Gemini 3.6 Flash vs Gemini 3.5 Flash: Điều gì thực sự đã thay đổi?

Khi Google phát hành Gemini 3.6 Flash vào ngày 21 tháng 7 năm 2026, họ đã mô tả mô hình này trong tài liệu ra mắt của mình là "dựa trên Gemini 3.5 Flash" — một cách diễn đạt thẳng thắn bất thường, và là câu hữu ích nhất trong toàn bộ thông báo. Đây không phải là bước nhảy vọt thế hệ mới như Gemini 3 so với Gemini 2; mà là một bước lặp trên cùng tầng công cụ chính, được tinh chỉnh cho các công việc tương tự — chat khối lượng lớn, truy xuất, viết mã hàng ngày, và các pipeline tự động hóa nơi chi phí và độ trễ cũng quan trọng như trí thông minh thô. Google không định vị lại mô hình, không đổi tên tầng của nó, hay thay đổi đối tượng mục tiêu. Nếu bạn đã đang chạy 3.5 Flash trong sản xuất, 3.6 Flash là bước tiếp theo hiển nhiên để đánh giá, không phải là một sản phẩm khác cần học.

Vì vậy, câu hỏi thực sự không phải là "3.6 Flash có tốt hơn không" một cách trừu tượng — một bản phát hành tháng 7 năm 2026 rõ ràng được thiết kế để vượt qua phiên bản tiền nhiệm vào tháng 3 ở một khía cạnh nào đó — mà là những khía cạnh cụ thể nào đã thay đổi, thay đổi bao nhiêu, và liệu những khía cạnh đó có phải là những khía cạnh mà khối lượng công việc của bạn thực sự phụ thuộc vào hay không. So sánh này xem xét điểm số thông minh mà cả hai phiên bản chia sẻ, những cải tiến về mã hóa, tác nhân và ngữ cảnh dài do nhà cung cấp báo cáo, một so sánh chi phí đã được tính toán cho một cuộc gọi đại diện, và ba kịch bản để quyết định có nên di chuyển ngay bây giờ, sau này hay không bao giờ.

Phán quyết TL;DR.Nâng cấp vì chi phí, tốc độ và khoảng trống tác nhân — không phải vì trí thông minh thô. Gemini 3.6 Flash và 3.5 Flash đều đạt 50 điểm trên Chỉ số Trí thông minh của Artificial Analysis — không có sự gia tăng trí thông minh trên thước đo độc lập duy nhất. Nhưng 3.6 giảm giá đầu ra xuống còn $7.50 cho mỗi 1M (từ $9.00), sử dụng ít hơn khoảng 17% token đầu ra cho mỗi tác vụ, và là mô hình nhanh nhất mà Artificial Analysis theo dõi (303 token/giây). Các điểm chuẩn của Google cũng cho thấy những cải thiện thực tế về lập trình, tác nhân và ngữ cảnh dài — đáng chú ý nhất là bước nhảy từ dưới 27% lên 54,0% về khả năng truy hồi ngữ cảnh 1M (GDM-MRCR v2). Đối với hầu hết mọi khối lượng công việc của 3.5 Flash, 3.6 Flash là một chiến thắng rõ ràng về chi phí và khả năng; những lý do duy nhất để chờ đợi là độ ổn định của cửa sổ ra mắt và các bài đánh giá được tinh chỉnh chặt chẽ.

Những điểm chính cần ghi nhớ

•  Cùng điểm số thông minh. Cả hai đều ở mức 50 của Chỉ số Thông minh Phân tích Trí tuệ Nhân tạo (Artificial Analysis Intelligence Index) — sự nâng cấp nằm ở hiệu quả và khả năng tác nhân, không phải trí thông minh tổng quát.

•  Đầu ra rẻ hơn. 3.6 Flash có giá $7.50 cho mỗi 1M token đầu ra, giảm từ $9.00 trên 3.5 Flash; đầu vào là $1.50, đầu vào được lưu cache là $0.15.

• Ít token hơn, tốc độ nhanh hơn. Khoảng 17% ít token đầu ra hơn cho mỗi tác vụ tương đương, và thông lượng hàng đầu ở ~303 token/giây.

• Những cải thiện mã hóa khiêm tốn nhưng ổn định. Google báo cáo 3.6 vượt trội so với 3.5 trên SWE-Bench Pro (58.7% so với 55.1%), DeepSWE (49% so với 37%), MLE-Bench (63.9% so với 49.7%) và OSWorld (83.0% so với 78.4%).

•  Khả năng ghi nhớ ngữ cảnh dài tăng mạnh. GDM-MRCR v2 ở ngữ cảnh 1M tăng lên 54.0% từ dưới 27% — mức chênh lệch lớn nhất được ghi nhận giữa hai phiên bản.

•  Cùng hình dạng về các mặt khác.Cả hai đều có ngữ cảnh ~1M, đầu ra 64K, đầu vào đa phương thức/đầu ra văn bản. 3.6 bổ sung mốc cắt kiến thức tháng 3 năm 2026.

•  Có những lưu ý về cửa sổ ra mắt. Các báo cáo ban đầu về áp lực dung lượng/độ tin cậy và ít nhất một bản báo cáo về đầu ra giao diện người dùng/suy luận không gian yếu hơn — đáng để ghim phiên bản nếu bạn chạy lưu lượng sản xuất.

Các con số điểm chuẩn đa mô hình ở đây — SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, OSWorld, GDPval và GDM-MRCR — là của riêng Google, tự so sánh 3.6 Flash với 3.5 Flash. Một điểm neo độc lập duy nhất, Chỉ số Trí tuệ Phân tích Nhân tạo (50 cho cả hai), được đo lại liên tục; hãy xác minh số liệu trực tiếp trước khi trích dẫn. Giá đầu vào trên mỗi token của 3.5 Flash không được nêu lại trong tài liệu ra mắt; hãy xác nhận tỷ giá hiện tại trên trang giá trước khi tự tính toán chi phí của bạn.

Thông số kỹ thuật và giá, cạnh nhau

•  AA Intelligence Index — Gemini 3.6 Flash: 50; Gemini 3.5 Flash: 50 (giống hệt nhau)

• Giá đầu ra (trên 1 triệu) — 3.6 Flash: $7.50; 3.5 Flash: $9.00

• Giá đầu vào (trên 1M) — 3.6 Flash: $1.50 (đã lưu trong bộ nhớ đệm $0.15); 3.5 Flash: xem trang giá hiện tại

• Token đầu ra mỗi tác vụ — 3.6 Flash: ~17% ít hơn; 3.5 Flash: cơ sở

•  Tốc độ — 3.6 Flash: 303 tok/s (#1 theo dõi); 3.5 Flash: nhanh, thế hệ trước

•  SWE-Bench Pro (nhà cung cấp) — 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 ở 1M, khả năng nhớ ngữ cảnh dài (nhà cung cấp) — 3.6 Flash: 54.0%; 3.5 Flash: dưới 27%

• Ngày cắt kiến thức — 3.6 Flash: Tháng 3 năm 2026; 3.5 Flash: sớm hơn (không xác định trong tài liệu ra mắt)

• Ngữ cảnh / đầu ra / phương thức — cả hai: ~1M / 64K / đa phương thức đầu vào, văn bản đầu ra

Câu chuyện nằm ở hàng đầu và hàng cuối. Trí thông minh giống hệt nhau ở phía trên; phạm vi năng lực giống hệt nhau ở phía dưới — cùng cửa sổ ngữ cảnh, cùng trần đầu ra, cùng hình dạng đa phương thức-đầu vào/văn bản-đầu ra. Mọi thứ thay đổi đều nằm ở giữa: giá cả, số lượng token, tốc độ, điểm số lập trình, và đặc biệt là khả năng nhớ lại ngữ cảnh dài, yếu tố thay đổi nhiều nhất trong tất cả các hàng. Đó chính xác là hồ sơ của một bản phát hành tập trung vào hiệu quả và khả năng tác nhân, chứ không phải là một mô hình thế hệ mới.

Đi sâu vào điểm chuẩn: các con số thực sự đo lường cái gì

Bắt đầu với Chỉ số Trí tuệ Phân tích Nhân tạo (Artificial Analysis Intelligence Index), vì đây là con số duy nhất được đo lường độc lập thay vì tự báo cáo. Cả hai phiên bản đều đạt chính xác 50 điểm. Sự hòa này có ý nghĩa: nó cho bạn biết khả năng suy luận, kiến thức nền tảng và giải quyết vấn đề tổng quát của mô hình không thay đổi giữa các bản phát hành — bạn không nhận được một mô hình thông minh hơn theo bất kỳ nghĩa tổng hợp nào. Cũng cần nhớ rằng điểm số này gắn với một thiết lập mức độ suy luận cụ thể và được một bên thứ ba trung lập đo lại liên tục, vì vậy hãy coi tỷ số 50/50 là kết quả độc lập hiện tại chứ không phải một sự thật vĩnh viễn.

Các con số mã hóa kể một câu chuyện khác, và đó là tất cả các so sánh nhà cung cấp của riêng Google. SWE-Bench Pro tăng lên 58,7% từ 55,1%, và DeepSWE v1.1 nhảy vọt hơn, lên 49% từ 37% — cả hai đều đo lường liệu mô hình có thể giải quyết các nhiệm vụ kỹ thuật phần mềm thực tế hay không, chứ không chỉ trả lời các câu hỏi về mã. Một sự thay đổi hai con số trên DeepSWE là một tín hiệu có ý nghĩa ngay cả khi đó là con số tự báo cáo, nhưng vì không có sự chạy lại độc lập các đánh giá cụ thể này cho cặp này, hãy đọc chúng như bằng chứng định hướng về một tác nhân mã hóa mạnh hơn, chứ không phải là khoảng cách được chứng nhận, được xác minh bởi bên thứ ba.

Các đánh giá tác nhân mở rộng bức tranh đó. Terminal-Bench 2.1 cải thiện từ 76,2% lên 78,0%, MLE-Bench tăng từ 49,7% lên 63,9%, OSWorld-Verified tăng từ 78,4% lên 83,0%, và điểm Elo GDPval-AA v2 tăng từ 1349 lên 1421. Nhìn chung, các đánh giá này kiểm tra công việc đa bước, sử dụng công cụ — chạy lệnh terminal, hoàn thành nhiệm vụ kỹ thuật học máy, vận hành môi trường máy tính, và tạo ra sản phẩm chuyên nghiệp — thay vì các câu trả lời một lần. Hướng đi nhất quán qua bốn điểm chuẩn tác nhân khác nhau thuyết phục hơn bất kỳ điểm số riêng lẻ nào, ngay cả khi có lưu ý từ nhà cung cấp kèm theo mỗi điểm.

Tuy nhiên, con số nổi bật là khả năng ghi nhớ ngữ cảnh dài: GDM-MRCR v2 ở độ dài ngữ cảnh 1 triệu token tăng từ dưới 27% lên 54,0% — gần như tăng gấp đôi. Đó là mức chênh lệch lớn nhất được báo cáo trong so sánh, và nó giải thích rất nhiều về nơi mà khoản tiết kiệm token và tốc độ thực sự đến từ: một mô hình truy xuất thông tin chính xác từ một ngữ cảnh lớn một cách đáng tin cậy hơn cần ít lượt sửa chữa hơn và suy luận dư thừa ít hơn để đưa ra câu trả lời đúng, điều này phù hợp với số lượng token đầu ra của 3.6 thấp hơn khoảng 17% trên các tác vụ tương đương.

Chi phí thực tế là bao nhiêu

Giá mỗi token chỉ mang tính trừu tượng; chi phí mỗi tác vụ mới là thứ xuất hiện trên hóa đơn của bạn. Lấy một cuộc gọi đại diện với 4.000 token đầu vào và 2.000 token đầu ra. Vì mức giá đầu vào hiện tại chính xác của 3.5 Flash không được nhắc lại trong tài liệu ra mắt của 3.6, phép tính dưới đây giữ nguyên giá đầu vào ở mức $1,50/1M đã được công bố của 3.6 Flash cho cả hai phiên bản, để tách riêng hai thay đổi mà chúng ta biết: giá đầu ra thấp hơn và mức tăng hiệu suất token đầu ra khoảng 17%. Hãy xác nhận mức giá đầu vào trực tiếp của 3.5 Flash trên trang giá nếu bạn cần một hóa đơn lịch sử chính xác. Trên cơ sở đó, chi phí đầu ra của 3.5 Flash cho 2.000 token là 2.000 × $9,00 / 1M ≈ $0,018, cộng với ≈$0,006 đầu vào, tổng cộng khoảng $0,024 mỗi cuộc gọi. Chi phí đầu ra của 3.6 Flash, sau khi áp dụng mức giá $7,50 thấp hơn và mức giảm token khoảng 17% (2.000 token trở thành khoảng 1.660), là 1.660 × $7,50 / 1M ≈ $0,01245, cộng với cùng ≈$0,006 đầu vào, tổng cộng khoảng $0,0185 mỗi cuộc gọi — tạm gọi là $0,021 trước hiệu ứng tăng hiệu suất token và khoảng $0,0185 khi cả hai thay đổi được kết hợp.

•  Chi phí mỗi cuộc gọi (4K đầu vào / 2K đầu ra) — 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185 (giá đầu ra thấp hơn cộng với ~17% ít token đầu ra hơn)

•  100K cuộc gọi / tháng — 3.5 Flash: ~$2,400; 3.6 Flash: ~$1,850

• 1M cuộc gọi / tháng — 3.5 Flash: ~$24,000; 3.6 Flash: ~$18,500

• Chi phí tương đối — 3.6 Flash: khoảng 77% chi phí mỗi tác vụ của 3.5 Flash (tiết kiệm khoảng 23%)

23% là một con số thực ở mọi khối lượng, nhưng nó tăng nhanh nhất trong các pipeline tác nhân (agentic pipelines), nơi Google trích dẫn trung bình khoảng 1,3 phút cho mỗi tác vụ trên 3.6 Flash so với 2,7 phút trên 3.5 Flash. Một khối lượng công việc trả tiền theo mỗi cuộc gọi và mỗi phút điều phối (orchestration) sẽ tiết kiệm trên cả hai trục cùng lúc: ít token hơn cho mỗi phản hồi, tỷ lệ rẻ hơn trên các token mà nó sử dụng, và ít thời gian thực tế hơn khi chiếm giữ bất kỳ vòng lặp hoặc hàng đợi tác nhân nào đang điều khiển nó. Với 1 triệu cuộc gọi mỗi tháng, khoảng 5.500 đô la Mỹ chi phí token trực tiếp là phần có thể thấy được; tiết kiệm tính toán và độ trễ từ việc hoàn thành tác vụ trong một nửa thời gian là phần không hiển thị trên trang giá.

Ba tình huống thực tế

1. Một điểm cuối sản xuất có khối lượng lớn, nhạy cảm với độ trễ

Trò chuyện, hỗ trợ, truy xuất và soạn thảo ở quy mô lớn — loại khối lượng công việc mà 3.5 Flash đã được xây dựng để đảm nhận. Vì trí thông minh không thay đổi (50 vs 50) và phạm vi khả năng là giống hệt nhau, không có rủi ro về chất lượng đầu ra nào cần cân nhắc khi nâng cấp. Giá đầu ra thấp hơn của 3.6 Flash, ít hơn 17% token mỗi tác vụ và thông lượng được theo dõi hạng #1 khiến điều này gần như là một cải tiến tuyệt đối: cùng chất lượng, hóa đơn thấp hơn, phản hồi nhanh hơn. Đây là bản di chuyển dễ nhất trong ba bản.

2. Một pipeline lập trình tác nhân hoặc DevOps

Nhiệm vụ đa bước — giải quyết vấn đề, chạy lệnh terminal, vận hành công cụ — chính xác là nơi mà các lợi ích do nhà cung cấp báo cáo của 3.6 Flash tập trung: SWE-Bench Pro, DeepSWE, Terminal-Bench, MLE-Bench, và OSWorld đều nghiêng về phía nó, và thời gian trung bình cho mỗi tác vụ giảm từ khoảng 2,7 phút xuống còn 1,3 phút. Kết hợp với bước nhảy về khả năng truy xuất ngữ cảnh dài (54,0% so với dưới 27% trên GDM-MRCR v2 tại 1M), đây là kịch bản mà việc di chuyển mang lại nhiều lợi ích nhất, không chỉ là tiết kiệm chi phí. Hãy chạy lại bộ đánh giá của riêng bạn trước khi cam kết hoàn toàn, vì những con số này là tự so sánh của nhà cung cấp chứ không phải được xác minh độc lập.

3. Một hệ thống sản xuất được tinh chỉnh chặt chẽ và khóa đánh giá.

Nếu các prompt, guardrail hoặc bản đánh giá tự động của bạn được hiệu chỉnh sát với hành vi token chính xác của 3.5 Flash, thì sự thay đổi ~17% token đầu ra và các chuyển dịch về mã hóa/tác nhân có thể khiến đầu ra lệch đủ để phá vỡ các kiểm tra khớp chính xác mong manh, mặc dù trí thông minh nền tảng không thay đổi. Thêm vào đó các báo cáo về dung lượng và độ tin cậy trong cửa sổ ra mắt — cùng với một báo cáo về đầu ra frontend/lý luận không gian yếu hơn — thì hướng đi hợp lý ở đây là khóa phiên bản, xác thực lại dựa trên bộ đánh giá của riêng bạn, và triển khai 3.6 Flash dần dần thay vì chuyển đổi ngay tại chỗ.

Khi nào nên ở lại với 3.5 Flash

Chỉ có hai lý do thực sự để chờ đợi. Đầu tiên, tính ổn định: 3.6 Flash đã nhận được những phàn nàn sớm trên Hacker News về dung lượng và độ tin cậy dưới tải ra mắt, và một người thử nghiệm báo cáo kết quả suy luận không gian/giao diện người dùng kém — căng thẳng về cung ứng hơn là suy giảm năng lực, nhưng đáng để ghim phiên bản nếu bạn chạy lưu lượng sản xuất và không thể chịu đựng được cửa sổ ra mắt gồ ghề.

Thứ hai, khả năng tái tạo chính xác: nếu bạn có các prompt và bộ đánh giá được tinh chỉnh chặt chẽ theo hành vi của 3.5 Flash, thì những thay đổi về hiệu quả token và lợi ích về mã hóa/tác nhân có thể làm thay đổi đầu ra đủ để ảnh hưởng, ngay cả khi điểm thông minh cơ bản không thay đổi. Hãy kiểm tra lại trước khi chuyển đổi thay vì cho rằng đó là sự thay thế tương thích. Ngoài hai trường hợp đó, bạn không mất đi khả năng nào khi chuyển sang 3.6 Flash.

Chọn cái nào?

Đối với hầu hết những ai đã chạy 3.5 Flash, câu trả lời mặc định là chuyển sang 3.6 Flash: trí thông minh bạn nhận được không thay đổi, giá mỗi token đầu ra và token mỗi tác vụ đều giảm, thông lượng là nhanh nhất được theo dõi, và các con số về lập trình, tác nhân và ngữ cảnh dài đều di chuyển theo cùng một hướng thuận lợi. Hãy ở lại 3.5 Flash lâu hơn một chút chỉ khi bạn bị cản trở bởi các lo ngại về độ tin cậy trong cửa sổ ra mắt hoặc bạn có các bộ đánh giá ràng buộc đủ chặt với hành vi token cũ đến mức bạn cần thời gian để xác thực lại. Không có kịch bản nào ở đây mà việc chọn 3.5 Flash cho một dự án hoàn toàn mới lại có ý nghĩa hơn là bắt đầu với 3.6.

FAQ

Gemini 3.6 Flash có thông minh hơn Gemini 3.5 Flash không?

Không — chúng đạt cùng số điểm (50) trên Artificial Analysis Intelligence Index. Các chuẩn đánh giá riêng của Google về coding, agentic, và long-context cho thấy những cải thiện thực sự, nhưng chỉ số trí tuệ độc lập không thay đổi.

Có rẻ hơn không?

Có. Giá đầu ra giảm xuống còn $7.50 cho mỗi 1M (từ $9.00), giá đầu vào là $1.50 với $0.15 cho đầu vào được lưu trong bộ nhớ đệm, và nó sử dụng ít hơn khoảng 17% số token đầu ra cho mỗi tác vụ — vì vậy chi phí cho mỗi tác vụ giảm trên cả hai phương diện: tỷ lệ và số lượng token.

Tôi có nên chuyển đổi không?

Đối với hầu hết các khối lượng công việc Flash 3.5, có — bạn nhận được chi phí thấp hơn, tốc độ cao hơn, và đầu ra ngang bằng hoặc tốt hơn, cùng với điểm số lập trình và tác nhân mạnh hơn. Hãy chạy lại các bản đánh giá của bạn trước nếu các lời nhắc của bạn được điều chỉnh chặt chẽ, và ghim phiên bản nếu độ tin cậy trong cửa sổ ra mắt quan trọng với bạn.

Có điều gì trở nên tồi tệ hơn không?

Không có vấn đề về cấu trúc. Các hạn chế chính là dung lượng cửa sổ phóng và các báo cáo độ tin cậy, một báo cáo về đầu ra frontend/suy luận không gian yếu hơn, và thời gian đến token đầu tiên chậm (~11,5 giây ở mức độ tư duy cao), điều này có thể quan trọng đối với sử dụng tương tác.

3.6 Flash tốt hơn bao nhiêu trong các tác vụ lập trình và tác vụ tác nhân?

Theo các so sánh của chính Google với các nhà cung cấp khác: SWE-Bench Pro 58.7% (so với 55.1%), DeepSWE v1.1 49% (so với 37%), Terminal-Bench 2.1 78.0% (so với 76.2%), MLE-Bench 63.9% (so với 49.7%), và OSWorld-Verified 83.0% (so với 78.4%). Tất cả đều do tự báo cáo, không được chạy lại độc lập, vì vậy hãy coi chúng chỉ mang tính định hướng.

Còn hiệu suất ngữ cảnh dài thì sao?

Đây là bước nhảy vọt lớn nhất được báo cáo: recall của GDM-MRCR v2 ở độ dài ngữ cảnh 1M token tăng từ dưới 27% lên 54,0% — gần như gấp đôi. Đây cũng là con số do nhà cung cấp báo cáo, nhưng nó phù hợp với số lượng token đầu ra thấp hơn của mô hình trong các tác vụ tương đương.

Việc giảm giá có áp dụng cho token đầu vào không?

Giá đầu vào của 3.6 Flash là 1,50 đô la cho mỗi 1 triệu với 0,15 đô la cho đầu vào đã lưu trong bộ nhớ đệm. Tỷ lệ đầu vào hiện tại chính xác của 3.5 Flash không được nhắc lại trong tài liệu ra mắt của 3.6, vì vậy hãy kiểm tra trang giá trực tiếp thay vì cho rằng nó đã thay đổi.

Có ngưỡng kiến thức mới không?

Có — 3.6 Flash có ngày cắt kiến thức vào tháng 3 năm 2026. Ngày cắt của 3.5 Flash không được nhắc lại trong tài liệu so sánh, nhưng của 3.6 đương nhiên là mới hơn do ngày phát hành sau.

Điểm mấu chốt

Gemini 3.6 Flash so với Gemini 3.5 Flash là kiểu nâng cấp rõ ràng nhất để suy luận: cùng mức độ thông minh, cùng khả năng, giá thấp hơn, ít token hơn, nhanh hơn và có những cải thiện nhất quán – nếu được nhà cung cấp báo cáo – về các tác vụ lập trình, tác nhân và đặc biệt là các tác vụ ngữ cảnh dài. Nếu bạn đang dùng 3.5 Flash và chi phí, độ trễ hoặc độ tin cậy của tác nhân là ràng buộc của bạn, hãy chuyển sang, sau khi đánh giá nhanh và giữ phiên bản cố định trong thời gian ra mắt. Nếu bạn hy vọng ".6" có nghĩa là một mô hình thông minh hơn hoàn toàn, thì không phải; để có điều đó, bạn phải chờ Gemini 3.5 Pro hoặc Gemini 4. Xem các so sánh bên dưới để cân nhắc 3.6 Flash so với các mô hình không phải của Google trong cùng phân khúc.