Gemini 3.6 Flash vs Gemini 3.5 Flash: Cosa è effettivamente cambiato?

Quando Google ha rilasciato Gemini 3.6 Flash il 21 luglio 2026, ha descritto il modello nei propri materiali di lancio come "basato su Gemini 3.5 Flash" — un'inquadratura insolitamente schietta, e la frase più utile dell'intero annuncio. Non è un salto generazionale come lo è stato Gemini 3 rispetto a Gemini 2; è un'iterazione sullo stesso livello di lavoro, ottimizzato per gli stessi compiti: chat ad alto volume, recupero informazioni, programmazione quotidiana e pipeline agentiche dove costo e latenza contano tanto quanto l'intelligenza grezza. Google non ha riposizionato il modello, rinominato il suo livello o cambiato il suo pubblico di destinazione. Se stai già utilizzando 3.5 Flash in produzione, 3.6 Flash è il passo successivo ovvio da valutare, non un prodotto diverso da imparare.

Quindi la vera domanda non è "3.6 Flash è migliore" in astratto — un rilascio di luglio 2026 è ovviamente pensato per superare il suo predecessore dell'era di marzo su qualcosa — ma quali dimensioni specifiche sono cambiate, di quanto, e se quelle dimensioni sono quelle da cui il tuo carico di lavoro dipende effettivamente. Questo confronto esamina il punteggio di intelligenza condiviso da entrambe le versioni, i miglioramenti dichiarati dal fornitore in ambito coding, agentico e di contesto lungo, un confronto dei costi elaborato per una chiamata rappresentativa, e tre scenari per decidere se migrare ora, dopo, o per niente.

TL;DR verdetto.Aggiornamento per costo, velocità e margine agentico — non per intelligenza pura. Gemini 3.6 Flash e 3.5 Flash ottengono entrambi un punteggio di 50 sull'Artificial Analysis Intelligence Index — nessun guadagno di intelligenza nell'unico parametro indipendente. Ma 3.6 riduce il prezzo di output a $7.50 per 1M (da $9.00), utilizza circa il 17% in meno di token di output per attività, ed è il modello più veloce monitorato da Artificial Analysis (303 token/sec). Anche i benchmark di Google mostrano miglioramenti reali nella programmazione, nelle capacità agentiche e nel contesto lungo — in modo più sorprendente un salto da meno del 27% al 54.0% nel recall su contesto di 1M (GDM-MRCR v2). Per quasi qualsiasi carico di lavoro di 3.5 Flash, 3.6 Flash è un chiaro vantaggio in termini di costo e capacità; gli unici motivi per aspettare sono la stabilità della finestra di lancio e valutazioni finemente ottimizzate.

Punti chiave

•  Stesso punteggio di intelligenza. Entrambi si attestano a 50 nell'Artificial Analysis Intelligence Index — l'aggiornamento riguarda l'efficienza e la capacità agentiva, non l'intelligenza generale.

• Output più economico. 3.6 Flash costa $7.50 per 1M output tokens, in calo rispetto a $9.00 su 3.5 Flash; l'input è $1.50, input in cache $0.15.

•  Meno token, più velocità. Circa il 17% in meno di token di output per attività comparabile, e throughput ai vertici di circa 303 token/sec.

•  Miglioramenti di codifica modesti ma costanti. Google segnala che la versione 3.6 è superiore alla 3.5 su SWE-Bench Pro (58.7% vs 55.1%), DeepSWE (49% vs 37%), MLE-Bench (63.9% vs 49.7%) e OSWorld (83.0% vs 78.4%).

•  Il richiamo di contesto lungo aumenta bruscamente. GDM-MRCR v2 a 1M di contesto sale al 54,0% da meno del 27% — la più grande differenza riportata tra le due versioni.

•  Stessa forma per il resto.Entrambi hanno un contesto di ~1M, output di 64K, input multimodale/output di testo. La 3.6 aggiunge un cutoff delle conoscenze di marzo 2026.

•  Esistono avvertenze per la finestra di lancio.Primi resoconti di tensione su capacità/affidabilità e almeno un resoconto di output di frontend/ragionamento spaziale più debole — vale la pena fissare le versioni se gestisci traffico di produzione.

I dati comparativi tra modelli qui — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval e GDM-MRCR — sono propri di Google, confrontando il 3.6 Flash con il 3.5 Flash. L'unico riferimento indipendente, l'Artificial Analysis Intelligence Index (50 per entrambi), viene misurato continuamente; verifica il valore in tempo reale prima di citarlo. Il prezzo per token in input del 3.5 Flash non è riportato nei materiali di lancio; conferma le tariffe attuali sulla pagina dei prezzi prima di fare i tuoi calcoli sui costi.

Specifiche e prezzo, fianco a fianco

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

• Prezzo di output (per 1M) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

•  Prezzo di input (per 1M) — 3.6 Flash: $1.50 (in cache $0.15); 3.5 Flash: vedi la pagina dei prezzi attuali

• Token di output per attività — 3.6 Flash: ~17% in meno; 3.5 Flash: baseline

• Velocità — 3.6 Flash: 303 tok/s (#1 registrato); 3.5 Flash: veloce, generazione precedente

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

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

• GDM-MRCR v2 a 1M, richiamo a contesto lungo (fornitore) — 3.6 Flash: 54,0%; 3.5 Flash: sotto il 27%

• Limite di conoscenza — 3.6 Flash: Marzo 2026; 3.5 Flash: precedente (non specificato nei materiali di lancio)

•  Contesto / output / modalità — entrambi: ~1M / 64K / multimodale in ingresso, testo in uscita

La storia è nella prima e nell'ultima riga. Intelligenza identica in alto; inviluppo di capacità identico in basso — stessa finestra di contesto, stesso tetto di output, stessa forma multimodale-in/testo-out. Tutto ciò che è cambiato sta nel mezzo: prezzo, conteggio dei token, velocità, punteggi di codifica, e soprattutto il richiamo di contesto lungo, che si è mosso più di qualsiasi altra riga. Questo è esattamente il profilo di un rilascio di efficienza e capacità agentica piuttosto che di un modello di nuova generazione.

Approfondimento sui benchmark: cosa misurano realmente i numeri

Inizia con l'Artificial Analysis Intelligence Index, perché è l'unico numero qui misurato in modo indipendente, non auto-dichiarato. Entrambe le versioni ottengono esattamente 50. Questo pareggio è significativo: ti dice che il ragionamento sottostante, la conoscenza e la capacità di risolvere problemi generali del modello non sono cambiati tra le versioni — non stai ottenendo un modello più intelligente in alcun senso composito. Vale anche la pena ricordare che il punteggio è legato a una specifica impostazione di sforzo di ragionamento ed è misurato continuamente da una terza parte neutrale, quindi considera 50/50 come la lettura indipendente corrente, non un dato permanente.

I numeri di codifica raccontano una storia diversa, e sono tutti confronti di fornitori di Google. SWE-Bench Pro sale al 58,7% dal 55,1%, e DeepSWE v1.1 salta ulteriormente, al 49% dal 37% — entrambi misurano se il modello può risolvere compiti realistici di ingegneria del software, non solo rispondere a domande sul codice. Un balzo a due cifre su DeepSWE è un segnale significativo anche come numero auto-riportato, ma poiché non esiste una ripetizione indipendente di queste specifiche valutazioni per questo abbinamento, leggili come evidenza direzionale di un agente di codifica più forte, non un divario certificato e verificato da terze parti.

Le valutazioni agentiche ampliano questo quadro. Terminal-Bench 2.1 migliora dal 76,2% al 78,0%, MLE-Bench sale dal 49,7% al 63,9%, OSWorld-Verified sale dal 78,4% all'83,0% e il punteggio Elo di GDPval-AA v2 passa da 1349 a 1421. Nel loro insieme, queste valutazioni testano lavori multi-passaggio che utilizzano strumenti — eseguire comandi nel terminale, completare compiti di ingegneria dell'apprendimento automatico, operare in un ambiente informatico e produrre risultati di livello professionale — piuttosto che risposte singole. La direzione coerente su quattro diversi benchmark agentici è più convincente di un singolo punteggio isolato, anche con l'avvertenza segnalata dal fornitore associata a ciascuno.

Il numero che spicca, comunque, è il richiamo nel contesto lungo: GDM-MRCR v2 con una lunghezza del contesto di 1 milione di token sale al 54,0% da meno del 27% — circa il doppio. Questo è il delta più grande riportato in tutta la comparazione e spiega molto da dove provengono effettivamente i risparmi di token e velocità: un modello che recupera le informazioni giuste da un contesto enorme in modo più affidabile necessita di meno passaggi correttivi e di un ragionamento ridondante inferiore per raggiungere una risposta corretta, il che è coerente con il conteggio dei token di output di 3.6, inferiore di circa il 17% in compiti comparabili.

Quanto costa in pratica

I prezzi per token sono astratti; il costo per attività è ciò che appare sulla tua fattura. Prendi una chiamata rappresentativa di 4.000 token in input e 2.000 token in output. Poiché il tasso attuale esatto per input di 3.5 Flash non è ribadito nei materiali di lancio di 3.6, il calcolo seguente mantiene il prezzo di input a $1,50 per 1M pubblicato da 3.6 Flash per entrambe le versioni, per isolare le due modifiche che conosciamo: il prezzo di output più basso e il guadagno di efficienza dei token in output di circa il 17%. Conferma il tasso di input live di 3.5 Flash sulla pagina dei prezzi se hai bisogno di una fattura storica esatta. Su questa base, il costo di output di 3.5 Flash per 2.000 token è 2.000 × $9,00 / 1M ≈ $0,018, più circa $0,006 di input, per un totale di circa $0,024 per chiamata. Il costo di output di 3.6 Flash, dopo aver applicato la sua tariffa più bassa di $7,50 e la riduzione dei token di circa il 17% (2.000 token diventano circa 1.660), è 1.660 × $7,50 / 1M ≈ $0,01245, più lo stesso circa $0,006 di input, per un totale di circa $0,0185 per chiamata — diciamo $0,021 prima dell'effetto di efficienza dei token e circa $0,0185 una volta combinate entrambe le modifiche.

• Costo per chiamata (4K in / 2K out) — 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185 (prezzo di output inferiore più ~17% in meno di token di output)

• 100K chiamate / mese — 3.5 Flash: ~$2.400; 3.6 Flash: ~$1.850

•  1M chiamate / mese — 3.5 Flash: ~$24,000; 3.6 Flash: ~$18,500

•  Costo relativo — 3.6 Flash: circa il 77% del costo per attività di 3.5 Flash (risparmio di circa il 23%)

Il 23% è un numero reale a qualsiasi volume, ma si accumula più rapidamente nelle pipeline agentiche, dove Google cita una media di circa 1.3 minuti per attività su 3.6 Flash rispetto a 2.7 minuti su 3.5 Flash. Un carico di lavoro che paga per chiamata e per minuto di orchestrazione risparmia su entrambi gli assi contemporaneamente: meno token per risposta, una tariffa più economica per i token che effettivamente utilizza e meno tempo di esecuzione reale occupando il ciclo o la coda dell'agente che lo guida. A 1 milione di chiamate al mese, circa $5,500 in costo diretto dei token è la parte visibile; i risparmi di calcolo e latenza derivanti dal completamento delle attività in metà tempo sono la parte che non compare nella pagina dei prezzi.

Tre scenari reali

1. Un endpoint di produzione ad alto volume e sensibile alla latenza.

Chat, supporto, recupero e redazione su larga scala — il tipo di carico di lavoro per cui 3.5 Flash era già stato costruito. Dato che l'intelligenza è invariata (50 vs 50) e il perimetro delle capacità è identico, non c'è alcun rischio di qualità dell'output da considerare rispetto all'aggiornamento. Il prezzo di output inferiore di 3.6 Flash, il 17% in meno di token per attività e il throughput tracciato #1 rendono questo quasi un miglioramento netto: stessa qualità, fattura più bassa, risposte più veloci. Questa è la migrazione più semplice dei tre.

2. Una pipeline di coding o DevOps agentica

Attività a più passaggi — risolvere problemi, eseguire comandi nel terminale, utilizzare strumenti — sono esattamente dove si concentrano i guadagni riportati dal fornitore di 3.6 Flash: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench e OSWorld si muovono tutti a suo favore, e il tempo medio per attività scende da circa 2,7 minuti a 1,3. In combinazione con il salto di richiamo di contesto lungo (54,0% contro meno del 27% su GDM-MRCR v2 a 1M), questo è lo scenario in cui la migrazione cattura il massimo beneficio, non solo i risparmi sui costi. Esegui di nuovo la tua suite di valutazione prima di impegnarti completamente, poiché queste cifre sono auto-confronti del fornitore piuttosto che verificate indipendentemente.

3. Un sistema di produzione strettamente ottimizzato e bloccato per la valutazione

Se i tuoi prompt, guardrail o valutazioni automatiche sono stati calibrati strettamente sul comportamento esatto dei token di 3.5 Flash, la modifica di circa il 17% dei token di output e i cambiamenti relativi alla codifica e all'agentività possono spostare gli output a sufficienza da rompere i controlli di corrispondenza esatta fragili, anche se l'intelligenza sottostante non è cambiata. Aggiungi i report sulla capacità e affidabilità della finestra di lancio — e l'unico caso di output più debole nel frontend/ragionamento spaziale — e la strada sensata qui è quella di fissare le versioni, rivalidare rispetto al proprio set di valutazione e introdurre gradualmente 3.6 Flash anziché attivare l'interruttore sul posto.

Quando rimanere su 3.5 Flash

Ci sono solo due reali ragioni per aspettare. Primo, la stabilità: 3.6 Flash ha attirato i primi reclami di Hacker News su capacità e affidabilità sotto il carico di lancio, e un tester ha riportato scarsi risultati di frontend/ragionamento spaziale — più uno sforzo di provisioning che una regressione di capacità, ma vale la pena fissare le versioni se gestisci traffico di produzione e non puoi tollerare una finestra di lancio difficile.

In secondo luogo, riproducibilità esatta: se hai prompt e valutazioni strettamente tarati sul comportamento di 3.5 Flash, i cambiamenti nell'efficienza dei token e i miglioramenti nel coding/agentic possono alterare gli output in modo significativo, anche se il punteggio di intelligenza sottostante non è cambiato. Convalida prima di passare, invece di presumere un sostituto diretto. Al di fuori di questi due casi, non perdi alcuna capacità passando a 3.6 Flash.

Quale scegliere

Per quasi chiunque stia già utilizzando 3.5 Flash, la risposta predefinita è passare a 3.6 Flash: l'intelligenza che si ottiene è invariata, il prezzo per token di output e i token per attività diminuiscono entrambi, la produttività è la più veloce registrata, e i numeri relativi a coding, agentic e contesto lungo si muovono tutti nella stessa direzione favorevole. Resta su 3.5 Flash un po' più a lungo solo se sei bloccato da preoccupazioni sull'affidabilità della finestra di lancio o se hai valutazioni sufficientemente vincolate al comportamento dei token precedenti da aver bisogno di tempo per rivalidare. Non esiste uno scenario in cui scegliere 3.5 Flash per un nuovo progetto abbia più senso che iniziare con 3.6.

Domande frequenti

Gemini 3.6 Flash è più intelligente di 3.5 Flash?

No — ottengono lo stesso punteggio (50) nell'Artificial Analysis Intelligence Index. I benchmark interni di Google per coding, agentività e contesto lungo mostrano miglioramenti reali, ma la misura indipendente dell'intelligenza rimane invariata.

È più economico?

Sì. Il costo di output scende a $7,50 per 1 milione (da $9,00), l'input è a $1,50 con $0,15 per input in cache, e utilizza circa il 17% in meno di token di output per attività — quindi il costo per attività diminuisce sia sul fronte della tariffa che su quello del numero di token.

Dovrei migrare?

Per la maggior parte dei carichi di lavoro di 3.5 Flash, sì — ottieni costi inferiori, maggiore velocità e output uguale o migliore, oltre a punteggi più forti in coding e agenticità. Riesegui prima le tue valutazioni se i tuoi prompt sono strettamente ottimizzati e blocca le versioni se l'affidabilità della finestra di lancio è importante per te.

È peggiorato qualcosa?

Niente di strutturale. Le principali avvertenze sono la capacità della finestra di lancio e i rapporti di affidabilità, un caso di output più debole per frontend/ragionamento spaziale, e un tempo lento per il primo token (~11,5 s con alto sforzo di pensiero), che può essere importante per l'uso interattivo.

Quanto è migliore 3.6 Flash nella programmazione e nei compiti agentici?

Secondo i confronti tra fornitori di Google: SWE-Bench Pro 58,7% (contro 55,1%), DeepSWE v1.1 49% (contro 37%), Terminal-Bench 2.1 78,0% (contro 76,2%), MLE-Bench 63,9% (contro 49,7%) e OSWorld-Verified 83,0% (contro 78,4%). Tutti sono auto-dichiarati, non eseguiti nuovamente in modo indipendente, quindi considerateli come indicativi.

Che dire delle prestazioni con contesto lungo?

Questo è il più grande balzo riportato: il richiamo di GDM-MRCR v2 con una lunghezza di contesto di 1 milione di token sale dal 27% al 54% — circa il doppio. È anche un dato fornito dal venditore, ma è coerente con il minor numero di token di output del modello su compiti comparabili.

Il taglio del prezzo si applica anche ai token di input?

Il prezzo di input di 3.6 Flash è $1,50 per 1M con $0,15 per input in cache. La tariffa di input attuale esatta di 3.5 Flash non è ripetuta nei materiali di lancio di 3.6, quindi controlla la pagina dei prezzi live piuttosto che presumere che sia cambiata.

C'è un nuovo limite di conoscenza?

Sì — 3.6 Flash ha un cutoff di conoscenza di marzo 2026. Il cutoff di 3.5 Flash non è ripetuto nei materiali di confronto, ma quello di 3.6 è naturalmente più recente data la sua data di rilascio successiva.

In definitiva

Gemini 3.6 Flash rispetto a Gemini 3.5 Flash è il tipo di aggiornamento più pulito da valutare: stessa intelligenza misurata, stessa capacità, prezzo inferiore, meno token, più velocità e guadagni consistenti – se dichiarati dal vendor – su coding, attività agentiche e soprattutto task con contesto lungo. Se stai usando 3.5 Flash e il tuo vincolo è il costo, la latenza o l'affidabilità agentica, procedi all'aggiornamento dopo una rapida valutazione e con le versioni fissate durante la finestra di lancio. Se speravi che il ".6" significasse un modello più intelligente in senso assoluto, non è così; per quello devi aspettare Gemini 3.5 Pro o Gemini 4. Consulta i confronti qui sotto per valutare 3.6 Flash rispetto ai modelli non Google della sua categoria.