Gemini 3.6 Flash vs Gemini 3.5 Flash: Vad har egentligen förändrats?

När Google lanserade Gemini 3.6 Flash den 21 juli 2026, beskrev man modellen i sitt eget lanseringsmaterial som "baserad på Gemini 3.5 Flash" — en ovanligt rättfram inramning, och den enda mest användbara meningen i hela tillkännagivandet. Det här är inte ett nytt generationssprång som Gemini 3 var över Gemini 2; det är en iteration på samma arbetshästnivå, inställd för samma uppgifter — högvolymchatt, informationssökning, vardaglig kodning och agentpipeliner där kostnad och latens spelar lika stor roll som rå intelligens. Google ändrade inte modellens positionering, bytte inte namn på dess nivå eller ändrade dess målgrupp. Om du redan kör 3.5 Flash i produktion är 3.6 Flash det självklara nästa steget att utvärdera, inte en annan produkt att lära sig.

Så den verkliga frågan är inte "är 3.6 Flash bättre" i abstrakt mening — en release från juli 2026 är uppenbarligen avsedd att överträffa sin föregångare från mars på något sätt — det handlar om vilka specifika dimensioner som förändrats, hur mycket, och om dessa dimensioner är de som din arbetsbelastning faktiskt är beroende av. Denna jämförelse går igenom intelligenspoängen som båda versionerna delar, de leverantörsrapporterade vinsterna inom kodning, agentisk och lång kontext, en genomarbetad kostnadsjämförelse för ett representativt anrop, och tre scenarier för att avgöra om man ska migrera nu, senare eller inte alls.

TL;DR-sammanfattning.Uppgradera för kostnad, hastighet och agentiskt utrymme — inte för rå intelligens. Gemini 3.6 Flash och 3.5 Flash får båda 50 på Artificial Analysis Intelligence Index — ingen intelligensökning på den oberoende måttstocken. Men 3.6 sänker utpriset till $7,50 per 1M (från $9,00), använder cirka 17 % färre utmatningstoken per uppgift och är den snabbaste modellen Artificial Analysis spårar (303 token/sek). Googles egna benchmark visar också verkliga kodnings-, agentiska och långkontextförbättringar — mest slående ett hopp från under 27 % till 54,0 % på 1M-kontextåterkallelse (GDM-MRCR v2). För nästan alla 3.5 Flash-arbetsbelastningar är 3.6 Flash en enkel kostnads- och kapacitetsvinst; de enda anledningarna att vänta är lanseringsfönstrets stabilitet och noggrant inställda utvärderingar.

Viktiga slutsatser

•  Samma intelligenspoäng. Båda ligger på Artificial Analysis Intelligence Index 50 — uppgraderingen är effektivitet och agentisk kapacitet, inte allmän intelligens.

• Billigare utdata. 3.6 Flash är $7.50 per 1M utdata-tokens, ned från $9.00 på 3.5 Flash; indata är $1.50, cachad indata $0.15.

• Färre token, mer hastighet. Cirka 17% färre utdatatoken per jämförbar uppgift, och högsta genomströmning på ~303 token/sek.

• Blygsamma men konsekventa kodningsförbättringar.Google rapporterar att 3.6 ligger före 3.5 på SWE-Bench Pro (58,7 % vs 55,1 %), DeepSWE (49 % vs 37 %), MLE-Bench (63,9 % vs 49,7 %) och OSWorld (83,0 % vs 78,4 %).

• Långkontext-återkallelse ökar markant. GDM-MRCR v2 vid 1M kontext stiger till 54,0% från under 27% — den enskilt största rapporterade skillnaden mellan de två versionerna.

• Samma form i övrigt.Båda har ~1M kontext, 64K utdata, multimodal-in/text-ut. 3.6 lägger till en kunskapsgräns från mars 2026.

•  Det finns varningar för lanseringsfönstret.Tidiga rapporter om kapacitets-/tillförlitlighetsbelastning och åtminstone en redogörelse för svagare frontend/spatial-resonemangsutdata — värt att låsa versioner om du kör produktionstrafik.

De tvärmodellsjämförelsetalen här — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval och GDM-MRCR — är Googles egna, där 3.6 Flash jämförs med 3.5 Flash. Den enda oberoende referenspunkten, Artificial Analysis Intelligence Index (50 för båda), mäts kontinuerligt om; verifiera den aktuella siffran innan du citerar. 3.5 Flashs pris per token för indata anges inte i lanseringsmaterialet; bekräfta aktuella priser på prissidan innan du gör din egen kostnadsberäkning.

Specarna och priset, sida vid sida

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

• Utpris (per 1M) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

•  Ingångspris (per 1M) — 3.6 Flash: $1.50 (cachat $0.15); 3.5 Flash: se aktuell prissida

• Utdata-token per uppgift — 3.6 Flash: ~17% färre; 3.5 Flash: baslinje

• Hastighet — 3.6 Flash: 303 tok/s (#1 tracked); 3.5 Flash: snabb, föregående generation

• SWE-Bench Pro (leverantör) — 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 vid 1M, lång kontextåterkallelse (leverantör) — 3.6 Flash: 54,0%; 3.5 Flash: under 27%

• Kunskapsgräns — 3.6 Flash: Mars 2026; 3.5 Flash: tidigare (ospecificerat i lanseringsmaterialet)

•  Kontext / utdata / modalitet — båda: ~1M / 64K / multimodal-in, text-out

Berättelsen finns i första och sista raden. Identisk intelligens i toppen; identisk kapacitetsram i botten — samma kontextfönster, samma utmatningstak, samma multimodal-in/text-ut-form. Allt som ändrades sitter i mitten: pris, tokenantal, hastighet, kodningspoäng och särskilt långkontextåterkallelse, som rörde sig mest av alla rader. Det är precis profilen för en effektivitets- och agentisk-kapacitetsutgåva snarare än en ny generationsmodell.

Djupdykning i benchmark: vad siffrorna egentligen mäter

Börja med Artificial Analysis Intelligence Index, för det är det enda numret här som mäts oberoende snarare än självrapporterat. Båda versionerna får exakt 50. Det oavgjorda resultatet är viktigt: det talar om för dig att modellens underliggande resonemang, kunskap och allmänna problemlösningsförmåga inte har förändrats mellan utgåvorna — du får inte en smartare modell i någon sammansatt mening. Det är också värt att komma ihåg att poängen är knuten till en specifik ansträngningsinställning för resonemang och mäts kontinuerligt på nytt av en neutral tredje part, så betrakta 50/50 som den aktuella oberoende avläsningen snarare än ett permanent faktum.

Kodningssiffrorna berättar en annan historia, och de är alla Googles egna leverantörsjämförelser. SWE-Bench Pro stiger till 58,7 % från 55,1 %, och DeepSWE v1.1 hoppar ytterligare, till 49 % från 37 % — båda mäter om modellen kan lösa realistiska programvaruteknikuppgifter, inte bara svara på frågor om kod. En tvåsiffrig förändring på DeepSWE är en meningsfull signal även som ett självrapporterat nummer, men eftersom det inte finns någon oberoende omkörning av dessa specifika utvärderingar för denna parning, läs dem som riktningsbevis för en starkare kodningsagent, inte ett certifierat, tredjepartsverifierat gap.

De agentiska utvärderingarna breddar den bilden. Terminal-Bench 2.1 förbättras till 78,0 % från 76,2 %, MLE-Bench stiger till 63,9 % från 49,7 %, OSWorld-Verified ökar till 83,0 % från 78,4 % och GDPval-AA v2 Elo-betyget går från 1349 till 1421. Sammantaget testar dessa utvärderingar flerstegsarbete med verktyg – köra terminalkommandon, slutföra maskininlärningstekniska uppgifter, hantera en datormiljö och producera professionella resultat – snarare än enstaka svar. Den konsekventa riktningen över fyra olika agentiska riktmärken är mer övertygande än något enskilt poäng i isolering, även med den leverantörsrapporterade reservationen kopplad till varje.

Det utmärkande numret är dock långkontextåterkallelse: GDM-MRCR v2 vid en kontextlängd på 1M-token stiger till 54.0% från under 27% — ungefär en fördubbling. Det är den största rapporterade skillnaden någonstans i jämförelsen, och det förklarar mycket om var token- och hastighetsbesparingarna faktiskt kommer ifrån: en modell som hämtar rätt information från en stor kontext mer tillförlitligt behöver färre korrigerande pass och mindre redundant resonemang för att nå ett korrekt svar, vilket är förenligt med 3.6:ans ~17% lägre antal utdatatokens på jämförbara uppgifter.

Vad det kostar i praktiken

Priser per token är abstrakta; kostnaden per uppgift är det som syns på din faktura. Ta ett representativt anrop med 4 000 inmatningstokens och 2 000 utmatningstokens. Eftersom 3.5 Flashs exakta nuvarande inmatningshastighet inte anges i 3.6:s lanseringsmaterial, håller beräkningen nedan inmatningspriset på 3.6 Flashs publicerade $1.50 per 1M för båda versionerna, för att isolera de två förändringar vi känner till: det lägre utmatningspriset och den ~17% högre effektiviteten för utmatningstokens. Bekräfta 3.5 Flashs aktuella inmatningshastighet på prissidan om du behöver en exakt historisk faktura. På den grunden är 3.5 Flashs utmatningskostnad för 2 000 tokens 2 000 × $9.00 / 1M ≈ $0.018, plus ≈$0.006 för inmatning, totalt cirka $0.024 per anrop. 3.6 Flashs utmatningskostnad, efter tillämpning av dess lägre $7.50-hastighet och ~17% tokenreducering (2 000 tokens blir ungefär 1 660), är 1 660 × $7.50 / 1M ≈ $0.01245, plus samma ≈$0.006 för inmatning, totalt cirka $0.0185 per anrop — säg $0.021 före token-effektivitetseffekten och cirka $0.0185 när båda ändringarna kombineras.

•  Kostnad per anrop (4K in / 2K ut) — 3.5 Flash: ~$0,024; 3.6 Flash: ~$0,0185 (lägre utdatapris plus ~17% färre utdatatokens)

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

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

• Relativ kostnad — 3.6 Flash: cirka 77% av 3.5 Flashs kostnad per uppgift (ungefär 23% besparing)

23 % är ett reellt tal vid vilken volym som helst, men det ackumuleras snabbast i agentiska pipelines, där Google anger en genomsnittlig tid på cirka 1,3 minuter per uppgift med 3.6 Flash jämfört med 2,7 minuter med 3.5 Flash. En arbetsbelastning som betalar per anrop och per minut av orkestrering sparar på båda axlarna samtidigt: färre token per svar, en billigare taxa för de token som används, och mindre väggklocktid som upptar den agentloop eller kö som driver den. Vid 1M anrop per månad är cirka 5 500 USD i direkta tokenkostnader den synliga delen av detta; besparingarna i beräkning och svarstid från att slutföra uppgifter på halva tiden är den del som inte syns på prissidan.

Tre scenarier från verkligheten

1. En högvolym, latenskänslig produktionsslutpunkt

Chat, support, hämtning och utkast i stor skala – den typ av arbetsbelastning som 3.5 Flash redan byggdes för. Eftersom intelligensen är oförändrad (50 vs 50) och kapacitetsramen är identisk finns det ingen risk för utdatakvalitet att väga mot uppgraderingen. 3.6 Flashs lägre utdatapris, 17 % färre tokens per uppgift och #1-spårade genomströmning gör detta nästan till en strikt förbättring: samma kvalitet, lägre kostnad, snabbare svar. Detta är den enklaste migrationen av de tre.

2. En agentisk kodnings- eller DevOps-pipeline

Flerstegsuppgifter — att lösa problem, köra terminalkommandon, använda verktyg — är precis där 3.6 Flash:s leverantörsrapporterade vinster koncentreras: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench och OSWorld alla rör sig till dess fördel, och den genomsnittliga tiden per uppgift sjunker från cirka 2,7 minuter till 1,3. Kombinerat med det långa kontextens minneshopp (54,0% mot under 27% på GDM-MRCR v2 vid 1M) är detta scenariot där migrering fångar mest uppsida, inte bara kostnadsbesparingarna. Kör om din egen utvärderingssvit innan du helt förbinder dig, eftersom dessa siffror är leverantörsjämförelser snarare än oberoende verifierade.

3. Ett finjusterat, utvärderingslåst produktionssystem

Om dina prompts, guardrails eller automatiserade utvärderingar var noggrant kalibrerade efter 3.5 Flash:s exakta tokenbeteende, kan den ~17-procentiga förändringen i output-tokens och förskjutningarna inom kodning/agentik flytta utdatan tillräckligt för att bryta spröda exakt-matchande kontroller, även om den underliggande intelligensen inte har förändrats. Lägg till rapporterna om kapacitet och tillförlitlighet inom lanseringsfönstret — och den enskilda redogörelsen för svagare frontend/spatialt resonerande utdata — och den förnuftiga vägen här är att låsa versioner, omvalidera mot din egen utvärderingsuppsättning och rulla ut 3.6 Flash gradvis istället för att slå om på plats.

När man bör stanna kvar på 3.5 Flash

Det finns bara två verkliga anledningar att vänta. För det första: stabilitet – 3.6 Flash möttes av tidiga klagomål på Hacker News gällande kapacitet och tillförlitlighet under lanseringsbelastning, och en testare rapporterade dålig utdata vad gäller frontend/rumsligt resonemang – det var mer en fråga om etableringsbelastning än en förmågeförsämring, men värt att låsa versioner på om du kör produktionstrafik och inte kan tolerera en tuff lanseringsperiod.

För det andra, exakt reproducerbarhet: om du har prompts och utvärderingar som är finjusterade till 3.5 Flashs beteende, kan förändringarna i token-effektivitet och vinsterna inom kodning/agentisk funktionalitet flytta utdata tillräckligt för att det ska spela roll, även om den underliggande intelligenspoängen inte har förändrats. Gör omvalidering innan du byter istället för att anta en drop-in-ersättning. Utanför dessa två fall förlorar du ingen kapacitet genom att byta till 3.6 Flash.

Vilken ska man välja

För nästan alla som redan kör 3.5 Flash är standardsvaret att gå över till 3.6 Flash: intelligensen du får är oförändrad, priset per utdatatoken och tokens-per-uppgift sjunker båda, genomströmningen är den snabbaste som uppmätts, och siffrorna för kodning, agentiskt arbete och långkontext rör sig alla i samma gynnsamma riktning. Stanna kvar på 3.5 Flash lite längre endast om du hindras av tillförlitlighetsproblem i lanseringsfönstret eller om du har utvärderingar som är tillräckligt bundna till gammalt tokenbeteende så att du behöver tid för att omvalidera. Det finns inget scenario här där det är mer vettigt att välja 3.5 Flash för ett helt nytt projekt än att börja med 3.6.

Vanliga frågor

Är Gemini 3.6 Flash smartare än 3.5 Flash?

Nej — de får samma poäng (50) på Artificial Analysis Intelligence Index. Googles egna benchmark för kodning, agentförmåga och långkontext visar verkliga förbättringar, men det oberoende intelligensmåttet är oförändrat.

Är det billigare?

Ja. Utmatningspriset sjunker till 7,50 USD per 1M (från 9,00 USD), inmatningspriset är 1,50 USD med 0,15 USD för cachad inmatning, och det använder cirka 17 % färre utmatningstokens per uppgift — så kostnaden per uppgift minskar både i fråga om pris och antal tokens.

Bör jag migrera?

För de flesta 3.5 Flash-arbetsbelastningar, ja — du får lägre kostnad, högre hastighet och lika eller bättre utdata, plus starkare kodnings- och agentpoäng. Kör om dina utvärderingar först om dina prompts är noggrant inställda, och fäst versioner om lanseringsfönstrets tillförlitlighet är viktig för dig.

Blev något värre?

Inget strukturellt. De främsta varningarna är lanseringsfönstrets kapacitet och tillförlitlighetsrapporter, en redogörelse för svagare frontend/rymdresonemangsutdata, och en lång tid till första token (~11,5 s vid hög tankeansträngning), vilket kan vara betydelsefullt för interaktiv användning.

Hur mycket bättre är 3.6 Flash på kodning och agentiska uppgifter?

Enligt Googles egna leverantörsjämförelser: SWE-Bench Pro 58.7% (mot 55.1%), DeepSWE v1.1 49% (mot 37%), Terminal-Bench 2.1 78.0% (mot 76.2%), MLE-Bench 63.9% (mot 49.7%) och OSWorld-Verified 83.0% (mot 78.4%). Alla är självrapporterade, inte oberoende återkörda, så betrakta dem som indikativa.

Vad sägs om prestanda för lång kontext?

Detta är det största rapporterade hoppet: GDM-MRCR v2 recall vid en kontextlängd på 1M tokens stiger till 54,0% från under 27% — ungefär dubbelt så mycket. Det är också en leverantörsrapporterad siffra, men den stämmer överens med modellens lägre antal utdatatokens på jämförbara uppgifter.

Gäller prissänkningen även för input tokens?

3.6 Flashs inmatningspris är $1,50 per 1M med $0,15 för cachad inmatning. 3.5 Flashs exakta nuvarande inmatningstakt anges inte på nytt i 3.6s lanseringsmaterial, så kontrollera den aktuella prissättningssidan istället för att anta att den har ändrats.

Finns det en ny kunskapsgräns?

Ja — 3.6 Flash har en kunskapsgräns från mars 2026. 3.5 Flashs gräns upprepas inte i jämförelsematerialet, men 3.6:s är naturligtvis nyare med tanke på dess senare releasedatum.

Slutsatsen

Gemini 3.6 Flash vs Gemini 3.5 Flash är den renaste typen av uppgradering att resonera kring: samma uppmätta intelligens, samma kapacitetsomfång, lägre pris, färre tokens, högre hastighet och konsekventa – om än leverantörsrapporterade – förbättringar inom kodning, agentiska och särskilt långkontextuella uppgifter. Om du använder 3.5 Flash och kostnad, latens eller agentisk tillförlitlighet är din begränsning, byt efter en snabb utvärdering och med versioner låsta under lanseringsfönstret. Om du hoppades att ".6" innebar en rent smartare modell, så gör den inte det; för det väntar du på Gemini 3.5 Pro eller Gemini 4. Se jämförelserna nedan för att väga 3.6 Flash mot icke-Google-modellerna i dess klass.