Google hat seine Gemini Flash Modellreihe um drei neue Varianten erweitert, die speziell auf die Anforderungen von Entwicklern und Unternehmen in agentischen Workflows zugeschnitten sind. Gemini 3.6 Flash bietet dabei deutlich verbesserte Token-Effizienz und höhere Qualität bei der Code-Generierung. Wer einen Überblick über die neuen Funktionen, Benchmarks und Verfügbarkeiten sucht, wird hier fündig.

Die neuen Gemini Flash Modelle im Überblick

Die Flash-Serie von Gemini adressiert den Bedarf nach effizienten, latenzarmen und zuverlässigen KI-Modellen für den produktiven Einsatz. Mit Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber liefert Google gezielte Antworten auf verschiedene Anwendungsszenarien.

Während 3.6 Flash als leistungsstarkes Allzweckmodell positioniert ist, konzentriert sich 3.5 Flash-Lite auf maximale Geschwindigkeit und Kosteneffizienz. Das spezialisierte Modell 3.5 Flash Cyber ergänzt das Portfolio mit einem Fokus auf Cybersicherheit und Code-Analyse.

Gemini 3.6 Flash: Mehr Effizienz, bessere Qualität

Gemini 3.6 Flash baut direkt auf dem Feedback zu 3.5 Flash auf und liefert signifikante Verbesserungen bei Coding und Wissensarbeit. Laut Artificial Analysis Index reduziert das Modell den Output-Token-Verbrauch um 17 Prozent, in einigen Benchmarks wie DeepSWE sind Einsparungen von bis zu 65 Prozent zu beobachten.

Trotz höherer Effizienz erzielt 3.6 Flash in Benchmarks wie MLE Bench einen Wert von 63,9 Prozent gegenüber 49,7 Prozent beim Vorgänger. Auch bei OSWorld-Verified steigt die Leistung von 78,4 auf 83,0 Prozent, was verbesserte Computer-Use-Fähigkeiten signalisiert.

Niedrigere Kosten pro Agentur-Task

Das Modell ist zudem günstiger als sein Vorgänger. Mit einem Preis von 1,50 Dollar pro eine Million Input-Tokens und 7,50 Dollar pro eine Million Output-Tokens sinkt die Gesamtkosten pro agentischem Workflow deutlich. Für Unternehmen wie Hebbia und Harvey hat sich 3.6 Flash besonders bei multimodalen Aufgaben wie Dokumentenanalyse und Berichtserstellung bewährt.

Erweiterte Sicherheitsvorkehrungen

Google versendet 3.6 Flash mit verbesserten Frontier-Safety-Schutzmaßnahmen in den Bereichen CBRN (Chemical, Biological, Radiological, and Nuclear) sowie Cyber-Offensive. Diese Sicherheitsvorkehrungen erhöhen die Resistenz gegen Jailbreaks deutlich, ohne nützliche Anwendungsfälle übermäßig zu blockieren.

Gemini 3.5 Flash-Lite: Für hochskalierte Agentur-Workflows

Gemini 3.5 Flash-Lite ist das schnellste und kostengünstigste Modell der 3.5er-Reihe. Mit einer Geschwindigkeit von 350 Output-Tokens pro Sekunde und einem Preis von 0,30 Dollar pro eine Million Input-Tokens bzw. 2,50 Dollar pro eine Million Output-Tokens richtet es sich an Entwickler mit hohem Durchsatz.

Gegenüber 3.1 Flash-Lite verbessern sich die Ergebnisse in Terminal-Bench 2.1 von 31 auf 54 Prozent und bei GDM-MRCR v2 von 60,1 auf 72,2 Prozent. Das Modell unterstützt zudem Computer Use als integriertes Werkzeug und übertrifft in einigen Tests sogar Gemini 3 Flash.

Gemini 3.5 Flash Cyber: Spezialmodell für Cybersicherheit

Mit 3.5 Flash Cyber stellt Google ein auf Cybersicherheit spezialisiertes Modell vor, das in Kombination mit dem CodeMender Agent Sicherheitslücken effizient erkennt und behebt. Das Modell ist auf Basis von 3.5 Flash feinjustiert und kostet weniger pro Token als größere Alternativen.

Aus Sicherheitsgründen ist 3.5 Flash Cyber zunächst ausschließlich für Regierungen und vertraute Partner über ein begrenztes Pilotprogramm verfügbar. Ziel ist es, Verteidigern einen Vorsprung bei der Schließung kritischer Schwachstellen zu verschaffen.

Verfügbarkeit und Ausblick

Beide Modelle, 3.6 Flash und 3.5 Flash-Lite, sind ab sofort verfügbar. Entwickler können über die Gemini API in Google AI Studio und Android Studio auf die Modelle zugreifen. Unternehmen erhalten Zugang über die Gemini Enterprise Agent Platform, Endnutzer über die Gemini App.

Parallel daran arbeitet Google bereits an Gemini 3.5 Pro und hat mit dem ambitioniertesten Pre-Training-Lauf für Gemini 4 begonnen. Ein breiterer Rollout von 3.5 Pro ist demnächst geplant.

Quelle

Die vollständigen Details zu den neuen Modellen finden sich im Originalbeitrag auf dem Google DeepMind Blog.