Google DeepMind представила Gemini 3.6 Flash и 3.5 Flash-Lite — более быстрые и дешёвые модели для AI-агентов

Google DeepMind выпустила сразу два заметных обновления линейки Flash: Gemini 3.6 Flash и Gemini 3.5 Flash-Lite. Обе модели нацелены на сценарии, где важны не только качество ответов, но и экономика реального продакшена: скорость, цена, надёжность и удобство для AI-агентов.

Что произошло

По официальному анонсу Google DeepMind, Gemini 3.6 Flash стала новым рабочим вариантом для задач, где нужны кодинг, анализ, knowledge work и мультимодальность. Компания делает акцент не только на приросте качества, но и на том, что модель стала заметно эффективнее по токенам: по данным Google, она использует на 17% меньше output-токенов, чем Gemini 3.5 Flash, а в отдельных бенчмарках экономия ещё выше. При этом цена ниже предыдущей версии: $1.50 за 1 млн входных токенов и $7.50 за 1 млн выходных.

Отдельно Google вывела Gemini 3.5 Flash-Lite — самую быструю и дешёвую модель в семействе 3.5. По данным компании, она выдаёт до 350 output-токенов в секунду и рассчитана на высоконагруженные сценарии: агентный поиск, обработку документов, массовые workflow и задачи, где важна минимальная задержка. Стоимость заявлена на уровне $0.3 за 1 млн входных токенов и $2.5 за 1 млн выходных.

Ещё одна важная деталь: обе модели вписываются в агентный стек Google. DeepMind подчёркивает, что у них есть встроенные возможности computer use, а сама Gemini 3.6 Flash делает меньше лишних шагов и меньше ненужных tool calls в многошаговых задачах. Это критично для разработчиков, которые считают не только качество, но и стоимость выполнения одной агентной задачи целиком.

Google также сообщила, что Gemini 3.6 Flash и Gemini 3.5 Flash-Lite доступны уже сейчас через Gemini API, Google AI Studio и корпоративные продукты компании.

Почему это важно

Главная интрига рынка ИИ в 2026 году уже не только в том, кто покажет самый красивый демо-ролик или самый высокий пик на одном бенчмарке. Намного важнее другой вопрос: какая модель реально выгоднее для продакшена, особенно если речь идёт об AI-агентах, которые делают длинные цепочки действий, вызывают инструменты, читают документы, ищут данные и работают в фоне.

Именно здесь релиз DeepMind выглядит сильным. Gemini 3.6 Flash — это ставка на более зрелую «рабочую» модель: лучшее качество в коде и knowledge work без роста расходов, а наоборот — с сокращением токенов и снижением цены. Для бизнеса это прямой сигнал: если агент решает задачу за меньшее число шагов и печатает меньше лишнего текста, его становится дешевле запускать в больших объёмах.

Gemini 3.5 Flash-Lite важна по другой причине. На рынке постоянно не хватает моделей, которые можно безопасно и массово гонять на высоком трафике без ощущения, что каждая автоматизация съедает бюджет. Если заявленные скорость и цена подтвердятся на практике, Flash-Lite может стать очень сильным вариантом для фоновых агентов, классификации, RAG-цепочек, поиска по документам и других массовых сценариев.

Отдельный плюс — акцент Google на computer use и агентных workflow. Это показывает, что крупные игроки всё активнее оптимизируют модели не под разовый чат, а под реальную работу: открыть интерфейс, выполнить шаги, дернуть инструменты, вернуться с результатом и не потратить лишние токены по дороге.

Что дальше

Теперь главное — как быстро новые модели покажут себя в продакшене у разработчиков и компаний. Если Gemini 3.6 Flash действительно удержит баланс между качеством, стоимостью и надёжностью, она может стать одним из самых практичных вариантов для корпоративных AI-агентов и прикладных систем.

У Gemini 3.5 Flash-Lite тоже большие шансы занять свою нишу: не как «самая умная модель вообще», а как инструмент для тех случаев, где решают скорость, масштаб и цена одной операции. А это огромный пласт реальных задач.

Параллельно Google уже подогревает интерес к следующему этапу: компания заявила, что Gemini 3.5 Pro тестируется с партнёрами, а также сообщила о старте самого амбициозного pre-training run для Gemini 4. То есть этот релиз — не финальная точка, а скорее усиление текущей линейки перед следующим большим витком гонки AI-моделей.

Для рынка это хороший сигнал: конкуренция всё сильнее смещается в сторону полезности для AI-агентов, а не только в сторону «кто громче назовёт модель флагманом».