Nowe modele Gemini od Google mają przyspieszyć agenty AI

Google pokazał Gemini 3.6 Flash, Gemini 3.5 Flash-Lite i wyspecjalizowany model 3.5 Flash Cyber. Sprawdzamy ceny, zastosowania, dostępność i ograniczenia.

Google wprowadził trzy nowe modele sztucznej inteligencji z rodziny Gemini.

• Gemini 3.6 Flash ma obsługiwać złożone zadania agentowe, programowanie i analizę dokumentów.
• Gemini 3.5 Flash-Lite został przygotowany z myślą o szybkości, dużej liczbie zapytań i niższych kosztach.
• Trzeci model - Gemini 3.5 Flash Cyber - jest wyspecjalizowanym narzędziem do wykrywania i naprawiania luk w oprogramowaniu.

Dwa pierwsze modele są już dostępne dla użytkowników, firm i programistów. Wersja cyberbezpieczeństwa trafi początkowo wyłącznie do administracji publicznej i wybranych partnerów Google DeepMind. Ograniczenie nie jest przypadkowe. Model, który potrafi znajdować podatności i tworzyć poprawki, może również zostać wykorzystany do przygotowywania ataków.

Premiera pokazuje kierunek, w którym zmierza rynek generatywnej sztucznej inteligencji. Największe firmy technologiczne nie konkurują już wyłącznie wielkością modeli i wynikami w testach wiedzy. Coraz ważniejsze stają się koszt wykonania pojedynczego zadania, liczba wywołań narzędzi, czas odpowiedzi i zdolność do samodzielnego przechodzenia przez wieloetapowy proces.

Gemini 3.6 Flash ma zużywać mniej tokenów

Gemini 3.6 Flash jest następcą modelu 3.5 Flash. Google przedstawia go jako podstawowy model roboczy dla aplikacji, agentów AI i procesów firmowych. Ma lepiej radzić sobie z programowaniem, analizą wiedzy, dokumentami, wykresami i materiałami wizualnymi.

Najważniejszą zmianą nie jest jednak sam wzrost jakości. Google podkreśla większą efektywność tokenową. Według danych przytoczonych przez firmę Gemini 3.6 Flash zużywa średnio o 17 proc. mniej tokenów wyjściowych niż 3.5 Flash w indeksie Artificial Analysis. W niektórych zadaniach programistycznych redukcja miała sięgać 65 proc.

Ma to bezpośrednie znaczenie finansowe. Dostawcy modeli rozliczają korzystanie z API na podstawie liczby przetworzonych tokenów, czyli fragmentów tekstu i innych danych. Jeżeli model dochodzi do wyniku krótszą drogą, wykonuje mniej kroków rozumowania i rzadziej ponawia wywołania narzędzi, koszt całego procesu spada nawet wtedy, gdy cena pojedynczego zapytania pozostaje zbliżona.

Google ustalił cenę Gemini 3.6 Flash na 1,50 dolara za milion tokenów wejściowych i 7,50 dolara za milion tokenów wyjściowych. W poprzednim Gemini 3.5 Flash cena danych wyjściowych wynosiła 9 dolarów za milion tokenów. Firma obniżyła więc zarówno stawkę za generowaną treść, jak i deklarowane zużycie tokenów.

W praktyce różnica może być odczuwalna w systemach wykonujących tysiące operacji dziennie: analizujących umowy, przygotowujących raporty, przeszukujących firmowe bazy danych albo obsługujących klientów. Nie przesądza to jednak, że każdy proces automatycznie stanieje. Rzeczywisty koszt zależy od długości materiałów, ustawionego poziomu rozumowania, liczby użytych narzędzi i tego, jak często agent musi poprawiać własne odpowiedzi.

Model może analizować tekst, obrazy, dźwięk i wideo

Gemini 3.6 Flash jest modelem natywnie multimodalnym. Przyjmuje tekst, obrazy, pliki audio i wideo. Okno kontekstowe wynosi do miliona tokenów, a maksymalna odpowiedź może liczyć 64 tys. tokenów.

Tak duży kontekst pozwala przetwarzać obszerne dokumentacje, transkrypcje, repozytoria kodu i zestawy materiałów pochodzących z różnych źródeł. Google wskazuje zastosowania obejmujące analizę wykresów, danych finansowych, dokumentów, przygotowywanie raportów oraz migrację kodu.

Nowy model obsługuje również narzędzie Computer Use. Oznacza to, że agent oparty na Gemini może wykonywać działania w interfejsie aplikacji - rozpoznawać elementy widoczne na ekranie, klikać, wpisywać dane i przechodzić przez kolejne etapy zadania. Funkcja może służyć do automatyzacji procesów, których nie da się łatwo obsłużyć przez tradycyjne API.

Google deklaruje poprawę wyników w testach dotyczących programowania, pracy z wiedzą i obsługi komputera. W benchmarku DeepSWE rezultat miał wzrosnąć z 37 do 49 proc., w OSWorld-Verified z 78,4 do 83 proc., a w teście MLE Bench z 49,7 do 63,9 proc.

Są to istotne różnice, ale benchmarki nie odpowiadają na wszystkie pytania ważne dla przedsiębiorstwa. Nie mierzą jakości pracy na konkretnych danych firmy, stabilności długotrwałego procesu ani kosztu błędu. Wyniki podaje producent na podstawie własnych pomiarów oraz wybranych testów zewnętrznych. Przed wdrożeniem model powinien zostać sprawdzony na rzeczywistych zadaniach organizacji.

Gemini 3.5 Flash-Lite ma obsługiwać masowe operacje

Gemini 3.5 Flash-Lite został zaprojektowany dla zadań wykonywanych często i na dużą skalę. Google wymienia tłumaczenia, klasyfikację treści, wyszukiwanie agentowe, przetwarzanie dokumentów, wyodrębnianie danych oraz generowanie odpowiedzi w systemach wymagających niskich opóźnień.

Według przytoczonego przez Google pomiaru Artificial Analysis model generuje do 350 tokenów wyjściowych na sekundę. Producent określa go jako najszybszy i najtańszy model z rodziny Gemini 3.5.

Cena wynosi 30 centów za milion tokenów wejściowych oraz 2,50 dolara za milion tokenów wyjściowych. To poziom, który może zainteresować właścicieli sklepów internetowych, platform ogłoszeniowych, systemów CRM i narzędzi do analizy dużych zbiorów dokumentów.

Flash-Lite może na przykład odczytywać tysiące paragonów, wyciągać cechy produktów z katalogu, klasyfikować wiadomości klientów albo przygotowywać dane w formacie JSON. Model obsługuje również obrazy, audio i wideo, ma milion tokenów kontekstu oraz maksymalnie 64 tys. tokenów odpowiedzi.

Użytkownik może regulować poziom rozumowania. Ustawienie minimalne ma ograniczać czas i koszt prostych operacji. Wyższe poziomy są przeznaczone dla zadań, w których model musi planować, korzystać z narzędzi albo koordynować pracę kilku agentów.

W testach opublikowanych przez Google 3.5 Flash-Lite wyraźnie przewyższa poprzednią wersję 3.1 Flash-Lite. W Terminal-Bench 2.1 wynik miał wzrosnąć z 31 do 54 proc., a w teście długiego kontekstu GDM-MRCR v2 - z 60,1 do 72,2 proc. W części prób model Lite miał także uzyskać lepsze rezultaty niż starszy, większy Gemini 3 Flash.

Dla rynku ważniejszy od samych punktów jest wniosek: mniejszy model nie musi być już wyłącznie uboższą wersją flagowego systemu. Może okazać się lepszy tam, gdzie liczy się duża przepustowość, przewidywalny format wyniku i niski koszt pojedynczej operacji.

Gemini 3.5 Flash Cyber ma szukać luk w oprogramowaniu

Najbardziej wyspecjalizowanym z nowych modeli jest Gemini 3.5 Flash Cyber. Google DeepMind dostroił go do wyszukiwania, sprawdzania i naprawiania podatności w kodzie.

Model działa w ramach systemu CodeMender. Kilka agentów może równolegle analizować różne ścieżki wykonania programu, a następnie połączyć ustalenia w jeden raport. Takie podejście ma rozwiązywać problem ogromnej przestrzeni poszukiwań. W dużym repozytorium pojedyncze wywołanie rozbudowanego modelu może być zbyt drogie i zbyt wolne, by sprawdzić dostatecznie wiele wariantów.

Google podaje, że podczas testów silnika JavaScript V8 nowy model znalazł 55 unikalnych, potwierdzonych problemów. Podstawowy Gemini 3.5 Flash miał wykryć 47, a Claude Opus 4.6 - 36. Dziesięć podatności nie zostało znalezionych przez pozostałe dwa systemy.

Porównanie wymaga ostrożności. Google zaznacza, że część wyników konkurencji pochodzi z danych podawanych przez ich dostawców. Testy zostały przygotowane lub przeprowadzone przez zespoły powiązane z producentem modelu, a szczegóły wykrytych podatności nie zostały ujawnione ze względów bezpieczeństwa.

Firma twierdzi również, że Gemini 3.5 Flash Cyber jest już wykorzystywany do ochrony wewnętrznych systemów obejmujących Chrome, Androida, Google Cloud, Ads i YouTube. W jednym z opisanych przypadków model miał w ciągu dwóch godzin znaleźć podatności umożliwiające zdalne wykonanie kodu w publicznych interfejsach API oraz błąd pamięci w produkcyjnej usłudze.

To pokazuje potencjał narzędzia, ale zarazem wyjaśnia ograniczony dostęp. System zdolny do automatycznego odkrywania luk ma charakter podwójnego zastosowania. Może przyspieszyć pracę obrońców, lecz w niepowołanych rękach ułatwić przygotowywanie exploitów.

Google nie udostępni więc Gemini 3.5 Flash Cyber publicznie w zwykłym API. Model ma pojawić się w ograniczonym programie pilotażowym dla rządów i zaufanych partnerów korzystających z CodeMender. Firma zapowiada stopniowe rozszerzanie programu, ale nie podała harmonogramu powszechnej dostępności.

Gdzie są dostępne nowe modele Google AI

Gemini 3.6 Flash i Gemini 3.5 Flash-Lite są dostępne produkcyjnie, a nie wyłącznie w wersji testowej. Programiści mogą korzystać z nich przez Gemini API, Google AI Studio i Android Studio. Model 3.6 Flash trafił także do platformy Google Antigravity.

Firmy otrzymały dostęp przez Gemini Enterprise Agent Platform. Gemini 3.6 Flash jest również dostępny w aplikacji Gemini Enterprise.

Oba modele trafiają do konsumenckiej aplikacji Gemini. Google zapowiedział ponadto wdrażanie 3.5 Flash-Lite w wyszukiwarce. Firma nie opisała jednak szczegółowo, w których funkcjach Search model zostanie wykorzystany ani jak szybko zmiana obejmie poszczególne rynki.

Dla programistów istotne są również zmiany w API. Od nowych modeli Google rezygnuje z części parametrów sterujących generowaniem, takich jak temperature, top_p i top_k. Dokumentacja zaleca także przejście na Interactions API, które firma uznaje za podstawowy sposób dostępu do najnowszych funkcji i modeli.

Nowe wersje obsługują wbudowane narzędzia, w tym Computer Use. Domyślny poziom rozumowania dla Gemini 3.6 Flash ustawiono na średni, natomiast dla Flash-Lite - na minimalny. Dzięki temu pierwszy model ma zachowywać równowagę między szybkością a analizą, a drugi ograniczać koszt prostych zadań wykonywanych masowo.

Google pracuje już nad Gemini 4

Premiera nie kończy obecnego cyklu rozwoju Gemini. Google poinformował, że Gemini 3.5 Pro jest testowany z partnerami i ma zostać szerzej udostępniony, gdy osiągnie odpowiednią gotowość.

Jeszcze ważniejsza jest zapowiedź Gemini 4. Firma rozpoczęła największy w swojej historii proces wstępnego trenowania modelu. Nie podała daty premiery, parametrów ani docelowych produktów.

Ta deklaracja pokazuje tempo wyścigu. Gemini 3.6 Flash pojawia się jako tańszy i wydajniejszy następca modelu wprowadzonego zaledwie jedną generację wcześniej, podczas gdy prace nad kolejną rodziną są już zaawansowane. Klienci biznesowi muszą więc oceniać nie tylko jakość konkretnego modelu, lecz także koszty migracji i zależność od szybko zmieniającego się API.

Co nowe modele oznaczają dla firm

Podział na 3.6 Flash, 3.5 Flash-Lite i Flash Cyber pokazuje odejście od koncepcji jednego uniwersalnego modelu dla wszystkich zadań.

Gemini 3.6 Flash jest przeznaczony do procesów, w których potrzebne są rozumowanie, programowanie, analiza wizualna i korzystanie z narzędzi. Flash-Lite ma obsługiwać tanie, powtarzalne operacje o dużej skali. Flash Cyber jest systemem branżowym, przygotowanym do jednego obszaru i udostępnianym pod kontrolą.

Dla przedsiębiorstw może to oznaczać budowę architektury złożonej z kilku modeli. Droższy agent nadrzędny planuje proces, natomiast tańsze modele wykonują klasyfikację, ekstrakcję i proste operacje. Takie rozwiązanie zmniejsza koszt, ale komplikuje nadzór nad systemem i wymaga dokładniejszego mierzenia błędów.

Karty modeli Google przypominają, że Gemini 3.6 Flash i 3.5 Flash-Lite nadal mogą generować nieprawdziwe informacje. Możliwe są również opóźnienia i przekroczenia czasu odpowiedzi. Graniczną datą wiedzy obu modeli jest marzec 2026 roku, dlatego informacje o późniejszych wydarzeniach wymagają dostępu do aktualnych źródeł.

Nowe modele mogą przyspieszyć automatyzację, lecz nie usuwają potrzeby kontroli człowieka. Dotyczy to zwłaszcza analiz prawnych, finansowych, medycznych, decyzji dotyczących klientów oraz zmian w kodzie produkcyjnym. Niższa cena pojedynczego zapytania nie rekompensuje kosztu błędu powielonego w tysiącach automatycznie wykonanych operacji.

Źródła:

1. Tulsee Doshi. „Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber”. Google Blog, 21 lipca 2026. Dostęp 22 lipca 2026. 

2. Google DeepMind. „Gemini 3.6 Flash - Model Card”. Lipiec 2026. Dostęp 22 lipca 2026. 

3. Google DeepMind. „Gemini 3.5 Flash-Lite - Model Card”. Lipiec 2026. Dostęp 22 lipca 2026. 

4. Raluca Ada Popa i Four Flynn. „Introducing Gemini 3.5 Flash Cyber”. Google DeepMind, 21 lipca 2026. Dostęp 22 lipca 2026. 

5. Google. „Using the Latest Gemini Models”. Google AI for Developers. Dostęp 22 lipca 2026. 

 

Pobierz ebook "Wielki ranking agencji marketingowych 2026 roku i e-book o trendach w promocji w sieci"