Обзор Gemini 3.6 Flash: цена, тесты, API и производительность

Gemini 3.6 Flash стоит для ограниченное кодирование, мультимодальный анализ и рабочие процессы агентов под контролем. В этом обзоре Gemini 3.6 Flash отмечается значительное улучшение по сравнению с 3.5 Flash: Google указывает на более низкую стоимость вывода и лучшие результаты в нескольких тестах, ориентированных на агентную деятельность, в то время как наши собственные тесты продемонстрировали точное извлечение структурированных данных, чтение диаграмм и целенаправленное исправление кода при разумных ограничениях на объем вывода. Это не универсальный победитель. Наша синтетическая задача поиска в массиве размером 128K дважды завершилась неудачей, а локальный план модели при поиске в браузере придумал ID скрытого элемента, хотя видимую цель она идентифицировала правильно.

Практическая рекомендация заключается в том, чтобы провести пилотное внедрение решения Gemini 3.6 Flash после выполнения приемочных тестов, ориентированных на конкретные рабочие нагрузки, измерить совокупную стоимость одного успешно выполненного задания и сохранить ручное подтверждение при выполнении необратимых действий. Официальные цифры, результаты наших измерений с учетом шлюзов, сторонние тесты производительности и ранние отзывы пользователей, приведенные ниже, обозначены отдельно, чтобы несопоставимые данные не смешивались в единый показатель.

Попробуйте версию Gemini 3.6 Flash на GlobalGPT прямо сейчас

Краткий обзор Gemini 3.6 Flash: плюсы и минусы

Содержание

Что такое Gemini 3.6 Flash?

Gemini 3.6 Flash — это стабильная модель Google, предназначенная для производственных рабочих нагрузок, которые требуют более глубокого анализа и использования инструментов, чем облегченный уровень вывода, но при этом не переходят в ценовой диапазон флагманских моделей. Google описывает её как «рабочую лошадку» для программирования, интеллектуальной работы, мультимодального понимания и агентного выполнения задач. Идентификатор этой производственной модели: gemini-3.6-flash. Официальная страница модели на сайте Google указывает, что он доступен для широкого пользования.

Модель принимает в качестве входных данных текст, изображения, аудио, видео и файлы PDF. В качестве выходных данных она возвращает текст, структурированные данные в формате JSON, а также вызовы функций или инструментов, однако сама по себе не генерирует изображений или аудио. Это различие имеет значение при сравнении общих заявлений о “мультимодальности”: понимание различных форматов входных данных — это не то же самое, что создание выходных данных в различных медиаформатах.

Google's Gemini 3.6 Карта модели Flash указывает дату завершения сбора данных — март 2026 года — и сообщает, что модель основана на архитектуре Gemini 3.5 Flash. Детали архитектуры и обучения в основном взяты из открытых источников, а не раскрыты впервые, поэтому покупатели могут оценить задокументированное поведение и опубликованные результаты тестирования, но не могут воссоздать алгоритм обучения.

Широкий набор инструментов играет ключевую роль в позиционировании продукта. На официальной странице модели перечислены такие функции, как вызов функций, структурированные выводы, выполнение кода, поиск файлов, контекст URL, кэширование контекста, привязка к результатам поиска Google, привязка к Google Maps, мышление и использование компьютера. При принятии решения о внедрении в производственную среду следует оценивать весь цикл — форму запроса, трассировку инструментов, повторные попытки, валидацию и проверку человеком — а не только качество одного ответа.

Эта роль «рабочей лошадки» также объясняет основную направленность обзора: 3.6 Flash наиболее интересен именно тогда, когда он участвует в рабочем процессе приложения, а не просто отвечает на отдельные тривиальные запросы. Его ценность зависит от того, ограничивает ли окружающая система инструменты, выявляет ли она усечения, проверяет ли результаты и направляет ли более простую работу на более экономичный уровень.

Функция «Использование компьютера» позволяет приложению отправлять снимки экрана и получать предложения по действиям для браузера, мобильных устройств или настольных систем. Клиент по-прежнему выполняет действие, предоставляет следующий снимок экрана и обеспечивает соблюдение политик. Google называет эту функцию «Предварительный просмотр» и рекомендует осуществлять надзор при выполнении конфиденциальных или необратимых операций в Документация по использованию компьютера.

Gemini 3.6 Технические характеристики и возможности флэш-памяти

Ограничение контекста в 1 048 576 токенов является предельной емкостью, а не гарантией того, что каждый факт удастся надежно восстановить. Это повторяющаяся тема как в тестах Google по обработке длинных контекстов, так и в нашем тесте с использованием синтетического шлюза. Поиск, разбиение на фрагменты, индексы документов, резюме и ссылки на источники остаются полезными даже в тех случаях, когда весь корпус технически помещается в один запрос.

Максимальный лимит в 65 536 токенов является достаточно щедрым, однако в реальных приложениях часто устанавливается более низкий предел из соображений экономии и сокращения задержки. Наши тесты показали, что лимит, который на первый взгляд кажется достаточным для видимого результата, может быть исчерпан внутренними токенами рассуждений. Необходимо проверять фактическую причину завершения и содержание ответа, а не рассматривать HTTP-ответ 200 как признак успешного выполнения задачи.

Gemini 3.6 Цены на флэш-память

Официальная цена на платную версию Standard составляет $1,50 за миллион входных токенов и $7,50 за миллион выпущенных токенов. В расчет за выходные данные включаются токены за вычисления. При пакетном и гибком вычислении стоимость токенов снижается вдвое, тогда как при приоритетном вычислении применяется надбавка 80%. Всегда проверяйте текущие Страница с ценами на API Gemini прежде чем составить смету на производство.

Стоимость кэширования контекста в платном тарифном плане «Standard» составляет $0,15 за миллион кэшированных входных токенов, плюс $1,00 за миллион токенов в час за хранение в кэше. Кэширование позволяет снизить расходы на повторный ввод данных, однако большой кэш, сохраняемый дольше, чем необходимо, сам по себе становится источником затрат. Сравните сумму счета за кэширование с фактически достигнутым уровнем повторного использования.

Для «Grounding» используется иная единица измерения. Google предоставляет бесплатно 5 000 запросов с «Grounding» в Google Поиске или Картах в месяц, которые распределяются между тремя моделями Gemini, а далее — $14 на каждую 1 000 поисковых запросов. Один запрос может генерировать более одного поискового запроса, поэтому стоимость токенов сама по себе может занижать реальную стоимость рабочего процесса с использованием заземления.

Пример стандартной цены на модель $2.25

Запрос, который потребляет 1 000 000 входных токенов и генерирует 100 000 выходных токенов, обходится в $1,50 за вход плюс $0,75 за выход, или $2.25 в стандартном режиме. В этом простом примере не учитываются кэширование, запросы с проверкой на наличие данных, повторные попытки, использование внешних инструментов и неудачные попытки.

Google также сообщает, что в тесте Artificial Analysis Index модель Gemini 3.6 Flash использовала на 17% меньше выходных токенов, чем модель 3.5 Flash, и потребовала меньшего количества шагов рассуждений и вызовов инструментов в многоэтапных рабочих процессах. Это официальное наблюдение, зависящее от рабочей нагрузки, а не гарантированная экономия в 17% для каждого приложения. Измеряйте количество токенов на одну успешно выполненную задачу с помощью собственных подсказок.

Gemini 3.6 Тесты производительности Flash: данные Google

Официальные сравнения Google демонстрируют наиболее заметный рост производительности в таких областях, как агентная кодировка, разработка систем машинного обучения, взаимодействие с компьютером и поиск информации в длинных контекстах. Наиболее подходящим эталонным тестом является Gemini 3.5 Flash, поскольку Google оценивала обе модели в рамках одного семейства модельных карт. Приведенные значения представляют собой результаты Google, а не данные, полученные с помощью нашей тестовой платформы.

Результаты DeepSWE улучшились на 12,0 процентных пунктов, а MLE-Bench — на 14,2 пункта. Прирост по тесту OSWorld-Verified составил 4,6 пункта, тогда как показатели SWE-Bench Pro Public и Terminal-Bench выросли в меньшей степени. Обоснованным утверждением является то, что версия 3.6 улучшает результаты по нескольким агентурным рабочим нагрузкам по сравнению с версией 3.5, а не то, что она превосходит все модели или тесты по кодированию.

Google также отмечает меньшее количество нежелательных изменений в коде и сокращение количества циклов выполнения. Эти показатели могут иметь большее значение, чем небольшое изменение показателя успешности прохождения проверки в репозитории, поскольку ненужные изменения увеличивают затраты на рецензирование, а повторяющиеся циклы расходуют токены. Для их оценки по-прежнему требуется измерение на уровне приложения; агрегированный тест производительности не может определить поведение в конкретной кодовой базе.

Результаты мультимодального поиска и поиска с длинным контекстом

Что касается обработки сложных диаграмм в CharXIV, Google сообщает о результатах 85,21 TP40T без использования инструментов и 89,41 TP40T с их использованием для Gemini 3.6 Flash. Версия Gemini 3.5 Flash набрала 84,21 TP40T и 84,91 TP40T соответственно. Более значительная разница при использовании инструментов подтверждает позиционирование модели для интерпретации диаграмм и мультимодальных рабочих процессов, при этом не учитывая визуальную привлекательность или качество стилизации интерфейса.

Результат 1M свидетельствует о значительном относительном улучшении, однако показатель 54,01 TP40T не является основанием для слепого поиска критически важных фактов. Производственные системы по-прежнему должны сегментировать документы, сохранять информацию о происхождении и запрашивать ссылки на источники. Наш отдельный синтетический тест с объемом 128K завершился неудачей, однако в нём использовалась другая задача и другой маршрут прохождения, поэтому его результаты не могут заменить результаты Google.

Наши практические тесты Gemini 3.6 Flash

22 июля 2026 года мы провели тестирование набора детерминированных собственных тестов. Все зарегистрированные значения задержки составляют Общее время отклика с учетом времени прохождения через шлюз, поэтому в эту цифру включены затраты на маршрутизацию Broly, и её не следует рассматривать как прямую задержку API Google.

Показатель TTFT не измерялся, в том числе при проверке потоковой передачи. Мы регистрировали общее прошедшее время, токены подсказок, токены завершения, токены рассуждений, токены из кэша, общее количество токенов, причину завершения, количество повторных попыток, проверку и расчетную стоимость на основе официальных стандартных ставок за токены. Токены рассуждений уже были включены в токены завершения, а токены из кэша — в токены подсказок.

В полный комплекс мероприятий входили 12 логических вызовов API и 14 попыток HTTP. Первичный запуск остался $0.244491, общая продолжительность трёх запланированных повторных показов составила $0.0520416, а скорректированная совокупная оценка составила $0.2965326. После замены двух явно неполных начальных записей их соответствующими повторными записями итоговый результат составил: 7 прошли, 1 не прошел, а 1 не поддерживается.

В расчётах затрат используются следующие коэффициенты: $1,50/M для токенов подсказки, не хранящихся в кэше; $0,15/M для токенов подсказки, хранящихся в кэше; и $7,50/M для токенов вывода. При повторном запуске с длинным контекстом 128 248 токенов подсказки разбиваются на 5 464 некэшированных и 122 784 кэшированных токена; при добавлении 2 048 токенов вывода получается $0.0419736. Стоимость хранения в кэше указана как $1.00/M токенов/час, но не учитывается, поскольку продолжительность хранения не измерялась.

Это диагностические тесты на небольших выборках, а не статистически значимые сравнительные испытания. Их ценность заключается в том, что в них сохраняются тестовые наборы, ожидаемые значения, валидаторы, ограничения на количество запросов и сбои. Они должны служить ориентиром для последующего тестирования в условиях реальной рабочей нагрузки, а не становиться универсальным показателем качества.

Потоковая обработка, структурированный вывод и чтение графиков

В задаче по потоковой обработке требовалось указать точный видимый ответ OK. Gemini 3.6 Flash выдал правильный ответ за 2,938 секунды, использовав 5 токенов подсказки, 119 токенов завершения, 118 токенов рассуждений и 124 токена всего, с расчетным показателем $0.0009. Поразительным моментом является то, что на рассуждения ушло 118 из 119 токенов завершения, что иллюстрирует, почему крошечный лимит вывода может не дать видимого ответа.

В первом вызове структурированной экстракции версии 3.6 использовался ограничитель вывода в 512 токенов, и он завершился на finish_reason=длина с усечённым JSON. Мы расценили это как ограничение тестовой среды, а не как оценку качества, и повторили только эту задачу с количеством токенов 2 048. Целевое повторное выполнение прошло точную проверку по полям за 3,919 секунды с показателями P55/C453/R411/T508 и расчётным значением $0,00348.

Gemini 3.5 Flash выполнил ту же операцию извлечения при первом вызове за 3,113 секунды с параметрами P56/C378/R324/T434 и расчетным значением $0.003486. Одного прогона для каждой конфигурации недостаточно, чтобы определить победителя по задержке. Однако это показывает, что ограничения на вывод и использование логических операций следует настраивать индивидуально для каждой модели, а не слепо копировать.

Вызов чтения диаграммы 3.6 также был прерван при достижении начального ограничения в 768 токенов. При 2 048 токенах целевой повторный запуск прочитал все восемь эталонных значений ровно за 4,884 секунды, используя P1,127/C653/R520/T1,780 и приблизительное значение $0,006588. Валидатор сравнил каждое возвращённое значение с фиксированным файлом эталонных значений.

Исправление кода: обе модели получили оценку 5 из 5

Обе задачи по программированию начинались с отдельных копий одного и того же фикстура на Python, базовый результат которого составлял 3 из 5 прошедших тестов. Gemini 3.6 Flash выдал целенаправленное и применимое исправление за 5,553 секунды с показателями P602/C1,150/R930/T1,752 и расчетным значением $0.009528. Применение полученного результата повысило количество прохождений фикстуры до 5 из 5, при этом хэш тестового файла остался неизменным.

Gemini 3.5 Flash также выполнил целенаправленное исправление, достигшее 5/5, за 6,860 секунд с показателями P603/C1,332/R1,058/T1,935 и расчетным значением $0.0128925. Он добавил прозу вокруг ограждённого кода, несмотря на инструкцию об отсутствии прозы, поэтому перед автономной валидацией для тестового набора потребовалось применение толерантного метода извлечения ограждённого кода. Оба исправления были пригодны для использования; различия заключались в дисциплине вывода.

Данный тест ориентирован на локальные исправления с использованием детерминированных модульных тестов. Он не оценивает навигацию по репозиторию, архитектурные изменения, затрагивающие несколько файлов, длительную автономную работу, а также способность модели разработать дискриминационный тест с нуля. Для оценки этих аспектов требуются отдельные тестовые наборы и критерии сбоя.

Сбой при извлечении синтетических данных объемом 128K

Наш промпт объемом почти 128K содержал восемь детерминированных идентификаторов, встроенных в обширный синтетический контекст, и требовал точного восстановления данных в формате JSON. Gemini 3.6 Flash дважды дал сбой, возвращая нерелевантный код и HTML вместо восьми значений. Увеличение ограничения на объем вывода не исправило эту проблему.

Повторный запуск занял 11,366 секунд, и были получены следующие результаты: P128 248/C2 048/R0/Cached122 784/T130 296, приблизительное значение $0,0419736 после корректировки кэшированных входных данных, а также finish_reason=длина. Это не поддается прямому сравнению с показателем GDM-MRCR компании Google Результат: наша задача, точное построение запроса, масштаб контекста, формат вывода и маршрут шлюза Broly — все это различается.

Эта ошибка по-прежнему имеет практическое значение. Она указывает на то, что данный синтетический запрос не прошел по нашему маршруту при двух попытках, поэтому мы не будем передавать аналогичный шаблон без предварительного извлечения данных, более строгого отбора контекста, проверки ответа и реализации резервного варианта обработки. Это не опровергает результаты тестирования Google и не доказывает наличия общего ограничения в 128K.

Набор средств для работы с действиями браузера на локальном уровне: правильный адрес назначения, вымышленный идентификатор

Модель проанализировала скриншот контролируемой локальной страницы и правильно определила видимый целевой текст: “Открыть отчет об использовании”. Она предложила следующее действие: нажмите но придумал скрытый идентификатор, открыть_отчет_об_использовании, вместо реального идентификатора DOM использование. Система распознала уникальный точный видимый текст, а не полагалась на вымышленный идентификатор.

Вызов плана занял 5,305 секунд с показателями P1,153/C643/R573/T1,796 и, по оценкам, обошёлся в $0,006552. Локальный фикстур Chrome был активирован один раз, в результате чего его состояние изменилось с готово на открыть отчет. Это было Использование компьютера Gemini не на родном языке; она не совершила никаких внешних действий, не подала никаких форм и не изменила никакого внешнего состояния.

В PDF-файле в качестве результата указано ограничение по пути шлюза

«Броли» /ответы При конвертации в формат PDF был получен ответ HTTP 500 с кодом convert_request_failed и сообщение не реализовано. Логический вызов выполнил три попытки HTTP, поскольку запись содержит две попытки повтора, после чего был прерван без использования токена и без затрат. Мы классифицируем этот маршрут как неподдерживаемый.

Этот результат это не означает, что Gemini не поддерживает формат PDF. В документации по модели Google указан входной формат PDF; наш запрос завершился неудачей до появления видимого ответа модели на пути преобразования через шлюз, совместимый с OpenAI. Перед публикацией каких-либо выводов о поведении PDF в native-режиме по-прежнему требуется провести проверку с помощью Google AI Studio или API Gemini.

Все еще требуются комментарии редактора: Запустите задачу с PDF-файлом через встроенный интерфейс Google AI Studio или API Gemini, а затем сохраните полный текст запроса, ответ модели, панель параметров и скриншоты страниц с цитатами. Пока эти скриншоты не будут доступны, в данном обзоре упоминается только сбой при преобразовании текста Broly, и не делается никаких заявлений о производительности при работе с исходными PDF-файлами.

Gemini 3.6 Доступ к Flash API и код

Модель Gemini 3.6 Flash доступна в Google AI Studio и в API для разработчиков Gemini под идентификатором стабильной версии модели gemini-3.6-flash. Google рекомендует более новую версию API взаимодействий для новых проектов, связанных с агентами, в то время как уже существующие generateContent Интерфейс по-прежнему поддерживается и охватывает важные функции, которые пока не реализованы в рамках Interactions.

Python с официальным SDK Google Gen AI

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.6-flash",
    contents=(
 "Проанализируйте предложенное изменение кода. Определите первопричину, "
 "минимальное безопасное исправление и точный тест, который бы это подтвердил."
    ),
)

print(response.text)

Клиент считывает учетные данные из конфигурации поддерживаемой среды; не следует жестко прописывать ключ в коде или публиковать его. В примере намеренно не используются устаревшие поля выборки и применяется официальный метод Google google-genai generate_content метод. Добавляйте схемы, настройки безопасности и инструменты только в той мере, в какой это необходимо для рабочей нагрузки.

JavaScript с @google/genai

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

const ai = new GoogleGenAI({});

const response = await ai.models.generateContent({
  model: "gemini-3.6-flash",
  contents: "Выделите риски и верните краткое резюме, основанное на исходных данных.",
});

console.log(response.text);

Для обеспечения надежности в производственной среде необходимо проверять возвращаемую структуру, анализировать причины завершения, регистрировать вызовы инструментов и проводить различие между успешной передачей данных и успешным выполнением задачи. Ответ с кодом 200, содержащий усеченный JSON или неподдерживаемое действие, не является удовлетворительным бизнес-результатом.

Использовать API взаимодействий или создавать контент?

API «Interactions» добавляет дополнительное состояние на стороне сервера с помощью id_предыдущего_взаимодействия, наблюдаемые этапы выполнения и фоновое выполнение для более длительных задач. Это решение привлекательно для новых циклов агентов, поскольку трассировки состояния и инструментов являются концепциями первого класса. Перед использованием с конфиденциальным контентом рекомендуется проверить настройки хранения и сроков хранения данных.

Сохранить generateContent когда его зрелый набор функций будет лучше соответствовать требованиям приложения. По состоянию на июль 2026 года, согласно документации Google, Interactions пока не предоставляет доступ к Batch API, явному кэшированию, настраиваемым параметрам безопасности, метаданным видео или автоматическому вызову функций на Python. Поддержка моделей и поддержка функционального интерфейса — это отдельные вопросы.

Gemini 3.6. Изменения, связанные с переходом на Flash API

Переход от прежних форм запросов — это нечто большее, чем просто смена названия модели. В Google Руководство по переходу на новейшую версию документируйте параметры и шаблоны, которые являются устаревшими, игнорируемыми или отклоненными. Рассматривайте миграцию как изменение контракта запроса и целостности состояния.

Удалить устаревшие элементы управления и функции предварительного заполнения

Удалить температура, top_p, и top_k. По заявлению Google, эти параметры признаны устаревшими и игнорируются в данных моделях; ожидается, что в будущих поколениях устройств при их передаче будет возвращаться код ошибки HTTP 400. Устаревший температура: 0 Это поле не следует рассматривать как гарантию детерминизма.

Запросы также не должны заканчиваться непустым предварительным заполнением роли модели. Такие шаблоны, как добавление “Translation:” или открывающей фигурной скобки JSON к строке модели, могут привести к возврату HTTP-кода 400. Замените предварительное заполнение системными инструкциями, структурированными выводами, явными схемами и валидаторами.

Заменить числовое значение planning_budget элементы управления с помощью уровень мышления enum; Gemini 3.6 По умолчанию в Flash установлено средний. Удалить количество_кандидатов, что не поддерживается в Gemini 3.x, и реализовать альтернативные решения на уровне приложения, если действительно требуется использование нескольких возможных стратегий.

Сохранение состояния вызова функции

Рабочие процессы инструментов требуют сохранения идентификаторов вызовов, имен функций, сигнатур и порядка выполнения. При использовании generateContent, каждый FunctionResponse должно включать его call_id и имя. Тестирование вызовов с некорректной синтаксической структурой, отображение пояснительного текста перед выводом результатов инструмента, а также восстановление работы после отказа или недоступности инструментов.

• Измените идентификатор целевой модели на gemini-3.6-flash.
• Удалить температура, top_p, top_k, и количество_кандидатов.
• Заменить planning_budget с уровень мышления.
• Отключить предварительное заполнение по очереди моделей.
• Сохранить идентификаторы вызовов функций, имена, сигнатуры мыслей и порядок инструментов.
• Проверьте причины завершения, схемы, повторные попытки и каждое заявление об успешном выполнении.
• Пересчитать стоимость за каждое успешно выполненное задание с учетом неудачных вызовов и инструментов.
• Перед началом работы с компьютером проведите тесты на внедрение команд в командную строку и на выполнение действий, наносящих ущерб.

Gemini 3.6 Flash против 3.5 Flash и Flash-Lite

Gemini 3.6 Flash является прямым кандидатом на обновление с версии Gemini 3.5 Flash. Стандартная цена на входные данные остается на уровне $1,50 за миллион токенов, в то время как цена на выходные данные снижается с $9,00 до $7,50— это снижение на 16,71 TP40T, не учитывая отдельный отчёт Google о более низком использовании токенов на выходе в одной из оценок.

Аргумент в пользу миграции наиболее убедителен в тех случаях, когда более высокие показатели агентности, более низкая цена конечного результата и более короткие циклы приводят к более высокой эффективности работы на каждый доллар. Он наименее убедителен, когда использование конкретного репозитория или набора инструментов приводит к неполному выполнению, ложной верификации или необходимости повторной корректировки со стороны человека. Запускайте сопоставленные промпты с использованием тех же инструментов и приемочных тестов.

Где можно установить Gemini 3.5 Flash-Lite

Gemini 3.5 Flash-Lite представляет собой более экономичный вариант для высокопроизводительной экстракции, классификации, перевода, маршрутизации, обработки документов и работы ограниченных субагентов. Стандартная цена составляет $0.30 за миллион входных токенов и $2.50 за миллион выходных токенов. Таким образом, 3.6 Flash обходится в пять раз дороже по входу и в три раза дороже по выходу.

Двухуровневый маршрутизатор может по умолчанию направлять подходящие задачи в Flash-Lite, а задачи с низким уровнем достоверности, требующие интенсивного использования инструментов, мультимодальные или долгосрочные — перенаправлять в 3.6 Flash. Работа маршрутизатора должна быть прозрачной и обратимой, с регистрацией причин в журнале, а также с учетом затрат как на повторные попытки, так и на исправления. Более дешевые токены не означают автоматически более дешевых выполненных задач.

Первые отзывы пользователей и результаты сторонних исследований

Версия Gemini 3.6 Flash была доступна для общественности примерно один день, когда 22 июля 2026 года были сделаны эти скриншоты. Сообщения: Анекдот из жизни общества данные, а не репрезентативный опрос, а рейтинги платформ — это Независимый тест производительности данные, а не результаты поиска в Google или наши измерения. Они полезны для формулирования гипотез, которые необходимо проверить.

Многообещающие тенденции в области браузеров и фронтенда, с некоторыми оговорками

Arena.ai сообщила, что Gemini 3.6 Flash занял 12-е место с результатом 1 537 баллов в рейтинге Frontend Code Arena, поднявшись с 21-го места, которое занимал Gemini 3.5 Flash. Этот результат отражает подсказки Arena, мнения голосующих, снимки модели и методику ранжирования. Он подтверждает гипотезу об улучшении фронтенда, но не устанавливает универсального стандарта качества кода.

Компания Browser Use сообщила о результатах теста BU Benchmark для модели 68% и назвала эту модель лучшим вариантом браузерного агента с точки зрения соотношения цены и производительности. Данный тест разработан самим поставщиком и не является нейтральной отраслевой оценкой. Он представляет интерес в контексте результатов Google на OSWorld, однако командам следует воспроизводить задачи браузера в рамках собственной системы обеспечения безопасности и среды выполнения инструментов.

Один из критически настроенных пользователей X по-своему интерпретировал таблицу Google, утверждая, что наиболее убедительные улучшения прослеживаются в области зрительного восприятия и контекста, а не в кодировании. Другой пользователь сослался на совокупный индекс кодирования, где значение 3,6 оказалось чуть ниже 1,5. Различные наборы задач могут приводить к, казалось бы, противоречивым результатам, поэтому к каждому числу следует указывать названия тестов и методы их проведения.

В отчетах по программированию особое внимание уделяется проверке и завершению работ

В наиболее подробном отчете на Reddit версия 3.6 Flash была охарактеризована как быстрая и эффективная, когда задачи имели четко очерченные рамки, были поддавались измерению и были оснащены инструментами мониторинга до начала исправления. Тот же автор предостерег от самоуверенных заявлений о верификации, автономности, выглядящей разрушительной, а также от затрат на контроль выполнения работы. Автор также сообщил, что другая модель проверила или скорректировала результат, а также что проблема с настройкой повлияла на часть теста.

Другой автор на Reddit сообщил о неполном выполнении проекта, после чего было заявлено, что задача завершена. Комментаторы описывали аналогичные проблемы, связанные с контекстом, отладкой и «галлюцинаторной» проверкой. Настройки инструмента и подсказки не были проверены независимо, поэтому это сообщение следует рассматривать как тестовый случай, а не как обобщённый вывод.

Основной урок, который можно извлечь из оценки, заключается в том, что следует отделять качество исправления от достоверности проверки. Модель может предложить полезное изменение, но при этом использовать тест, который не способен выявить данное исправление, пропустить заключительный сегмент задачи или неверно указать оставшиеся сбои. Критерии приемки должны проверять сам артефакт, дискриминационную способность теста, конечное состояние и точность отчета о завершении.

Ограничения, безопасность и пределы доказательной базы

Модель Gemini 3.6 Flash сохраняет типичные для базовой модели способы сбоя, включая выдуманные факты, неполное выполнение задач и уверенные, но необоснованные выводы. В описании модели также отмечается периодическая медленная работа или возникновение таймаутов. Поскольку дата обновления знаний модели — март 2026 года, для обработки более свежих фактов требуется обоснование, актуальный достоверный источник или предоставленные документы.

Google сообщает о в целом положительных результатах сравнения безопасности с моделью Gemini 3.5 Flash, включая улучшение безопасности при преобразовании «текст-в-текст» и при работе с несколькими языками, неизменный уровень безопасности при преобразовании «изображение-в-текст», а также незначительное ухудшение показателей по тону отказа и необоснованным отказам. По результатам дополнительного тестирования модель осталась ниже установленных Google критических уровней способностей. Это оценки, предоставленные издателями, а не независимые гарантии для конкретного внедрения.

Использование компьютера требует более строгих мер оперативного контроля, чем общение в чате. Агенты, работающие на основе снимков экрана, могут сталкиваться с вставкой подсказок, обманчивыми элементами управления, всплывающими окнами и необратимыми действиями. Используйте изолированные среды, учетные данные с минимальными привилегиями, списки разрешенных доменов и действий, подтверждения, журналы аудита, лимиты расходов и планы отката.

В ходе нашего тестирования браузера не проверялась встроенная конечная точка Google «Computer Use», поэтому мы не можем подтвердить заявления о задержке, безопасности или коэффициенте успешности этой функции. Тестировались обработка скриншотов и локальный текстовый модуль обработки действий. Аналогичным образом, ошибка преобразования PDF-файлов в Broly относится исключительно к данному пути запроса шлюза.

Наши показатели задержки включают маршрутизацию через шлюз Broly и были получены в ходе тестирования одного небольшого набора сценариев, а не в ходе повторных распределений. Мы не измеряли TTFT. Стоимость указана в расчетном виде на основе отчетных данных об использовании и официальных тарифов Standard, а не на основе счетов-фактур; кроме того, в данном наборе сценариев не использовалась функция Search Grounding.

Официальные тесты производительности, рейтинги сторонних ресурсов, наши тесты на пропускную способность и пользовательские отзывы в социальных сетях дают ответы на разные вопросы. Четкое разграничение этих источников позволяет избежать ложной точности: результаты Google отражают оценку самой компании, наши данные описывают один воспроизводимый маршрут и набор тестовых настроек, а публичные посты — индивидуальный опыт пользователей.

Кому рекомендуется использовать Gemini 3.6 Flash?

Gemini 3.6 Flash — отличный вариант для команд, уже использующих Gemini 3.5 Flash, особенно в тех случаях, когда важную роль играют затраты на вывод, мультимодальный ввод, вызов инструментов или агентское планирование. Он также подходит для новых приложений, в которых можно определить явные критерии успеха и контролировать действия, связанные с риском.

• Разработка программ с ограниченными задачами, изолированными рабочими пространствами и дискриминационными автоматизированными тестами.
• Конвейеры обработки диаграмм, изображений, видео, аудио и PDF-файлов, в результате которых получаются текстовые или структурированные данные.
• Браузерные или настольные агенты под контролем с этапами подтверждения и локальной проверкой.
• Системы интеллектуальной деятельности, в которых требуется вызов функций, поиск файлов, кэширование или контекстный поиск.
• Команды, способные сравнить стоимость одного успешно выполненного задания с тарифами 3.5 Flash и других провайдеров.

Это решение менее подходит в тех случаях, когда задачу можно надежно выполнить с помощью Flash-Lite, когда для обработки голоса в режиме реального времени требуется Live API или когда необходимо нативное создание изображений или аудио. Кроме того, оно не подходит для автоматизации без контроля, сопряженной с высоким риском, без возможности отката и независимой проверки.

• Перенести простые операции по классификации и извлечению данных на более экономичный уровень, при котором качество останется на должном уровне.
• Не стоит полагать, что контекстное окно длиной 1M заменяет инженерию поиска.
• Не следует принимать заявленный пользователем статус “проверенный” без теста, который может дать отрицательный результат.
• Не следует распространять выводы, касающиеся задержки шлюза Broly или поведения при конвертации PDF-файлов, на собственные конечные точки Google.
• Не разрешайте выполнение необратимых действий при работе с компьютером без явного подтверждения.

Окончательный вердикт

В данном обзоре модели Gemini 3.6 Flash мы видим сильного кандидата для промышленного применения, но не вариант для автоматической миграции. Модель сочетает в себе более низкую стоимость вывода, широкий спектр входных данных и инструментальных возможностей, а также значительный официальный прирост производительности в тестах DeepSWE, MLE-Bench, OSWorld и при поиске по длинному контексту. Наши ограниченные тесты дают обнадеживающие результаты в области точного извлечения информации, чтения диаграмм, целенаправленного исправления кода и планирования локальных действий на основе скриншотов.

Предостережение также носит конкретный характер. Жесткие ограничения на объем вывода привели к двум первоначальным усечениям; на вывод аргументации ушло почти весь бюджет завершения потоковой обработки; наш тест на извлечение синтетических данных объемом 128K дважды завершился неудачей; а план браузера сгенерировал неизвестный идентификатор. Маршрут PDF остался непроверенным в исходном виде, поскольку маршрут преобразования Broly завершился сбоем до получения ответа модели.

Внедрите решение Gemini 3.6 Flash, если сравнительная оценка покажет, что его экономическая эффективность по выполненным задачам превосходит показатели вашей текущей модели. Отслеживайте показатели успешности прохождения, количество токенов, количество повторных попыток, количество вызовов инструментов, количество нежелательных правок, время, затрачиваемое на исправления силами персонала, а также то, подкреплено ли каждое утверждение о проверке дискриминационным тестом. Для смешанных рабочих нагрузок начинайте с Flash-Lite и переходите на более мощные версии по мере возникновения очевидной необходимости.

Часто задаваемые вопросы

Доступна ли версия Gemini 3.6 Flash для широкого использования?

Да. В Google модель Gemini 3.6 Flash указана как стабильная и доступная для широкого применения в производственной среде. Идентификатор модели: gemini-3.6-flash, и доступ к нему можно получить через Google AI Studio и API для разработчиков Gemini. Набор поддерживаемых функций API по-прежнему различается между Interactions и generateContent.

Сколько стоит флешка Gemini 3.6?

Стандартная плата составляет $1,50 за миллион входных токенов и $7,50 за миллион выходных токенов, включая токены «thinking». Стоимость пакета и гибкого режима составляет $0,75 на входе и $3,75 на выходе, а приоритетного режима — $2,70 на входе и $13,50 на выходе. Кэширование и заземление могут повлечь за собой дополнительные расходы.

Что такое контекстное окно Gemini 3.6 Flash?

Gemini 3.6 Flash поддерживает до 1 048 576 входных токенов и 65 536 выходных токенов. Это предел емкости, а не гарантия извлечения. Результат Google по задаче 1M GDM-MRCR составил 54,01 TP40T, а наша другая синтетическая задача с шлюзом объемом 128K завершилась неудачей, поэтому критически важные системы по-прежнему нуждаются в извлечении и валидации данных.

Поддерживает ли Gemini 3.6 Flash изображения, аудио, видео и PDF-файлы?

Да, Google указывает текст, изображения, аудио, видео и PDF-файлы в качестве поддерживаемых входных данных. Модель генерирует текст, структурированные данные и вызовы инструментов, а не исходные изображения или аудио. Наш путь преобразования PDF-файлов с помощью Broly не поддерживался, однако этот результат шлюза не свидетельствует о наличии ограничения на работу с исходными PDF-файлами в Gemini.

Поддерживает ли прошивка Gemini 3.6 работу с компьютером?

Да. API Gemini от Google поддерживает функцию «Computer Use» с использованием Gemini 3.6 Flash для браузеров, мобильных устройств и настольных компьютеров, однако эта функция пока находится в стадии предварительного просмотра. Клиент выполняет предложенные действия и должен применять меры подтверждения и контроля безопасности. Наш локальный набор скриншотов не являлся нативным тестом функции «Computer Use».

Является ли Gemini 3.6 Flash лучше, чем Gemini 3.5 Flash?

По результатам нескольких сравнений в Google она показывает более высокую производительность и обходится дешевле в расчете на один токен вывода, однако понятие “лучше” зависит от конкретной рабочей нагрузки. В нашем тесте с ограниченным кодированием обе модели набрали 5 из 5 баллов, тогда как для оценки 3,5 потребовалось применение метода толерантного извлечения кода. Выполняйте сопоставимые задачи и сравнивайте фактические затраты на выполнение, а не только названия моделей.

Поддерживаются ли параметры temperature, top_p и top_k?

Google сообщает, что температура, top_p, и top_k в этих моделях являются устаревшими и игнорируются; ожидается, что в будущих версиях моделей они будут отклоняться. Удалите эти поля в ходе миграции. Для управления поведением используйте четкие инструкции, схемы, структурированные результаты и валидаторы приложений.

Есть ли бесплатный тарифный план?

Google предоставляет бесплатный доступ к вводу и выводу данных в рамках тарифного плана «Стандарт», при этом действуют ограничения по скорости и доступности. На странице с ценами указано, что данные, предоставляемые в рамках бесплатного тарифного плана, могут использоваться для улучшения продуктов Google, тогда как данные, предоставляемые в рамках платного тарифного плана, обозначены иначе. Перед отправкой производственных или конфиденциальных данных ознакомьтесь с действующими ограничениями по скорости, правилами использования данных и региональными условиями.