Gemini 3.6 Flash kontra Gemini 3.5 Flash: Co się właściwie zmieniło?

Kiedy Google wypuściło Gemini 3.6 Flash 21 lipca 2026 roku, opisało model w swoich materiałach premierowych jako "oparty na Gemini 3.5 Flash" — niezwykle szczere ujęcie i najważniejsze zdanie w całym ogłoszeniu. To nie jest skok nowej generacji, tak jak Gemini 3 było skokiem względem Gemini 2; to iteracja na tym samym sprawdzonym poziomie, dostrojona do tych samych zadań – czatów o dużej objętości, wyszukiwania, codziennego programowania i potoków agencyjnych, gdzie koszt i opóźnienie mają znaczenie równie duże jak surowa inteligencja. Google nie zmieniło pozycjonowania modelu, nie zmieniło nazwy jego poziomu ani nie zmieniło grupy docelowej. Jeśli już używasz 3.5 Flash w produkcji, to 3.6 Flash jest oczywistym następnym krokiem do oceny, a nie innym produktem do nauki.

Zatem prawdziwe pytanie nie brzmi: „czy 3.6 Flash jest lepszy” w abstrakcji — wydanie z lipca 2026 roku ma oczywiście przewyższyć swojego poprzednika z marca pod jakimś względem — ale raczej: które konkretne wymiary uległy zmianie, o ile, i czy te wymiary są tymi, od których faktycznie zależy Twoje obciążenie. To porównanie obejmuje wspólny wynik inteligencji obu wersji, zgłaszane przez dostawcę ulepszenia w kodowaniu, działaniu agentowym i długim kontekście, praktyczne porównanie kosztów dla reprezentatywnego wywołania oraz trzy scenariusze decyzyjne: czy migrować teraz, później, czy wcale.

Krótki werdykt.Aktualizacja dla kosztów, szybkości i przestrzeni agencyjnej — nie dla surowej inteligencji. Zarówno Gemini 3.6 Flash, jak i 3.5 Flash osiągają wynik 50 w Artificial Analysis Intelligence Index — brak wzrostu inteligencji według jedynego niezależnego miernika. Ale 3.6 obniża cenę wyniku do 7,50 USD za 1M (z 9,00 USD), zużywa około 17% mniej tokenów wyjściowych na zadanie i jest najszybszym modelem śledzonym przez Artificial Analysis (303 tokeny/s). Własne benchmarki Google również pokazują rzeczywiste zyski w kodowaniu, działaniu agencyjnym i długim kontekście — najbardziej uderzający jest skok z poniżej 27% do 54,0% w przypadku odtwarzania kontekstu 1M (GDM-MRCR v2). Dla prawie każdego obciążenia 3.5 Flash, 3.6 Flash jest prostym zwycięstwem pod względem kosztów i możliwości; jedynymi powodami, aby czekać, są stabilność okna premiery i ściśle dostosowane ewaluacje.

Najważniejsze wnioski

•  Taki sam wynik inteligencji. Obie znajdują się na Artificial Analysis Intelligence Index 50 — modernizacja to wydajność i zdolności agencyjne, a nie ogólna inteligencja.

• Tańsze wyjście. 3.6 Flash kosztuje 7,50 USD za 1 mln tokenów wyjściowych, w porównaniu z 9,00 USD w 3.5 Flash; wejście to 1,50 USD, wejście z pamięci podręcznej 0,15 USD.

•  Mniej tokenów, większa szybkość. Około 17% mniej tokenów wyjściowych na porównywalne zadanie i najlepsza przepustowość przy ~303 tokenach/sek.

• Skromne, ale konsekwentne postępy w kodowaniu. Google podaje, że 3.6 wyprzedza 3.5 w SWE-Bench Pro (58.7% vs 55.1%), DeepSWE (49% vs 37%), MLE-Bench (63.9% vs 49.7%) i OSWorld (83.0% vs 78.4%).

•  Długokontekstowe przypominanie gwałtownie wzrasta. GDM-MRCR v2 przy kontekście 1M wzrasta do 54.0% z poniżej 27% — największa zgłoszona delta pomiędzy dwiema wersjami.

•  Poza tym ten sam kształt. Oba mają kontekst ~1M, wyjście 64K, wejście multimodalne/wyjście tekstowe. Wersja 3.6 dodaje granicę wiedzy na marzec 2026.

• Istnieją zastrzeżenia dotyczące okna startowego.Wczesne raporty o obciążeniu wydajności/niezawodności i przynajmniej jedno doniesienie o słabszych wynikach frontendu/rozumowania przestrzennego — warto przypiąć wersje, jeśli obsługujesz ruch produkcyjny.

Podane tutaj wyniki benchmarków między modelami — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval i GDM-MRCR — są własnymi pomiarami Google, porównującymi 3.6 Flash do 3.5 Flash. Jedyne niezależne odniesienie, Artificial Analysis Intelligence Index (50 dla obu), jest mierzone w sposób ciągły; przed cytowaniem sprawdź bieżącą wartość. Cena wejścia na token modelu 3.5 Flash nie jest ponownie podana w materiałach premierowych; przed własnym wyliczeniem kosztów potwierdź aktualne stawki na stronie z cenami.

Specyfikacja i cena obok siebie

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

• Cena wyjściowa (za 1M) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

• Cena wejściowa (za 1M) — 3.6 Flash: $1.50 ($0.15 z pamięci podręcznej); 3.5 Flash: zobacz aktualną stronę cennika

• Tokeny wyjściowe na zadanie — 3.6 Flash: ~17% mniej; 3.5 Flash: linia bazowa

• Prędkość — 3.6 Flash: 303 tok/s (#1 zanotowany); 3.5 Flash: szybki, poprzednia generacja

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

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

• GDM-MRCR v2 przy 1M, przywołanie długiego kontekstu (dostawca) — 3.6 Flash: 54.0%; 3.5 Flash: poniżej 27%

• Granica wiedzy — 3.6 Flash: Marzec 2026; 3.5 Flash: wcześniejsza (nieokreślona w materiałach startowych)

• Kontekst / wyjście / modalność — oba: ~1M / 64K / multimodal-in, text-out

Historia rozgrywa się w pierwszym i ostatnim wierszu. Identyczna inteligencja na górze; identyczny zestaw możliwości na dole — ten sam kontekst, ten sam pułap wyjściowy, ten sam kształt multimodalnego wejścia i tekstowego wyjścia. Wszystko, co się zmieniło, znajduje się w środku: cena, liczba tokenów, szybkość, wyniki kodowania, a zwłaszcza pamięć długiego kontekstu, która zmieniła się najbardziej ze wszystkich wierszy. To dokładnie profil wydania ukierunkowanego na wydajność i zdolności agentowe, a nie modelu nowej generacji.

Dogłębna analiza benchmarku: co tak naprawdę mierzą te liczby

Zacznij od wskaźnika Artificial Analysis Intelligence Index, ponieważ to jedyna liczba tutaj mierzona niezależnie, a nie raportowana samodzielnie. Obie wersje uzyskują dokładnie 50 punktów. To wyrównanie ma znaczenie: mówi ci, że podstawowe rozumowanie, wiedza i ogólna zdolność rozwiązywania problemów modelu nie zmieniły się między wydaniami – nie dostajesz mądrzejszego modelu w żadnym syntetycznym sensie. Warto też pamiętać, że wynik jest powiązany z konkretnym ustawieniem wysiłku rozumowania i jest stale mierzony przez neutralną stronę trzecią, więc treat 50/50 jako aktualny niezależny odczyt, a nie trwały fakt.

Numery kodowania opowiadają inną historię, a wszystkie pochodzą z porównań dostawców samego Google. SWE-Bench Pro wzrasta z 55,1% na 58,7%, a DeepSWE v1.1 skacze jeszcze bardziej, z 37% na 49% — oba mierzą, czy model potrafi rozwiązywać realistyczne zadania inżynierii oprogramowania, a nie tylko odpowiadać na pytania dotyczące kodu. Skok o dwie cyfry w DeepSWE jest znaczącym sygnałem, nawet jeśli jest to liczba podana we własnym zakresie, ale ponieważ nie ma niezależnego powtórzenia tych konkretnych ewaluacji dla tego zestawienia, interpretuj je jako kierunkowy dowód na silniejszego agenta kodującego, a nie certyfikowaną, zweryfikowaną przez stronę trzecią lukę.

Oceny agentowe poszerzają ten obraz. Terminal-Bench 2.1 poprawia się z 76,2% na 78,0%, MLE-Bench wzrasta z 49,7% na 63,9%, OSWorld-Verified rośnie z 78,4% na 83,0%, a ocena Elo GDPval-AA v2 przechodzi z 1349 na 1421. Łącznie, te oceny testują wieloetapową pracę z użyciem narzędzi — wykonywanie poleceń terminala, realizację zadań inżynierii uczenia maszynowego, obsługę środowiska komputerowego oraz tworzenie profesjonalnych wyników — a nie jednorazowe odpowiedzi. Konsekwentny kierunek w czterech różnych benchmarkach agentowych jest bardziej przekonujący niż jakikolwiek pojedynczy wynik w izolacji, nawet z zastrzeżeniem dostawcy dołączonym do każdego z nich.

Wyróżniającą się liczbą jest jednak recall dla długiego kontekstu: GDM-MRCR v2 przy długości kontekstu 1 miliona tokenów wzrasta z poniżej 27% do 54,0% – mniej więcej dwukrotnie. Jest to największa odnotowana różnica w całym porównaniu i wiele wyjaśnia, skąd tak naprawdę pochodzą oszczędności tokenów i prędkości: model, który bardziej niezawodnie wydobywa właściwe informacje z ogromnego kontekstu, potrzebuje mniej poprawek i mniej zbędnego rozumowania, aby dojść do poprawnej odpowiedzi, co jest zgodne z ~17% niższą liczbą tokenów wyjściowych 3.6 w porównywalnych zadaniach.

Ile to kosztuje w praktyce

Ceny za token są abstrakcyjne; koszt za zadanie to to, co widnieje na fakturze. Weźmy reprezentatywne wywołanie z 4,000 tokenów wejściowych i 2,000 tokenów wyjściowych. Ponieważ dokładna bieżąca stawka wejściowa 3.5 Flash nie została powtórzona w materiałach premierowych 3.6, poniższe obliczenia utrzymują cenę wejściową na poziomie opublikowanego $1.50 za 1M dla obu wersji, aby wyizolować dwie znane zmiany: niższą cenę wyjściową i około 17% wzrost wydajności tokenów wyjściowych. Potwierdź bieżącą stawkę wejściową 3.5 Flash na stronie z cenami, jeśli potrzebujesz dokładnego historycznego rachunku. Na tej podstawie koszt wyjściowy 3.5 Flash za 2,000 tokenów wynosi 2,000 × $9.00 / 1M ≈ $0.018, plus ≈$0.006 za wejście, co daje łącznie około $0.024 za wywołanie. Koszt wyjściowy 3.6 Flash, po zastosowaniu niższej stawki $7.50 i około 17% redukcji tokenów (2,000 tokenów staje się około 1,660), wynosi 1,660 × $7.50 / 1M ≈ $0.01245, plus te same ≈$0.006 za wejście, co daje łącznie około $0.0185 za wywołanie — załóżmy $0.021 przed uwzględnieniem efektu wydajności tokenów i około $0.0185 po połączeniu obu zmian.

• Koszt na wywołanie (4K wejście / 2K wyjście) — 3.5 Flash: ~0,024 USD; 3.6 Flash: ~0,0185 USD (niższa cena wyjścia plus ~17% mniej tokenów wyjściowych)

• 100 tys. wywołań / miesiąc — 3.5 Flash: ~2 400 USD; 3.6 Flash: ~1 850 USD

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

• Koszt względny — 3.6 Flash: około 77% kosztu 3.5 Flash na zadanie (około 23% oszczędności)

23% to rzeczywista liczba przy dowolnej skali, ale najszybciej rośnie w potokach agentowych, gdzie Google podaje średnio około 1,3 minuty na zadanie dla 3.6 Flash w porównaniu z 2,7 minutami dla 3.5 Flash. Obciążenie płacące za wywołanie i za minutę orkiestracji oszczędza na obu osiach jednocześnie: mniej tokenów na odpowiedź, tańsza stawka za wykorzystane tokeny oraz krótszy czas rzeczywisty spędzony w dowolnej pętli agenta czy kolejce, która go napędza. Przy milionie wywołań miesięcznie bezpośredni koszt tokenów w wysokości około 5500 dolarów to widoczna część; oszczędności obliczeniowe i na opóźnieniach wynikające z wykonywania zadań w połowie czasu to część, która nie pojawia się na stronie z cennikiem.

Trzy rzeczywiste scenariusze

Wysokowoluminowy, wrażliwy na opóźnienia produkcyjny punkt końcowy

Czat, wsparcie, wyszukiwanie i tworzenie projektów na dużą skalę — rodzaj obciążenia, do którego 3.5 Flash został już stworzony. Ponieważ inteligencja pozostaje bez zmian (50 vs 50), a zakres możliwości jest identyczny, nie ma ryzyka dla jakości wyników przy przejściu na nowszą wersję. Niższa cena wyjściowa 3.6 Flash, 17% mniej tokenów na zadanie i przepustowość na poziomie #1 sprawiają, że jest to prawie czysta poprawa: ta sama jakość, niższy rachunek, szybsze odpowiedzi. To najłatwiejsza migracja z tych trzech.

2. Agentowy potok kodowania lub DevOps

Zadania wieloetapowe — rozwiązywanie problemów, uruchamianie poleceń terminalowych, obsługa narzędzi — to właśnie obszary, w których według dostawcy skupiają się zyski 3.6 Flash: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench i OSWorld wszystkie wskazują na jego korzyść, a średni czas zadania spada z około 2,7 minuty do 1,3. W połączeniu ze skokiem przypominania w długim kontekście (54,0% vs poniżej 27% w GDM-MRCR v2 przy 1M) jest to scenariusz, w którym migracja przynosi największe korzyści, nie tylko oszczędności. Przed pełnym zaangażowaniem uruchom ponownie własny zestaw testów, ponieważ te liczby są porównaniami własnymi dostawcy, a nie niezależnie zweryfikowanymi.

3. Ciasno dostrojony, zablokowany na ocenę system produkcyjny

Jeśli Twoje podpowiedzi, zabezpieczenia lub automatyczne ewaluacje zostały dokładnie skalibrowane do precyzyjnego zachowania tokenów 3.5 Flash, to zmiana o ~17% tokenów wyjściowych oraz przesunięcia w kodowaniu i agentowości mogą na tyle zmienić wyniki, że zepsują kruche sprawdzenia dokładnego dopasowania, mimo że podstawowa inteligencja się nie zmieniła. Dodaj raporty o wydajności i niezawodności okna uruchomienia – oraz tę jedną relację o słabszych wynikach w zakresie interfejsu i rozumowania przestrzennego – a rozsądnym kierunkiem jest przypisanie wersji, ponowne zweryfikowanie na własnym zestawie ewaluacyjnym i stopniowe wdrażanie 3.6 Flash zamiast natychmiastowego przełączenia.

Kiedy pozostać przy 3.5 Flash

Istnieją tylko dwa prawdziwe powody, aby czekać. Po pierwsze, stabilność: 3.6 Flash na początku wzbudził skargi na Hacker News dotyczące wydajności i niezawodności pod obciążeniem startowym, a jeden z testerów zgłosił słabe wyniki w zakresie frontendu/rozumowania przestrzennego – to bardziej problem z zasobami niż regresja możliwości, ale warto przypisać wersje, jeśli obsługujesz ruch produkcyjny i nie możesz tolerować trudnego okresu startowego.

Po drugie, dokładna odtwarzalność: jeśli masz prompty i ewaluacje ściśle dostrojone do zachowania 3.5 Flash, zmiany wydajności tokenów oraz korzyści związane z kodowaniem i działaniami agentów mogą przesunąć wyniki na tyle, że ma to znaczenie, nawet jeśli podstawowy poziom inteligencji się nie zmienił. Ponownie zwaliduj przed zmianą, zamiast zakładać, że jest to zamiennik bezpośredni. Poza tymi dwoma przypadkami nie tracisz żadnych możliwości, przechodząc na 3.6 Flash.

Który wybrać

Dla niemal każdego, kto już korzysta z 3.5 Flash, domyślną odpowiedzią jest przejście na 3.6 Flash: inteligencja pozostaje taka sama, cena za token wyjściowy i liczba tokenów na zadanie spadają, przepustowość jest najszybsza z monitorowanych, a wskaźniki dotyczące kodowania, działań agentowych i długiego kontekstu wszystkie zmierzają w tym samym korzystnym kierunku. Zostań na 3.5 Flash nieco dłużej tylko wtedy, gdy blokują Cię obawy dotyczące niezawodności w okresie wdrożenia lub gdy Twoje ewaluacje są na tyle ściśle powiązane ze starym zachowaniem tokenów, że potrzebujesz czasu na ponowną walidację. Nie ma tu scenariusza, w którym wybór 3.5 Flash dla zupełnie nowego projektu miałby więcej sensu niż rozpoczęcie od 3.6.

Najczęściej zadawane pytania

Czy Gemini 3.6 Flash jest inteligentniejszy od 3.5 Flash?

Nie — uzyskują ten sam wynik (50) w Artificial Analysis Intelligence Index. Własne benchmarki Google dotyczące kodowania, agentowe i długiego kontekstu pokazują realne zyski, ale niezależna miara inteligencji nie uległa zmianie.

Czy to jest tańsze?

Tak. Cena wyjściowa spada do $7.50 za 1M (z $9.00), wejściowa wynosi $1.50 z $0.15 za buforowane wejście, a model zużywa około 17% mniej tokenów wyjściowych na zadanie — więc koszt na zadanie spada zarówno pod względem stawki, jak i liczby tokenów.

Czy powinienem migrować?

Dla większości zadań 3.5 Flash, tak — otrzymujesz niższy koszt, wyższą prędkość i równą lub lepszą jakość wyników, a także wyższe wyniki w kodowaniu i agentic. Ponownie uruchom swoje evals najpierw, jeśli twoje prompty są ściśle dostrojone, i przypnij wersje, jeśli niezawodność w oknie startowym ma dla ciebie znaczenie.

Czy coś się pogorszyło?

Nic strukturalnego. Główne zastrzeżenia to wydajność okna startowego i raporty niezawodności, jeden przypadek słabszych wyników frontendu/rozumowania przestrzennego oraz długi czas do pierwszego tokena (~11,5 s przy dużym wysiłku myślowym), co może mieć znaczenie w przypadku użycia interaktywnego.

O ile lepszy jest 3.6 Flash w zadaniach programistycznych i agentowych?

Według własnych porównań Google: SWE-Bench Pro 58,7% (wobec 55,1%), DeepSWE v1.1 49% (wobec 37%), Terminal-Bench 2.1 78,0% (wobec 76,2%), MLE-Bench 63,9% (wobec 49,7%) oraz OSWorld-Verified 83,0% (wobec 78,4%). Wszystkie wyniki są samodzielnie raportowane, nie zostały niezależnie powtórzone, więc traktuj je jako orientacyjne.

A co z wydajnością w długim kontekście?

To jest największy zgłaszany skok: recall modelu GDM-MRCR v2 przy długości kontekstu 1M tokenów wzrasta z poniżej 27% do 54,0% — mniej więcej dwukrotnie. Jest to również wartość raportowana przez dostawcę, ale jest zgodna z niższą liczbą tokenów wyjściowych modelu w porównywalnych zadaniach.

Czy obniżka ceny dotyczy również tokenów wejściowych?

Cena wejścia 3.6 Flash wynosi $1.50 za 1M, z $0.15 za buforowane wejście. Dokładna bieżąca stawka wejścia 3.5 Flash nie jest powtórzona w materiałach premierowych 3.6, więc sprawdź stronę z aktualnymi cenami zamiast zakładać, że się zmieniła.

Czy istnieje nowa granica wiedzy?

Tak — model 3.6 Flash ma granicę wiedzy na marzec 2026. Granica wiedzy modelu 3.5 Flash nie jest ponownie podana w materiałach porównawczych, ale naturalnie 3.6 jest nowszy ze względu na późniejszą datę wydania.

Konkluzja

Gemini 3.6 Flash vs Gemini 3.5 Flash to najczystszy rodzaj uaktualnienia, o którym można myśleć: ta sama mierzona inteligencja, ten sam zakres możliwości, niższa cena, mniej tokenów, większa szybkość i stałe – jeśli wierzyć raportom dostawcy – zyski w zadaniach programistycznych, agentowych, a zwłaszcza w kontekście długich zadań. Jeśli korzystasz z 3.5 Flash, a koszt, opóźnienie lub niezawodność agentowa są twoim ograniczeniem, przejdź, po szybkiej ocenie i z przypiętymi wersjami podczas okna startowego. Jeśli miałeś nadzieję, że ".6" oznacza po prostu inteligentniejszy model – tak nie jest; w tym celu czekasz na Gemini 3.5 Pro lub Gemini 4. Zobacz poniższe porównania, aby ocenić 3.6 Flash w zestawieniu z modelami spoza Google w swojej klasie.