Чем интересна Gemini 3.6 Flash. Google сделала ставку не на размер, а на эффективность

Новая Gemini 3.6 Flash от Google стала очередным обновлением более быстрой линейки Gemini. На первый взгляд, релиз выглядит довольно буднично, однако при этом у 3.6 Flash есть другая задача. Google попыталась сделать модель, которая не просто отвечает немного лучше предшественницы, а выполняет реальные многошаговые задачи с меньшим количеством промежуточной работы.

Именно поэтому главный акцент здесь сделан не на количестве параметров или красивых рекордах в отдельных тестах, а на эффективности. По данным Google, Gemini 3.6 Flash использует примерно на 17 % меньше выходных токенов, чем 3.5 Flash, при этом улучшая результаты в программировании и в выполнении задач мультимодального плана. В некоторых агентных сценариях сокращение числа токенов и шагов получается еще заметнее.

Что изменилось внутри

Gemini 3.6 Flash построена на основе Gemini 3.5 Flash, то есть перед нами не совершенно новая архитектура с нуля. Google прямо описывает модель как рабочую лошадку семейства Gemini: она должна сочетать достаточно высокий уровень рассуждения с низкой задержкой и умеренным расходом вычислительных ресурсов. В модельной карте компания отдельно отмечает улучшения в программировании, работе со знаниями и мультимодальности.

Иными словами, модель стала лучше решать задачи за меньшее число ходов. Для обычного чат-бота разница может показаться несущественной. Но когда Gemini работает как агент и самостоятельно читает файлы, пишет код, запускает инструменты, проверяет результат и исправляет ошибки, каждый лишний шаг начинает стоить времени и вычислений.

Google приводит именно такие сценарии как одну из главных причин появления 3.6 Flash. Модель рассчитана на быстрые агентные циклы, в которых ей приходится несколько раз подряд возвращаться к одной задаче, что-то менять и проверять результат.

В программировании прирост заметнее всего

Одно из самых интересных изменений, по мнению команды Креатор Проджект, касается кода. В тесте DeepSWE, который проверяет способность модели справляться с программными задачами, Gemini 3.6 Flash получила 49 % против 37 % у 3.5 Flash. Одновременно Google говорит о снижении числа ошибок компиляции и необходимости последующих исправлений в реальных средах разработки.

Причем речь идет не только о генерации отдельных функций. Модель лучше чувствует себя в выполнении тех задач, где нужно последовательно разобраться в существующем проекте, внести изменения, проверить их и вернуться назад, если что-то сломалось. В таких случаях, как правило, особенно важна не максимальная интеллектуальная мощность на одном запросе, а способность не потерять нить работы после десятка последовательных действий.

Есть и довольно показательное изменение поведения. Google отдельно отмечает, что 3.6 Flash стала меньше склонна к так называемому «action bias» — стремлению что-нибудь изменить просто потому, что пользователь попросил проверить или проанализировать ситуацию. Если задача диагностическая и редактирование не требуется, модель чаще ограничивается анализом, а не начинает самовольно переписывать код.

Для агентных систем это может оказаться важнее еще нескольких процентов в бенчмарке. Хороший агент должен понимать не только что сделать, но и когда ничего не делать.

Мультимодальность становится практической

Google также заявляет улучшения в работе с визуальной информацией. В корпоративной документации среди примеров отдельно упоминаются интерпретация графиков, преобразование визуальных чертежей и генерация многоэлементных веб-макетов. То есть мультимодальность здесь нужна не столько для красивых демонстраций, сколько для выполнения тех запросов, в которых изображение выступает в качестве непосредственной части рабочего процесса.

Представим разработчика, который показывает модели скриншот интерфейса и исходный код. Вместо двух отдельных запросов Gemini может сопоставить визуальный результат с реализацией и предложить конкретные изменения. Или другой сценарий: пользователь загружает схему, техническую документацию и описание задачи, а модель должна собрать из этого единое решение.

Именно такие связки постепенно становятся главным полем применения мультимодальных моделей. Возможность «увидеть картинку» сама по себе уже мало кого удивляет. Гораздо важнее, что модель способна использовать увиденное как часть длинной цепочки рассуждений.

Выводы

Обозреваемая модель, хотя и не стала революционным релизом, все же остается достаточно мощной, чтобы работать с большими контекстами и сложными проектами, а ее главное преимущество проявляется не в одном эффектном ответе, а на длинной дистанции. Если Gemini 3.5 Flash была попыткой сделать быструю модель достаточно умной, то 3.6 Flash выглядит как попытка сделать ее еще и достаточно экономной, чтобы доверить ей настоящую работу.

И, возможно, именно это окажется важнее очередного рекорда в бенчмарке. Будущее агентных систем во многом зависит от того, насколько долго модель способна работать самостоятельно, не теряя качество и не расходуя ресурсы впустую. Gemini 3.6 Flash как раз пытается решить эту задачу.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.