Gemini 3.6 Flash vs Gemini 3.5 Flash: Was hat sich tatsächlich geändert?

Mit der Auslieferung von Gemini 3.6 Flash am 21. Juli 2026, beschrieb es das Modell in seinen eigenen Launch-Materialien als "basierend auf Gemini 3.5 Flash" – eine ungewöhnlich offene Formulierung und der mit Abstand nützlichste Satz in der gesamten Ankündigung. Dies ist kein Generationssprung wie Gemini 3 über Gemini 2; es ist eine Iteration auf derselben Arbeitstier-Stufe, optimiert für dieselben Aufgaben – Chat mit hohem Volumen, Retrieval, alltägliches Codieren und agentische Pipelines, bei denen Kosten und Latenzzeit genauso wichtig sind wie rohe Intelligenz. Google hat das Modell weder neu positioniert, seine Stufe umbenannt noch seine Zielgruppe geändert. Wenn Sie bereits 3.5 Flash in der Produktion einsetzen, ist 3.6 Flash der offensichtliche nächste Schritt zur Evaluierung, nicht ein anderes Produkt zum Lernen.

Die eigentliche Frage ist also nicht abstrakt, ob 3.6 Flash besser ist – eine Veröffentlichung im Juli 2026 soll offensichtlich ihren Vorgänger aus dem März in irgendeiner Hinsicht übertreffen –, sondern welche spezifischen Dimensionen sich wie stark verändert haben und ob diese Dimensionen diejenigen sind, von denen Ihre Arbeitslast tatsächlich abhängt. Dieser Vergleich geht auf den Intelligenzwert ein, den beide Versionen gemeinsam haben, die vom Anbieter gemeldeten Verbesserungen bei Codierung, Agentik und langem Kontext, einen durchgerechneten Kostenvergleich für einen repräsentativen Aufruf sowie drei Szenarien für die Entscheidung, ob Sie jetzt, später oder gar nicht migrieren sollten.

TL;DR Fazit.Upgrade für Kosten, Geschwindigkeit und agentischen Spielraum – nicht für rohe Intelligenz. Gemini 3.6 Flash und 3.5 Flash erzielen beide 50 Punkte im Artificial Analysis Intelligence Index – kein Intelligenzgewinn an diesem einen unabhängigen Maßstab. Aber 3.6 senkt den Ausgabepreis auf $7.50 pro 1M (von $9.00), verwendet etwa 17 % weniger Ausgabetoken pro Aufgabe und ist das schnellste Modell, das Artificial Analysis verfolgt (303 Token/s). Googles eigene Benchmarks zeigen ebenfalls reale Verbesserungen beim Programmieren, bei agentischen Aufgaben und bei langen Kontexten – am auffälligsten ein Sprung von unter 27 % auf 54,0 % beim 1M-Kontext-Recall (GDM-MRCR v2). Für fast jede 3.5 Flash-Workload ist 3.6 Flash ein klarer Gewinn in Bezug auf Kosten und Fähigkeiten; die einzigen Gründe zu warten sind die Stabilität des Launch-Fensters und eng abgestimmte Evaluierungen.

Wichtige Erkenntnisse

•  Gleicher Intelligenzwert. Beide liegen bei Artificial Analysis Intelligence Index 50 — das Upgrade betrifft Effizienz und agentische Fähigkeiten, nicht allgemeine Intelligenz.

• Günstigere Ausgabe. 3.6 Flash ist $7,50 pro 1M Ausgabetoken, reduziert von $9,00 bei 3.5 Flash; Eingabe ist $1,50, gecachte Eingabe $0,15.

• Weniger Token, mehr Geschwindigkeit. Etwa 17% weniger Ausgabe-Token pro vergleichbarer Aufgabe und die beste Durchsatzrate bei ~303 Token/Sek.

•  Bescheidene, aber beständige Codierungsgewinne. Google berichtet, dass 3.6 3.5 auf SWE-Bench Pro (58.7% vs 55.1%), DeepSWE (49% vs 37%), MLE-Bench (63.9% vs 49.7%) und OSWorld (83.0% vs 78.4%) übertrifft.

• Langzeit-Kontext-Rückruf steigt stark an. GDM-MRCR v2 bei 1M Kontext steigt von unter 27 % auf 54,0 % — die größte gemeldete Differenz zwischen den beiden Versionen.

•  Ansonsten gleiche Form. Beide haben ~1M Kontext, 64K Ausgabe, multimodal-in/text-out. 3.6 fügt einen Wissensstand von März 2026 hinzu.

•  Es gibt Einschränkungen für das Startfenster.Frühe Berichte über Kapazitäts-/Zuverlässigkeitsbelastungen und mindestens einen Bericht über schwächere Frontend-/Raumdenk-Ergebnisse — es lohnt sich, Versionen festzulegen, wenn Sie Produktionsdatenverkehr betreiben.

Die hier aufgeführten Cross-Model-Benchmark-Zahlen — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval und GDM-MRCR — stammen von Google selbst und vergleichen 3.6 Flash mit 3.5 Flash. Der einzige unabhängige Anker, der Artificial Analysis Intelligence Index (50 für beide), wird kontinuierlich neu gemessen; überprüfen Sie den Live-Wert, bevor Sie ihn zitieren. Der Preis pro Token für die Eingabe von 3.5 Flash wird in den Launch-Materialien nicht wiederholt; bestätigen Sie die aktuellen Tarife auf der Preisseite, bevor Sie Ihre eigenen Kostenberechnungen durchführen.

Die technischen Daten und der Preis, Seite an Seite

•  AA Intelligence Index — Gemini 3.6 Flash: 50; Gemini 3.5 Flash: 50 (identisch)

• Ausgabepreis (pro 1M) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

•  Eingabepreis (pro 1M) — 3.6 Flash: $1.50 (zwischengespeichert $0.15); 3.5 Flash: siehe aktuelle Preisseite

• Ausgabe-Token pro Aufgabe — 3.6 Flash: ~17% weniger; 3.5 Flash: Basislinie

•  Geschwindigkeit — 3.6 Flash: 303 tok/s (#1 verfolgt); 3.5 Flash: schnell, vorherige Generation

• SWE-Bench Pro (vendor) — 3.6 Flash: 58.7%; 3.5 Flash: 55.1%

•  DeepSWE v1.1 (vendor) — 3.6 Flash: 49%; 3.5 Flash: 37%

• GDM-MRCR v2 bei 1M, Long-Context-Abruf (Anbieter) — 3.6 Flash: 54,0%; 3.5 Flash: unter 27%

• Wissensgrenze — 3.6 Flash: März 2026; 3.5 Flash: früher (nicht näher bezeichnet in den Startmaterialien)

• Kontext / Ausgabe / Modalität — beides: ~1M / 64K / Multimodal-Eingabe, Text-Ausgabe

Die Geschichte steht in der ersten und letzten Zeile. Oben identische Intelligenz; unten identisches Leistungsspektrum — gleicher Kontextbereich, gleiche Ausgabeobergrenze, gleiche multimodale Eingabe-zu-Text-Form. Alles, was sich geändert hat, befindet sich in der Mitte: Preis, Token-Anzahl, Geschwindigkeit, Code-Bewertungen und vor allem das Langzeit-Kontextverständnis, das sich von allen Zeilen am stärksten verändert hat. Das ist genau das Profil einer Veröffentlichung, die Effizienz und agentische Fähigkeiten verbessert, und nicht das einer Modellgeneration der nächsten Stufe.

Benchmark-Tiefeneinblick: Was die Zahlen tatsächlich messen

Beginnen Sie mit dem Artificial Analysis Intelligence Index, denn dies ist die einzige Zahl hier, die unabhängig gemessen und nicht selbst gemeldet wird. Beide Versionen erzielen exakt 50 Punkte. Diese Gleichheit ist wichtig: Sie zeigt, dass sich die zugrunde liegende Denkfähigkeit, das Wissen und die allgemeine Problemlösungsfähigkeit des Modells zwischen den Versionen nicht verändert haben – Sie erhalten in keiner zusammengesetzten Hinsicht ein intelligenteres Modell. Es ist auch wichtig zu bedenken, dass der Wert an eine bestimmte Einstellung des Denkaufwands gebunden ist und fortlaufend von einem neutralen Dritten neu gemessen wird. Betrachten Sie daher 50/50 als die aktuelle unabhängige Einschätzung und nicht als eine dauerhafte Tatsache.

Die Codierungszahlen erzählen eine andere Geschichte, und es handelt sich durchweg um Googles eigene Anbietervergleiche. SWE-Bench Pro steigt von 55,1 % auf 58,7 %, und DeepSWE v1.1 macht einen noch größeren Sprung von 37 % auf 49 % – beide messen, ob das Modell realistische Softwareentwicklungsaufgaben lösen kann, nicht nur Fragen zu Code beantworten. Ein zweistelliger Sprung bei DeepSWE ist ein bedeutendes Signal, selbst wenn es sich um eine selbstberichtete Zahl handelt, aber da es für diese spezifische Paarung keine unabhängige Wiederholung dieser Evaluierungen gibt, sollten Sie sie als richtungsweisenden Hinweis auf einen stärkeren Coding-Agenten betrachten, nicht als zertifizierte, von Dritten verifizierte Lücke.

Die agentischen Evaluierungen erweitern dieses Bild. Terminal-Bench 2.1 verbessert sich von 76,2% auf 78,0%, MLE-Bench steigt von 49,7% auf 63,9%, OSWorld-Verified erhöht sich von 78,4% auf 83,0% und die GDPval-AA v2 Elo-Bewertung bewegt sich von 1349 auf 1421. Zusammengenommen testen diese Evaluierungen mehrschrittige, werkzeugnutzende Arbeit – das Ausführen von Terminalbefehlen, das Abschließen von Machine-Learning-Engineering-Aufgaben, das Bedienen einer Computerumgebung und das Erstellen von professionellen Ergebnissen – anstatt einmaliger Antworten. Die konsistente Richtung über vier verschiedene agentische Benchmarks hinweg ist überzeugender als jeder einzelne Wert für sich, selbst mit dem von den Anbietern gemeldeten Vorbehalt, der jedem beigefügt ist.

Die herausragende Zahl ist jedoch der Long-Context Recall: GDM-MRCR v2 steigt bei einer Kontextlänge von 1 Mio. Token von unter 27 % auf 54,0 % – etwa eine Verdoppelung. Das ist das größte gemeldete Delta im gesamten Vergleich und erklärt viel darüber, wo die Einsparungen bei Token und Geschwindigkeit tatsächlich herkommen: Ein Modell, das die richtigen Informationen aus einem riesigen Kontext zuverlässiger abruft, benötigt weniger Korrekturdurchläufe und weniger redundante Überlegungen, um eine korrekte Antwort zu erreichen, was mit dem um etwa 17 % niedrigeren Output-Token-Zähler von 3.6 bei vergleichbaren Aufgaben übereinstimmt.

Was es in der Praxis kostet

Preise pro Token sind abstrakt; die Kosten pro Aufgabe sind das, was auf Ihrer Rechnung erscheint. Nehmen Sie einen repräsentativen Aufruf mit 4.000 Eingabe-Token und 2.000 Ausgabe-Token. Da der genaue aktuelle Eingabepreis von 3.5 Flash nicht in den Startmaterialien von 3.6 wiederholt wird, hält die folgende Berechnung den Eingabepreis bei 3.6 Flashes veröffentlichten 1,50 $ pro 1M für beide Versionen konstant, um die beiden Änderungen zu isolieren, die wir kennen: den niedrigeren Ausgabepreis und den etwa 17%igen Effizienzgewinn bei den Ausgabe-Token. Bestätigen Sie den aktuellen Eingabepreis von 3.5 Flash auf der Preisseite, falls Sie eine genaue historische Rechnung benötigen. Auf dieser Basis betragen die Ausgabekosten von 3.5 Flash für 2.000 Token 2.000 × 9,00 $ / 1M ≈ 0,018 $, plus etwa 0,006 $ Eingabe, insgesamt etwa 0,024 $ pro Aufruf. Die Ausgabekosten von 3.6 Flash betragen nach Anwendung des niedrigeren Satzes von 7,50 $ und der etwa 17%igen Token-Reduzierung (2.000 Token werden zu etwa 1.660) 1.660 × 7,50 $ / 1M ≈ 0,01245 $, plus die gleichen etwa 0,006 $ Eingabe, insgesamt etwa 0,0185 $ pro Aufruf – also etwa 0,021 $ vor dem Token-Effizienzeffekt und etwa 0,0185 $, wenn beide Änderungen kombiniert sind.

• Kosten pro Aufruf (4K Eingabe / 2K Ausgabe) — 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185 (niedrigerer Ausgabepreis plus ~17 % weniger Ausgabe-Token)

•  100.000 Aufrufe pro Monat — 3.5 Flash: ~2.400 $; 3.6 Flash: ~1.850 $

• 1M Anrufe / Monat — 3.5 Flash: ~$24.000; 3.6 Flash: ~$18.500

•  Relative Kosten — 3.6 Flash: etwa 77% der Kosten von 3.5 Flash pro Aufgabe (ungefähr 23% Einsparungen)

23% ist eine reale Zahl bei jedem Volumen, aber sie steigt am schnellsten in agentischen Pipelines, wo Google eine durchschnittliche Zeit von etwa 1,3 Minuten pro Aufgabe auf 3.6 Flash gegenüber 2,7 Minuten auf 3.5 Flash angibt. Eine Arbeitslast, die pro Aufruf und pro Minute Orchestrierung bezahlt, spart auf beiden Achsen gleichzeitig: weniger Token pro Antwort, ein günstigerer Satz für die tatsächlich verwendeten Token und weniger Echtzeit, die in der jeweiligen Agentenschleife oder Warteschlange verbracht wird, die sie antreibt. Bei 1 Million Aufrufen pro Monat sind etwa 5.500 US-Dollar direkte Token-Kosten der sichtbare Teil davon; die Einsparungen bei Rechenleistung und Latenz durch die Halbierung der Bearbeitungszeit sind der Teil, der nicht auf der Preisseite erscheint.

Drei reale Szenarien

1. Ein hochvolumiger, latenzempfindlicher Produktionsendpunkt

Chat, Support, Abruf und Entwurf in großem Maßstab – die Art von Workload, für die 3.5 Flash bereits entwickelt wurde. Da die Intelligenz unverändert ist (50 vs 50) und die Fähigkeitshülle identisch ist, besteht kein Output-Qualitätsrisiko, das gegen das Upgrade abgewogen werden müsste. Der niedrigere Ausgabepreis von 3.6 Flash, 17% weniger Tokens pro Aufgabe und die #1-verfolgte Durchsatzrate machen dies nahezu zu einer strikten Verbesserung: gleiche Qualität, niedrigere Rechnung, schnellere Antworten. Dies ist die einfachste Migration der drei.

2. Eine agentische Codierungs- oder DevOps-Pipeline

Mehrschrittige Aufgaben – das Beheben von Problemen, das Ausführen von Terminalbefehlen, das Bedienen von Tools – sind genau der Bereich, in dem die vom Anbieter gemeldeten Verbesserungen von 3.6 Flash konzentriert sind: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench und OSWorld bewegen sich alle zu seinen Gunsten, und die durchschnittliche Zeit pro Aufgabe sinkt von etwa 2,7 Minuten auf 1,3. In Kombination mit dem Sprung bei der Langkontext-Wiedererkennung (54,0 % gegenüber unter 27 % bei GDM-MRCR v2 bei 1 Mio.) ist dies das Szenario, bei dem die Migration den größten Nutzen bringt, nicht nur die Kosteneinsparungen. Führen Sie vor einer endgültigen Entscheidung Ihre eigene Evaluierungssuite erneut aus, da es sich bei diesen Zahlen um Selbstvergleiche des Anbieters handelt und nicht um unabhängig überprüfte Werte.

3. Ein eng abgestimmtes, evaluierungsgesperrtes Produktionssystem.

Wenn Ihre Prompts, Leitplanken oder automatisierten Bewertungen eng am genauen Token-Verhalten von 3.5 Flash kalibriert wurden, kann die ~17%ige Veränderung der Output-Token und die Verschiebungen im Bereich Coding/Agentic ausreichen, um Outputs so zu verändern, dass spröde Exact-Match-Prüfungen fehlschlagen, auch wenn sich die zugrunde liegende Intelligenz nicht geändert hat. Fügen Sie die Kapazitäts- und Zuverlässigkeitsberichte des Startfensters hinzu – und den einen Bericht über schwächere Frontend-/Raumdenken-Outputs – und der sinnvolle Weg hier ist, Versionen zu fixieren, erneut an Ihrem eigenen Evaluierungsdatensatz zu validieren und 3.6 Flash schrittweise auszurollen, anstatt den Schalter direkt umzulegen.

Wann bei 3.5 Flash bleiben?

Es gibt nur zwei wirkliche Gründe zu warten. Erstens: Stabilität – 3.6 Flash zog frühe Beschwerden auf Hacker News über Kapazität und Zuverlässigkeit unter Startlast nach sich, und ein Tester berichtete von schlechter Frontend-/räumliche-Denken-Ausgabe – eher ein Bereitstellungsengpass als eine Leistungsverschlechterung, aber es lohnt sich, Versionen festzulegen, wenn Sie Produktionsverkehr betreiben und kein raues Startfenster tolerieren können.

Zweitens, exakte Reproduzierbarkeit: Wenn Sie Prompts und Evaluierungen eng auf das Verhalten von 3.5 Flash abgestimmt haben, können die Änderungen der Token-Effizienz und die Gewinne im Bereich Codierung/Agentik die Ergebnisse genug verschieben, um relevant zu sein, obwohl sich der zugrunde liegende Intelligenz-Score nicht verändert hat. Validieren Sie erneut, bevor Sie wechseln, anstatt einen Drop-in-Ersatz anzunehmen. Abgesehen von diesen beiden Fällen verlieren Sie keine Fähigkeiten, wenn Sie zu 3.6 Flash wechseln.

Welches soll man wählen?

Für fast alle, die bereits 3.5 Flash nutzen, ist die Standardantwort, auf 3.6 Flash umzusteigen: Die Intelligenz bleibt gleich, der Preis pro Ausgabe-Token und die Tokens pro Aufgabe sinken, der Durchsatz ist der schnellste je gemessene, und die Zahlen für Coding, agentische Fähigkeiten und lange Kontexte bewegen sich alle in dieselbe günstige Richtung. Bleiben Sie nur dann etwas länger bei 3.5 Flash, wenn Sie durch Bedenken hinsichtlich der Launch-Fenster-Zuverlässigkeit blockiert sind oder Ihre Auswertungen so eng an das alte Token-Verhalten gebunden sind, dass Sie Zeit für eine erneute Validierung benötigen. Es gibt kein Szenario, in dem die Wahl von 3.5 Flash für ein völlig neues Projekt sinnvoller wäre, als mit 3.6 zu starten.

FAQ

Ist Gemini 3.6 Flash klüger als Gemini 3.5 Flash?

Nein — sie erzielen die gleiche Punktzahl (50) im Artificial Analysis Intelligence Index. Googles eigene Benchmarks für Codierung, Agenten und lange Kontexte zeigen echte Fortschritte, aber das unabhängige Intelligenzmaß ist unverändert.

Ist es billiger?

Ja. Der Output sinkt auf 7,50 $ pro 1 Mio. (von 9,00 $), der Input beträgt 1,50 $ mit 0,15 $ zwischengespeichertem Input, und es werden etwa 17 % weniger Output-Tokens pro Aufgabe verwendet – also sinken die Kosten pro Aufgabe sowohl auf der Preis- als auch auf der Token-Anzahl-Achse.

Sollte ich migrieren?

Für die meisten 3.5 Flash Workloads, ja — Sie erhalten niedrigere Kosten, höhere Geschwindigkeit und gleichwertige oder bessere Ausgaben, plus stärkere Programmier- und agentische Bewertungen. Führen Sie zuerst Ihre Evaluierungen erneut durch, wenn Ihre Prompts eng abgestimmt sind, und fixieren Sie Versionen, wenn Ihnen die Zuverlässigkeit des Startfensters wichtig ist.

Hat sich etwas verschlechtert?

Nichts Strukturelles. Die wichtigsten Einschränkungen sind die Startfensterkapazität und Zuverlässigkeitsberichte, ein Bericht über schwächere Frontend-/räumliche Denkergebnisse und eine langsame Zeit bis zum ersten Token (~11,5 s bei hohem Denkaufwand), was für die interaktive Nutzung von Bedeutung sein kann.

Wie viel besser ist 3.6 Flash bei Programmier- und agentischen Aufgaben?

Laut Googles eigenen Anbietervergleichen: SWE-Bench Pro 58.7% (vs 55.1%), DeepSWE v1.1 49% (vs 37%), Terminal-Bench 2.1 78.0% (vs 76.2%), MLE-Bench 63.9% (vs 49.7%) und OSWorld-Verified 83.0% (vs 78.4%). Alle Angaben sind selbstberichtet, nicht unabhängig wiederholt, daher als Richtwerte betrachten.

Wie sieht es mit der Leistung bei langem Kontext aus?

Dies ist der größte gemeldete Sprung: Der Recall von GDM-MRCR v2 bei einer Kontextlänge von 1M-Token steigt von unter 27% auf 54,0% — etwa doppelt so hoch. Es handelt sich auch um einen vom Anbieter gemeldeten Wert, aber er stimmt mit der geringeren Anzahl von Ausgabe-Token des Modells bei vergleichbaren Aufgaben überein.

Gilt die Preissenkung auch für Eingabe-Token?

Der Eingabepreis von 3.6 Flash beträgt $1.50 pro 1M mit $0.15 für zwischengespeicherte Eingaben. Der genaue aktuelle Eingabepreis von 3.5 Flash wird in den Startmaterialien von 3.6 nicht wiederholt, also überprüfen Sie die aktuelle Preisseite, anstatt anzunehmen, dass er sich geändert hat.

Gibt es einen neuen Wissensstichtag?

Ja — 3.6 Flash hat einen Wissensstichtag vom März 2026. Der Stichtag von 3.5 Flash wird in den Vergleichsmaterialien nicht wiederholt, aber 3.6 ist natürlich aktueller aufgrund seines späteren Veröffentlichungsdatums.

Fazit

Gemini 3.6 Flash vs Gemini 3.5 Flash ist die sauberste Art von Upgrade, über das man nachdenken kann: gleiche gemessene Intelligenz, gleiches Leistungsspektrum, niedrigerer Preis, weniger Tokens, mehr Geschwindigkeit und konsistente – wenn auch vom Anbieter berichtete – Verbesserungen bei Programmier-, Agenten- und insbesondere bei Langkontext-Aufgaben. Wenn Sie sich auf 3.5 Flash befinden und Kosten, Latenz oder Zuverlässigkeit des Agenten Ihre Einschränkung sind, wechseln Sie nach einer schnellen Evaluierungsrunde und mit festgelegten Versionen während des Einführungszeitraums. Wenn Sie gehofft hatten, dass das ".6" ein intelligenteres Modell bedeutet, tut es das nicht; dafür warten Sie auf Gemini 3.5 Pro oder Gemini 4. Siehe die Vergleiche unten, um 3.6 Flash gegen die Nicht-Google-Modelle seiner Klasse abzuwägen.