeout. Batas waktu pengetahuan model ini pada Maret 2026 berarti fakta-fakta yang lebih baru memerlukan landasan, sumber tepercaya terkini, atau dokumen yang disediakan.

Google melaporkan hasil perbandingan keamanan yang secara umum positif dibandingkan dengan Gemini 3.5 Flash, termasuk peningkatan keamanan pada fitur teks-ke-teks dan multibahasa, keamanan fitur gambar-ke-teks yang tetap sama, serta sedikit kemunduran dalam hal nada penolakan dan penolakan yang tidak beralasan. Model tersebut tetap berada di bawah Tingkat Kemampuan Kritis Google setelah pengujian tambahan. Evaluasi tersebut dilaporkan oleh penerbit, bukan jaminan independen untuk penerapan tertentu.

Penggunaan komputer memerlukan kontrol operasional yang lebih ketat dibandingkan dengan obrolan. Agen berbasis tangkapan layar dapat menghadapi injeksi prompt, kontrol yang menipu, jendela pop-up, dan tindakan yang tidak dapat dibatalkan. Gunakan lingkungan yang terisolasi, kredensial dengan hak akses minimal, daftar izin domain dan tindakan, konfirmasi, log audit, batas pengeluaran, serta rencana pemulihan.

Pengujian browser kami tidak menguji titik akhir "Computer Use" bawaan Google dan tidak dapat mendukung klaim terkait latensi, keamanan, atau tingkat keberhasilan yang bersifat bawaan. Pengujian tersebut mencakup interpretasi tangkapan layar dan penyelesaian tindakan berbasis teks lokal. Demikian pula, kesalahan konversi PDF Broly hanya berlaku untuk jalur permintaan gateway tersebut.

Angka latensi kami sudah mencakup rute gateway Broly dan diperoleh dari satu suite kecil, bukan dari distribusi yang diulang. Kami tidak mengukur TTFT. Biaya-biaya tersebut merupakan perkiraan yang dihitung berdasarkan data penggunaan yang dilaporkan dan tarif Standar resmi, bukan berdasarkan faktur, dan suite tersebut tidak menggunakan Search Grounding.

Tolok ukur resmi, papan peringkat pihak ketiga, uji gateway kami, dan anekdot di media sosial menjawab pertanyaan yang berbeda-beda. Dengan tetap menampilkan label masing-masing, kita dapat menghindari kesan akurasi yang menyesatkan: hasil pencarian Google menggambarkan evaluasi Google, catatan kami menggambarkan satu rangkaian uji dan perangkat yang dapat direproduksi, sedangkan postingan publik menggambarkan pengalaman individu.

Siapa yang sebaiknya menggunakan Gemini 3.6 Flash?

Gemini 3.6 Flash merupakan pilihan yang sangat layak bagi tim yang sudah menggunakan Gemini 3.5 Flash, terutama ketika biaya keluaran, masukan multimodal, pemanggilan alat, atau perencanaan agenik menjadi faktor penting. Sistem ini juga cocok untuk aplikasi baru yang dapat mendefinisikan kriteria keberhasilan secara eksplisit dan mengawasi tindakan yang sensitif terhadap risiko.

• Agen pemrograman dengan tugas-tugas yang terbatas, ruang kerja yang terisolasi, dan uji otomatis yang selektif.
• Alur kerja analisis grafik, gambar, video, audio, dan PDF yang menghasilkan teks atau data terstruktur.
• Agen peramban atau desktop yang diawasi, dilengkapi dengan tahap konfirmasi dan validasi lokal.
• Sistem kerja berbasis pengetahuan yang memerlukan pemanggilan fungsi, pencarian berkas, penyimpanan dalam cache, atau pencarian berbasis konteks.
• Tim-tim yang mampu membandingkan biaya per tugas yang berhasil dengan 3.5 Flash dan penyedia layanan lainnya.

Solusi ini kurang cocok jika tugas tersebut dapat ditangani secara andal oleh Flash-Lite, jika suara real-time memerlukan Live API, atau jika diperlukan pembangkitan gambar atau audio secara native. Solusi ini juga kurang cocok untuk otomatisasi berisiko tinggi tanpa pengawasan yang tidak dilengkapi fitur rollback dan verifikasi independen.

• Alihkan proses klasifikasi dan ekstraksi sederhana ke tingkatan biaya yang lebih rendah tanpa mengorbankan kualitas.
• Jangan berasumsi bahwa jendela konteks 1M dapat menggantikan rekayasa pencarian.
• Jangan menerima status “terverifikasi” yang dilaporkan sendiri tanpa adanya tes yang bisa saja gagal.
• Jangan menggeneralisasi latensi gateway Broly atau perilaku konversi PDF ke titik akhir asli Google.
• Jangan mengaktifkan tindakan Penggunaan Komputer yang tidak dapat dibatalkan tanpa konfirmasi yang tegas.

Keputusan akhir

Ulasan Gemini 3.6 Flash ini menunjukkan bahwa model ini merupakan kandidat yang kuat untuk penerapan produksi, bukan sekadar migrasi otomatis. Model ini memadukan harga keluaran yang lebih rendah, cakupan masukan dan alat yang luas, serta peningkatan kinerja resmi yang signifikan pada DeepSWE, MLE-Bench, OSWorld, dan pengambilan informasi dalam konteks panjang. Pengujian terbatas kami memberikan bukti yang menggembirakan terkait ekstraksi yang tepat, pembacaan bagan, perbaikan kode yang terfokus, serta perencanaan tindakan lokal yang dipandu tangkapan layar.

Peringatan ini juga sama konkretnya. Batasan keluaran yang ketat menyebabkan dua pemotongan awal; proses penalaran menghabiskan hampir seluruh anggaran penyelesaian streaming; uji pengambilan data sintetis 128K kami gagal dua kali; dan skema browser menghasilkan ID yang belum pernah terlihat sebelumnya. Jalur PDF tetap belum diuji secara native karena rute konversi Broly gagal sebelum model memberikan respons.

Gunakan Gemini 3.6 Flash jika evaluasi perbandingan menunjukkan efisiensi penyelesaian tugas yang lebih baik daripada model Anda saat ini. Pantau tingkat keberhasilan, token, upaya ulang, panggilan alat, pengeditan yang tidak diinginkan, waktu koreksi manual, serta apakah setiap klaim verifikasi didukung oleh uji pembeda. Untuk beban kerja campuran, mulailah dengan Flash-Lite dan tingkatkan penggunaannya sesuai kebutuhan yang teramati.

Pertanyaan yang Sering Diajukan

Apakah Gemini 3.6 Flash sudah tersedia secara umum?

Ya. Google mencantumkan Gemini 3.6 Flash sebagai versi yang stabil dan sudah tersedia secara umum untuk penggunaan produksi. ID modelnya adalah gemini-3.6-flash, dan dapat diakses melalui Google AI Studio serta API Pengembang Gemini. Cakupan fitur API masih bervariasi antara Interactions dan generateContent.

Berapa harga Gemini 3.6 Flash?

Tarif standar berbayar adalah $1,50 per juta token masukan dan $7,50 per juta token keluaran, termasuk token pemikiran. Biaya Batch dan Flex masing-masing sebesar $0,75 untuk input dan $3,75 untuk output, sedangkan biaya Prioritas sebesar $2,70 untuk input dan $13,50 untuk output. Caching dan grounding dapat menimbulkan biaya tambahan terpisah.

Apa itu jendela konteks Gemini 3.6 Flash?

Gemini 3.6 Flash mendukung hingga 1.048.576 token masukan dan 65.536 token keluaran. Angka tersebut merupakan batas kapasitas, bukan jaminan pengambilan data. Hasil 1M GDM-MRCR Google adalah 54,0%, dan tugas gateway sintetis 128K kami yang berbeda gagal, sehingga sistem kritis masih memerlukan proses pengambilan dan validasi.

Apakah Gemini 3.6 Flash mendukung gambar, audio, video, dan PDF?

Ya, Google mencantumkan teks, gambar, audio, video, dan PDF sebagai format masukan yang didukung. Model ini menghasilkan teks, data terstruktur, dan panggilan alat, bukan gambar atau audio dalam format aslinya. Jalur konversi PDF Broly kami tidak didukung, namun hasil gateway tersebut tidak menunjukkan adanya batasan PDF Gemini dalam format aslinya.

Apakah Gemini 3.6 Flash mendukung penggunaan pada komputer?

Ya. API Gemini dari Google mendukung fitur "Computer Use" dengan Gemini 3.6 Flash untuk lingkungan peramban, perangkat seluler, dan desktop, namun fitur tersebut masih dalam tahap pratinjau. Klien menjalankan tindakan yang diusulkan dan harus menerapkan konfirmasi serta kontrol keamanan. Alat tangkapan layar lokal kami bukanlah uji coba "Computer Use" yang asli.

Apakah Gemini 3.6 Flash lebih baik daripada Gemini 3.5 Flash?

Model ini menunjukkan kinerja yang lebih baik dalam beberapa perbandingan Google dan lebih murah per token keluaran, namun apakah model ini “lebih baik” bergantung pada beban kerja. Uji coba pengkodean terbatasi kami menghasilkan skor 5/5 untuk kedua model, sementara model 3.5 memerlukan ekstraksi kode yang toleran. Jalankan tugas-tugas yang sebanding dan bandingkan biaya penyelesaian yang terverifikasi, bukan hanya nama modelnya saja.

Apakah suhu, top_p, dan top_k didukung?

Google mengatakan suhu, top_p, dan top_k telah tidak direkomendasikan dan diabaikan pada model-model ini, dan generasi model berikutnya diperkirakan akan menolaknya. Hapus kolom-kolom tersebut selama proses migrasi. Gunakan petunjuk yang jelas, skema, keluaran terstruktur, dan validator aplikasi untuk mengendalikan perilaku.

Apakah ada paket gratis?

Google menyediakan akses input dan output gratis pada tingkatan Standard, yang tunduk pada batasan laju dan ketersediaan. Halaman harga menyebutkan bahwa konten pada tingkatan gratis dapat digunakan untuk meningkatkan produk Google, sedangkan konten pada tingkatan berbayar ditandai secara terpisah. Periksa batasan laju, penggunaan data, dan ketentuan regional yang berlaku sebelum mengirimkan data produksi atau data sensitif.