Gemini 3.6 Flash против Gemini 3.5 Flash: Что на самом деле изменилось?

Когда Google выпустила Gemini 3.6 Flash 21 июля 2026 года, в своих рекламных материалах описала модель как «основана на Gemini 3.5 Flash» — необычно откровенная формулировка и единственное наиболее полезное предложение во всём анонсе. Это не скачок в новое поколение, как Gemini 3 по сравнению с Gemini 2; это итерация того же рабочего уровня, настроенная на те же задачи — высокообъемный чат, поиск, повседневное кодирование и агентские конвейеры, где стоимость и задержка имеют такое же значение, как и чистый интеллект. Google не изменила позиционирование модели, не переименовала её уровень и не сменила целевую аудиторию. Если вы уже используете 3.5 Flash в продакшене, 3.6 Flash — очевидный следующий шаг для оценки, а не другой продукт для изучения.

Итак, настоящий вопрос не в абстрактном «лучше ли 3.6 Flash» — выпуск июля 2026 года, очевидно, должен превзойти своего предшественника из марта в каких-то аспектах — а в том, какие именно показатели изменились, насколько сильно и соответствуют ли эти показатели тому, от чего на самом деле зависит ваша рабочая нагрузка. Это сравнение рассматривает общий для обеих версий показатель интеллекта, заявленные вендором улучшения в кодировании, агентных возможностях и работе с длинным контекстом, практическое сравнение стоимости для типичного запроса, а также три сценария для принятия решения: мигрировать сейчас, позже или не мигрировать вовсе.

TL;DR вердикт.Обновление ради стоимости, скорости и пространства для агентов — а не ради сырого интеллекта. Gemini 3.6 Flash и 3.5 Flash обе набирают 50 баллов по индексу Artificial Analysis Intelligence — никакого прироста интеллекта по единственному независимому критерию. Но 3.6 снижает цену вывода до $7.50 за 1 млн (с $9.00), использует примерно на 17% меньше токенов вывода на задачу и является самой быстрой моделью, отслеживаемой Artificial Analysis (303 токена/сек). Собственные бенчмарки Google также показывают реальные улучшения в кодировании, агентности и работе с длинным контекстом — наиболее поразительно скачок с менее 27% до 54.0% по памяти контекста в 1 млн (GDM-MRCR v2). Практически для любой рабочей нагрузки 3.5 Flash, 3.6 Flash является явным выигрышем по стоимости и возможностям; единственные причины подождать — стабильность окна запуска и тщательно настроенные оценки.

Ключевые выводы

•  Одинаковый показатель интеллекта. Оба находятся на Artificial Analysis Intelligence Index 50 — обновление касается эффективности и агентных возможностей, а не общего интеллекта.

•  Более дешевый вывод. 3.6 Flash стоит $7.50 за 1 млн выходных токенов, по сравнению с $9.00 на 3.5 Flash; входные — $1.50, кэшированные входные — $0.15.

•  Меньше токенов, больше скорости. Около 17% меньше выходных токенов на сопоставимую задачу, и лучшая пропускная способность около 303 токенов/сек.

• Скромные, но устойчивые улучшения в кодировании.Google сообщает, что 3.6 опережает 3.5 в SWE-Bench Pro (58.7% против 55.1%), DeepSWE (49% против 37%), MLE-Bench (63.9% против 49.7%) и OSWorld (83.0% против 78.4%).

•  Извлечение из длинного контекста резко возрастает. GDM-MRCR v2 при контексте в 1M поднимается до 54.0% с менее чем 27% — наибольшая зафиксированная разница между двумя версиями.

• В остальном та же форма. Оба имеют контекст ~1M, вывод 64K, мультимодальный ввод/текстовый вывод. 3.6 добавляет дату отсечки знаний — март 2026 года.

•  Существуют оговорки по окну запуска.Ранние сообщения о нагрузке на ёмкость/надёжность и как минимум один отчёт о более слабом результате фронтенда/пространственного рассуждения — стоит закрепить версии, если вы используете производственный трафик.

Приведённые здесь кросс-модельные показатели — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval и GDM-MRCR — являются собственными результатами Google, сравнивающими 3.6 Flash с 3.5 Flash. Единственный независимый ориентир, Artificial Analysis Intelligence Index (50 для обеих моделей), постоянно пересчитывается; перед цитированием проверяйте актуальное значение. Цена входа за токен для 3.5 Flash не указана в запускающих материалах; перед собственными расчётами стоимости уточняйте текущие тарифы на странице pricing.

Характеристики и цена — рядом

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

• Цена вывода (за 1M) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

•  Входная цена (за 1 млн) — 3.6 Flash: $1.50 (кэшированная $0.15); 3.5 Flash: см. текущую страницу цен

•  Выходные токены на задачу — 3.6 Flash: ~17% меньше; 3.5 Flash: базовый

•  Скорость — 3.6 Flash: 303 tok/s (#1 отслеживаемый); 3.5 Flash: быстрый, предыдущее поколение

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

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

• GDM-MRCR v2 на 1М, долговременный контекст воспроизведения (vendor) — 3.6 Flash: 54.0%; 3.5 Flash: менее 27%

• Граница знаний — 3.6 Flash: Март 2026; 3.5 Flash: ранее (не указано в материалах запуска)

•  Контекст / вывод / модальность — оба: ~1M / 64K / мультимодальный ввод, текстовый вывод

История — в первой и последней строках. Одинаковый интеллект вверху; одинаковый набор возможностей внизу — тот же контекстный окно, тот же потолок вывода, та же мультимодальная форма «вход-текст/выход-текст». Всё, что изменилось, находится посередине: цена, количество токенов, скорость, показатели кодирования и особенно долгоконтекстное воспроизведение, которое изменилось больше всех строк. Это в точности профиль релиза, направленного на повышение эффективности и агентных возможностей, а не на новое поколение модели.

Глубокое погружение в бенчмарки: что на самом деле измеряют цифры

Начните с индекса Artificial Analysis Intelligence, потому что это единственное число здесь, которое измеряется независимо, а не сообщается самостоятельно. Обе версии набирают ровно 50. Эта связь имеет значение: она говорит вам, что базовые рассуждения, знания и способность решать общие проблемы модели не изменились между релизами — вы не получаете более умную модель в каком-либо совокупном смысле. Также стоит помнить, что оценка привязана к конкретной настройке усилий по рассуждению и постоянно переизмеряется нейтральной третьей стороной, поэтому относитесь к 50/50 как к текущему независимому показателю, а не к постоянному факту.

Кодовые цифры рассказывают другую историю, и все они — собственные сравнения поставщиков Google. SWE-Bench Pro поднимается с 55,1% до 58,7%, а DeepSWE v1.1 совершает еще больший скачок — с 37% до 49%. Оба показателя измеряют, способна ли модель решать реальные задачи разработки программного обеспечения, а не просто отвечать на вопросы о коде. Двузначный рост DeepSWE является значимым сигналом, даже если это самоотчетный показатель, но поскольку для этой пары нет независимого повторного запуска этих конкретных оценок, воспринимайте их как ориентировочное свидетельство более сильного кодировочного агента, а не подтвержденный третьей стороной разрыв.

Агентные оценки расширяют эту картину. Terminal-Bench 2.1 улучшился с 76,2% до 78,0%, MLE-Bench поднялся с 49,7% до 63,9%, OSWorld-Verified вырос с 78,4% до 83,0%, а рейтинг Elo в GDPval-AA v2 переместился с 1349 до 1421. В совокупности эти оценки проверяют многошаговую работу с инструментами — выполнение команд в терминале, решение задач машинного обучения, управление компьютерной средой и создание профессиональных результатов — а не одноразовые ответы. Последовательная тенденция по четырём различным агентным бенчмаркам убедительнее любого отдельного показателя, даже с учётом указанных поставщиком оговорок по каждому из них.

Выдающееся число, однако, — это долговременное запоминание контекста: GDM-MRCR v2 при длине контекста в 1 млн токенов возрастает до 54,0% с менее чем 27% — примерно вдвое. Это самый большой зафиксированный прирост во всём сравнении, и он многое объясняет о том, откуда на самом деле берётся экономия токенов и скорости: модель, которая более надёжно извлекает нужную информацию из огромного контекста, требует меньше корректирующих проходов и избыточных рассуждений для получения правильного ответа, что согласуется с примерно 17% снижением количества выходных токенов у 3.6 на сопоставимых задачах.

Сколько это стоит на практике

Цены за токен абстрактны; затраты на задачу — вот что отражается в вашем счете. Возьмем типичный запрос с 4000 входными токенами и 2000 выходными токенами. Поскольку точная текущая ставка на входные токены для 3.5 Flash не указана в материалах запуска 3.6, в расчетах ниже стоимость входа зафиксирована на уровне опубликованных $1.50 за 1M для обеих версий, чтобы выделить два известных изменения: снижение цены на выходные токены и ~17% повышение эффективности выходных токенов. Подтвердите текущую ставку на входные токены для 3.5 Flash на странице цен, если вам нужен точный исторический счет. Исходя из этого, стоимость выходных токенов для 3.5 Flash за 2000 токенов составляет 2000 × $9.00 / 1M ≈ $0.018, плюс ≈$0.006 за вход, итого около $0.024 за запрос. Стоимость выходных токенов для 3.6 Flash после применения более низкой ставки $7.50 и ~17% сокращения токенов (2000 токенов становятся примерно 1660) составляет 1660 × $7.50 / 1M ≈ $0.01245, плюс те же ≈$0.006 за вход, итого около $0.0185 за запрос — назовем это $0.021 до учета эффекта эффективности токенов и около $0.0185 после объединения обоих изменений.

•  Стоимость одного вызова (4K на входе / 2K на выходе) — 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185 (более низкая цена вывода и примерно на 17% меньше выходных токенов)

•  100K звонков / месяц — 3.5 Flash: ~$2,400; 3.6 Flash: ~$1,850

• 1 млн звонков в месяц — 3.5 Flash: ~$24,000; 3.6 Flash: ~$18,500

• Относительная стоимость — 3.6 Flash: около 77% стоимости 3.5 Flash за задачу (примерно 23% экономии)

23% — это реальное число при любом объёме, но оно накапливается быстрее всего в агентных пайплайнах, где Google приводит среднее значение около 1,3 минуты на задачу на 3.6 Flash против 2,7 минуты на 3.5 Flash. Рабочая нагрузка, которая оплачивается за вызов и за минуту оркестрации, экономит сразу по двум осям: меньше токенов на ответ, более дешёвая ставка на используемые токены и меньше астрономического времени, занимающего любой агентный цикл или очередь, которые её обслуживают. При 1 миллионе вызовов в месяц примерно $5 500 прямых затрат на токены — это видимая часть; экономия вычислительных ресурсов и задержек от завершения задач за половину времени — это та часть, которая не отображается на странице с ценами.

Три реальных сценария

1. Высоконагруженная производственная конечная точка, чувствительная к задержкам

Чат, поддержка, извлечение и составление черновиков в масштабе — та нагрузка, для которой 3.5 Flash уже был создан. Поскольку уровень интеллекта не изменился (50 vs 50), а функциональные возможности идентичны, нет риска для качества вывода, который нужно взвешивать при обновлении. Более низкая цена вывода 3.6 Flash, на 17% меньше токенов на задачу и пропускная способность, отслеживаемая на #1 месте, делают это почти строгим улучшением: то же качество, меньший счёт, более быстрые ответы. Это самая лёгкая миграция из трёх.

2. Агентный конвейер разработки или DevOps

Многошаговые задачи — решение проблем, выполнение терминальных команд, работа с инструментами — это именно та область, где, по заявлениям вендора, сосредоточены улучшения 3.6 Flash: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench и OSWorld — все показывают положительную динамику, а среднее время выполнения задачи сокращается примерно с 2,7 минут до 1,3. В сочетании с улучшением запоминания длинного контекста (54,0% против менее 27% на GDM-MRCR v2 при 1M) это сценарий, в котором миграция приносит наибольшую выгоду, а не просто экономию средств. Прежде чем полностью переходить, перезапустите собственный набор тестов, поскольку эти цифры основаны на самооценке вендора, а не на независимых проверках.

3. Тонко настроенная, заблокированная для оценки производственная система.

Если ваши промпты, ограничения (guardrails) или автоматические оценки (evals) были тонко настроены под точное токеновое поведение 3.5 Flash, то изменение выходных токенов на ~17% и кодирующие/агентные сдвиги (coding/agentic shifts) могут достаточно изменить выходные данные, чтобы нарушить хрупкие проверки на точное совпадение, даже если базовая интеллектуальность не изменилась. Добавьте сюда отчеты о пропускной способности и надежности в окне запуска (launch-window) — и одно упоминание о более слабом выводе во фронтенде/пространственном мышлении (frontend/spatial-reasoning output) — и разумным путем здесь будет зафиксировать версии, повторно проверить на собственном наборе оценочных данных (eval set) и развертывать 3.6 Flash постепенно, а не включать его сразу.

Когда оставаться на 3.5 Flash

Есть всего две реальные причины ждать. Первая — стабильность: 3.6 Flash на старте вызвала жалобы на Hacker News по поводу ёмкости и надёжности под нагрузкой при запуске, а один тестировщик сообщил о плохих результатах в работе с интерфейсом и пространственными рассуждениями — скорее проблема provisioning, чем регресс возможностей, но стоит закреплять версии, если вы работаете с продакшен-трафиком и не можете позволить себе сложный период запуска.

Во-вторых, точная воспроизводимость: если у вас есть промпты и eval'ы, тонко настроенные на поведение 3.5 Flash, то изменения в токен-эффективности и улучшения в кодинге/агентных задачах могут сдвинуть выходные данные настолько, что это будет иметь значение, даже если базовый показатель «интеллекта» не изменился. Проведите повторную валидацию перед переключением, а не предполагайте, что это замена «drop-in». За исключением этих двух случаев, при переходе на 3.6 Flash вы не теряете никаких возможностей.

Какой выбрать

Для почти любого, кто уже использует 3.5 Flash, ответ по умолчанию — перейти на 3.6 Flash: получаемый интеллект не изменился, цена за выходной токен и количество токенов на задачу снижаются, пропускная способность является самой высокой из отслеживаемых, а показатели кодирования, агентности и длинного контекста движутся в том же благоприятном направлении. Оставайтесь на 3.5 Flash чуть дольше только в том случае, если вас сдерживают проблемы с надежностью в окне запуска или если ваши оценки (evals) слишком сильно привязаны к старому поведению токенов, и вам нужно время для повторной валидации. Здесь нет сценария, при котором выбор 3.5 Flash для нового проекта имеет больше смысла, чем начало работы на 3.6.

Часто задаваемые вопросы

Gemini 3.6 Flash умнее, чем 3.5 Flash?

Нет — они набирают одинаковое количество баллов (50) по Индексу Искусственного Анализа. Собственные бенчмарки Google по кодированию, агентности и длинному контексту показывают реальные улучшения, но независимый показатель интеллекта не изменился.

Это дешевле?

Да. Вывод падает до $7.50 за 1M (с $9.00), ввод — $1.50 с $0.15 за кэшированный ввод, и это использует примерно на 17% меньше выходных токенов на задачу — так что стоимость за задачу снижается как по ставке, так и по количеству токенов.

Стоит ли мне мигрировать?

Для большинства рабочих нагрузок 3.5 Flash ответ — да: вы получаете более низкую стоимость, более высокую скорость, равное или лучшее качество вывода, а также более высокие показатели кодирования и агентности. Сначала повторно запустите свои оценки, если ваши подсказки точно настроены, и зафиксируйте версии, если для вас важна надежность в окне запуска.

Стало ли что-то хуже?

Ничего структурного. Основные оговорки касаются пропускной способности окна запуска и отчетов о надежности, одного случая более слабой производительности фронтенда/пространственного мышления, а также медленного времени до первого токена (~11,5 с при высоком усилии мышления), что может быть важным для интерактивного использования.

Насколько лучше 3.6 Flash в написании кода и агентских задачах?

Согласно собственным сравнительным тестам Google: {{1}}SWE-Bench Pro 58.7% (против 55.1%){{/1}}, {{2}}DeepSWE v1.1 49% (против 37%){{/2}}, {{3}}Terminal-Bench 2.1 78.0% (против 76.2%){{/3}}, {{4}}MLE-Bench 63.9% (против 49.7%){{/4}} и {{5}}OSWorld-Verified 83.0% (против 78.4%){{/5}}. Все показатели предоставлены самостоятельно, не проходили независимую перепроверку, поэтому рассматривайте их как ориентировочные.

Как насчет производительности при работе с длинным контекстом?

Это самый большой зафиксированный скачок: показатель отзыва GDM-MRCR v2 при длине контекста в 1M токенов поднимается до 54,0% с менее чем 27% — примерно вдвое. Это также цифра, сообщённая поставщиком, но она согласуется с меньшим количеством выходных токенов модели на сопоставимых задачах.

Распространяется ли снижение цены на входные токены?

Цена ввода 3.6 Flash составляет $1.50 за 1 млн токенов, при этом $0.15 за кэшированный ввод. Точная текущая стоимость ввода 3.5 Flash не указана в материалах запуска 3.6, поэтому проверьте страницу актуальных цен, а не предполагайте, что она изменилась.

Есть ли новая дата отсечки знаний?

Да — 3.6 Flash имеет дату отсечки знаний март 2026 года. Дата отсечки 3.5 Flash не указана в сравнительных материалах, но у 3.6 она, естественно, более свежая, учитывая более позднюю дату выхода.

Итог

Gemini 3.6 Flash против Gemini 3.5 Flash — это самый чистый апгрейд для анализа: одинаковый измеренный интеллект, одинаковый спектр возможностей, более низкая цена, меньше токенов, выше скорость и стабильные — если верить отчётам вендора — улучшения в задачах кодирования, агентских и особенно в задачах с длинным контекстом. Если вы используете 3.5 Flash, и ваше ограничение — это стоимость, задержка или надёжность агентской работы, переходите после быстрой оценки и с фиксацией версий в период запуска. Если вы надеялись, что «.6» означает непосредственное появление более умной модели, то нет; для этого вам придётся ждать Gemini 3.5 Pro или Gemini 4. Сравнения ниже помогут оценить 3.6 Flash по отношению к моделям не от Google в её классе.