Gemini 3.6 Flash en 3.5 Flash-Lite zijn vandaag gelanceerd, met een nadruk op efficiënter gebruik van middelen en lagere kosten dan hun voorganger, 3.5 Flash. Opmerkelijk is dat de ontwikkeling van de langverwachte Gemini 3.5 Pro, die tijdens Google I/O 2026 werd aangekondigd, is vertraagd door interne tests die niet aan de verwachtingen voldeden, met name op het gebied van codering. Dit heeft geleid tot een koersdaling van ongeveer 4,4% voor Alphabet, en daarmee verloor het bedrijf ongeveer $200 miljard aan marktkapitalisatie in slechts één dag.
De nieuwe Flash-modellen zijn gericht op snelheid en kostenoptimalisatie. Gemini 3.6 Flash gebruikt 17% minder outputtokens—de basisbouwstenen die AI verwerkend gebruikt—en verlaagt de kosten voor het genereren van outputtokens van $9 naar $7,50 per miljoen tokens. Dit maakt het bijzonder aantrekkelijk voor bedrijven die AI-agents op grote schaal willen inzetten.
De 3.6 Flash is de belangrijkste uitgave en scoorde goed in verschillende benchmarks. Bij de DeepSWE v1.1, die software-engineering op lange termijn test, behaalde het een score van 49%, versus slechts 37% voor de 3.5 Flash. Op de MLE-Bench, een machine learning engineering test, ging de 3.6 Flash zelfs naar een score van 63,9%, vergeleken met 49,7% voor zijn voorganger. Op de OSWorld-Verified test, waarbij de AI controle heeft over een computer om echte taken uit te voeren, scoorde de 3.6 Flash 83,0%, wat het boven zijn concurrenten plaatste, waaronder Claude Sonnet 5 en GPT-5.6 Luna.
Echter, hoewel de 3.6 Flash indrukwekkende cijfers levert, zijn onze eigen testen met de modellen teleurstellend gebleken. Een basale coderingstest resulteerde in een bestand dat absoluut onbruikbaar was; de HTML was niet goed opgemaakt, en elementen werden niet correct weergegeven. Pogingen om de fouten te verhelpen via aangepaste code faalden.
Het tweede model, Gemini 3.5 Flash-Lite, is volledig gericht op volume en prestaties bij hoge doorvoersnelheden. Dit model kan 350 outputtokens per seconde genereren tegen een kostprijs van slechts $0,30 per miljoen inputtokens en $2,50 per miljoen outputtokens. Dit maakt het uitermate geschikt voor taken op grote schaal zoals documentverwerking en agentisch zoeken, waar het zelfs beter presteert dan de oudere 3 Flash op belangrijke coderingstaken.
Het derde model, Gemini 3.5 Flash Cyber, is enkel beschikbaar voor regeringen en geselecteerde partners die softwarekwetsbaarheden moeten identificeren en verhelpen. Dit model komt voort uit de behoefte aan geavanceerde beveiliging, wat Google een gevoel van terughoudendheid geeft bij brede releases van dergelijke krachtige technologieën.
Terwijl Google zijn nieuwe modellen uitrolt, is het DeepMind-team al bezig met de voorbereiding van Gemini 4. In hun aankondiging gaven ze aan dat ze hun meest ambitieuze pre-training Run ooit zijn gestart. Pre-training is cruciaal, want het is de fase waarin een model leert van enorme datasets voordat het verfijnd wordt voor specifieke taken. Dit betekent dat Gemini 4 al in ontwikkeling is en niet alleen in de planningsfase zit.
Beide nieuwe modellen, 3.6 Flash en 3.5 Flash-Lite, zijn nu beschikbaar in de Gemini-app, Google AI Studio, en via de API. De komst van Gemini 3.5 Pro hangt af van toekomstige tests en wordt pas uitgerold zodra deze volledig geoptimaliseerd is.
Wat zijn de voornaamste verbeteringen in Gemini 3.6 Flash ten opzichte van zijn voorganger?
Gemini 3.6 Flash heeft 17% minder outputtokens nodig en verlaagt bovendien de kosten voor het genereren van outputtokens van $9 naar $7,50 per miljoen tokens, wat het veel efficiënter maakt voor grootschalige toepassingen.
Hoe presteert Gemini 3.6 Flash in vergelijking met zijn concurrenten?
Bij benchmarktests heeft Gemini 3.6 Flash zich goed bewezen, met betere scores dan 3.5 Flash en competitieve resultaten in vergelijking met andere modellen zoals Claude Sonnet 5 en GPT-5.6 Luna, hoewel het in sommige specifieke categorieën nog steeds op achterstand staat.
Wat is het doel van het model Gemini 3.5 Flash Cyber?
Gemini 3.5 Flash Cyber is ontworpen voor gebruik door overheden en geselecteerde partners voor het identificeren en verhelpen van softwarekwetsbaarheden, wat een gevoel van voorzichtigheid met zich meebrengt voor een bredere uitrol van deze technologie.
