TLDR Googles seneste Gemini-udgivelse er ikke den længe ventede Gemini 3.5 Pro. I stedet leverede Google tre effektivitetsfokuserede modeller: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite og Gemini 3.5 Flash Cyber. Det praktiske budskab er klart: Google prioriterer agentøkonomi, latenstid, tokeneffektivitet og specialiseret sikkerhedsautomatisering, mens flagskibsmodellen Pro stadig testes.
For udviklere er den bedste strategi ikke passivt at vente på Gemini 3.5 Pro. Brug Gemini 3.6 Flash som standardopgradering til komplekse agenter og kodearbejdsgange, brug Gemini 3.5 Flash-Lite til højvolumen-ekstraktion og routing, og hold en cross-model fallback-strategi til frontier-opgaver i ræsonnering. CometAPI giver samlet adgang til 500+ modeller gennem én OpenAI-kompatibel API-nøgle, så Gemini kan testes side om side med GPT, Claude, DeepSeek, Kimi, Qwen og andre modeller uden at genopbygge din integration.
Centrale pointer
- Google announced Gemini 3.6 Flash, Gemini 3.5 Flash-Lite og Gemini 3.5 Flash Cyber den 21. juli 2026. Gemini 3.5 Pro blev ikke udgivet i denne lancering. Google siger, at den testes med partnere og vil blive bredt tilgængelig, når den er klar.
- Gemini 3.6 Flash er generelt tilgængelig i Gemini API, Google AI Studio, Gemini Enterprise Agent Platform, Gemini-appen og Google Antigravity. Gemini 3.5 Flash-Lite er generelt tilgængelig i Gemini API og er målrettet arbejdsgange med høj gennemløb og lav pris.
- Gemini 3.5 Flash Cyber er med begrænset adgang og designet til sårbarhedsdetektion, validering og patching i CodeMender.
- Google reports Gemini 3.6 Flash bruger 17% færre output-tokens end 3.5 Flash på Artificial Analysis og op til 65% færre output-tokens i DeepSWE-lignende tests.
- Artificial Analysis independently reports Gemini 3.6 Flash med en Intelligence Index-score på 50, 251,3 output-tokens/s og en gennemsnitlig opgaveomkostning, der falder fra $0,59 til $0,50 sammenlignet med Gemini 3.5 Flash.
- DeepSWE lister Gemini 3.6 Flash på 49% pass@1 med $3,53 i gennemsnitlig omkostning pr. opgave, sammenlignet med Gemini 3.5 Flash på 37% pass@1 og $7,34 i gennemsnitlig omkostning pr. opgave.
- CometAPI angiver aktuelt Gemini 3.6 Flash til $1.20/M input og $6.00/M output, og Gemini 3.5 Flash-Lite til $0.24/M input og $2.016/M output. Tjek live-dashboardet, før du publicerer priser i produktets UI.
Hvad udgav Google?
Gemini 3.6 Flash
Gemini 3.6 Flash er den vigtigste model i udgivelsen for generelle udviklere. Det er en stabil Flash-tier model bygget til produktionsagenter, kodning, multimodale arbejdsgange, dokumentanalyse, lang-kontekst ræsonnering og vidensarbejde.
Google beskriver Gemini 3.6 Flash som en arbejdshest, der leverer bedre kodning, vidensarbejde og multimodal ydeevne end Gemini 3.5 Flash, samtidig med at tokeneffektiviteten forbedres. Den officielle Gemini API-side siger, at modellen er designet til den agentiske æra og er særligt effektiv til hurtig kodning og iterationssløjfer.
Modellens offentlige ID er:
gemini-3.6-flash
Kerne-specifikationer: se Gemini 3.6 Flash model page.
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite er effektivitetsmodellen i udgivelsen. Google positionerer den som den hurtigste og mest omkostningseffektive model i 3.5-klassen, optimeret til arbejdsgange med høj gennemløb, dokumentparsing, oversættelse, klassifikation, routing og simpel dataekstraktion.
Modellens offentlige ID er:
gemini-3.5-flash-lite
Kerne-specifikationer: se Gemini 3.5 Flash-Lite model page.
Den afgørende forskel er ikke kontekstvinduet. Flash-Lite beholder samme profil med 1M input og 64K output som 3.6 Flash. Forskellen er routing-intentionen: Flash-Lite er til gennemløb og omkostningskontrol; 3.6 Flash er til sværere opgaver, hvor kvalitet og værktøjspålidelighed betyder mere.
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber er en specialiseret cybersikkerhedsmodel bygget oven på Gemini 3.5 Flash og finjusteret til sårbarhedsopdagelse, validering og patch-generering.
Dette er ikke en normal offentlig API-model. Google siger, at den vil være tilgængelig for regeringer og betroede partnere gennem CodeMender som en del af et pilotprogram med begrænset adgang. Den begrænsning betyder noget for udviklere: Design ikke en offentlig SaaS-roadmap omkring direkte adgang til Flash Cyber, medmindre du er en del af den pilot eller et godkendt defensivt sikkerhedsprogram.
Modellen er stadig vigtig, fordi den viser, hvor Google tager Gemini hen: effektive specialistmodeller koordineret af agentinfrastruktur. I stedet for at lade én frontier-model gøre alt bygger Google mindre specialiserede systemer, der kan køre gentagne scanninger, kombinere rapporter og patche kode til lavere omkostning.
Bør du springe Gemini 3.5 Pro over?
Det praktiske svar
For de fleste produktionsteams, ja: begynd at evaluere Gemini 3.6 Flash og Gemini 3.5 Flash-Lite nu i stedet for at vente på Gemini 3.5 Pro eller Gemini 4 Pro.
Det betyder ikke, at Gemini 3.5 Pro bliver uvigtig. Det betyder, at de nyeste tilgængelige modeller allerede dækker en stor del af AI-arbejdsbelastninger med høj volumen: kodeagenter, retrieval-agenter, dokumentarbejdsgange, multimodal parsing, dataekstraktion, prompt-routing, UI-automatisering, lang-kontekst review og agent-subopgaveeksekvering.
Googles egen meddelelse siger, at Gemini 3.5 Pro stadig testes med partnere og vil blive udgivet bredt, når den er klar. Der er ikke behov for en offentlig gemini-3.5-pro API-modellside, endelig prisliste eller modelkort for at begynde at forbedre produktionsøkonomien i dag.
Hvornår det stadig giver mening at vente på Gemini 3.5 Pro
Du bør stadig holde øje med Gemini 3.5 Pro eller Gemini 4 Pro, hvis din arbejdsbyrde har mere brug for banebrydende ræsonnering end gennemløb. Eksempler omfatter avanceret forskningssyntese, meget kompleks flerfils-ingeniørarbejde, svær matematik, videnskabelig ræsonnering, virksomhedsanalyser med høj risiko og opgaver, hvor en Flash-model stadig fejler efter omhyggelig prompt- og værktøjsdesign.
Den stærkeste modelstrategi er ikke "vent på Pro" eller "erstat alt med Flash." Det er tiered routing:
- Brug Gemini 3.5 Flash-Lite til lavpris, højvolumen underopgaver.
- Brug Gemini 3.6 Flash til kodning, multimodal analyse, dokumentgennemgang, lang-kontekst syntese og agentiske arbejdsgange.
- Rout de sværeste eller mest risikable forespørgsler til en frontier-ræsonneringsmodel via CometAPI.
- Tilføj Gemini 3.5 Pro til benchmark-suiten, når Google og CometAPI gør den tilgængelig.
Gemini 3.6 Flash benchmarks: Hvad er blevet forbedret?
Google DeepMind benchmarktabel
Google DeepMinds side for Gemini 3.6 Flash viser følgende sammenligninger mod Gemini 3.5 Flash:
| Benchmark | Hvad den måler | Gemini 3.6 Flash | Gemini 3.5 Flash | Ændring |
|---|---|---|---|---|
| SWE-Bench Pro | Diverse agentiske kodningsopgaver | 58,7% | 55,1% | +3,6 pkt |
| DeepSWE v1.1 | Langsigtet softwareingeniørarbejde | 49% | 37% | +12 pkt |
| Terminal-Bench 2.1 | Agentisk terminalkodning | 78,0% | 76,2% | +1,8 pkt |
| MLE-Bench | Maskinlærings-ingeniørarbejde | 63,9% | 49,7% | +14,2 pkt |
| GDPval-AA v2 | Elo for vidensarbejde | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | Agentisk computerbrug | 83,0% | 78,4% | +4,6 pkt |
| CharXiv reasoning, no tools | Diagram- og informationssyntese | 85,2% | 84,2% | +1,0 pkt |
| CharXiv reasoning, with tools | Diagram- og informationssyntese | 89,4% | 84,9% | +4,5 pkt |
| GDM-MRCR v2, 128K average | Lang-kontekst retrieval | 91,8% | 77,3% | +14,5 pkt |
| GDM-MRCR v2, 1M pointwise | Lang-kontekst retrieval | 54,0% | 26,6% | +27,4 pkt |
De største gevinster er præcis på de områder, der betyder mest for agenter: langhorisont-kodning, maskinlærings-ingeniørarbejde, lang-kontekst retrieval og computerbrug. De mindre gevinster i Terminal-Bench og CharXiv viser, at dette ikke er en ensartet "alt blev fordoblet"-udgivelse. Det er en målrettet forbedring i pålidelighed, tokeneffektivitet og vanskelig flertrins eksekvering.
Uafhængige data fra Artificial Analysis
Artificial Analysis giver en nyttig modvægt til leverandørernes benchmarktabeller. Deres skriv den juli 2026 siger, at Gemini 3.6 Flash bevarer samme Intelligence Index-score som Gemini 3.5 Flash: 50. Det er vigtigt, fordi det antyder, at Gemini 3.6 Flash ikke nødvendigvis er et spring i rå intelligens.
Den store forbedring er effektivitet:
| Metrik | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| Gennemsnitlig tid pr. opgave | 1,3 minutter | 2,7 minutter |
| Gennemsnitlig omkostning pr. opgave | $0.50 | $0.59 |
| Output-hastighed | 251,3 tokens/s | Ikke i denne tabel |
| Tid til første token | 14,00 s | Ikke i denne tabel |
Derfor er den bedste overskrift ikke "Gemini 3.6 Flash er klogere end alt andet." En mere præcis overskrift er: Gemini 3.6 Flash gør agent-arbejdsbelastninger billigere og hurtigere uden at ofre Gemini 3.5 Flashs intelligensniveau.
DeepSWE: Data for langhorisont-kodning
DeepSWE fra Datacurve er særlig relevant, fordi det fokuserer på originale, langhorisont softwareingeniøropgaver. Dets leaderboard beskriver 113 opgaver på tværs af 91 repositories og 5 sprog.
På leaderboardet den 21. juli 2026:
| Model | Pass@1 | Gennemsnitsomkostning | Output-tokens | Agenttrin |
|---|---|---|---|---|
| Gemini 3.6 Flash high | 49% ±5 | $3.53 | 97K | 108 |
| Gemini 3.5 Flash medium | 37% ±2 | $7.34 | 276K | 86 |
Det mest interessante tal er ikke kun de 12 point i pass@1. Det er faldet i output-tokens: 97K mod 276K. Det er cirka 65% færre output-tokens, hvilket matcher Googles lanceringserklæring. For kodeagenter kan færre output-tokens betyde mindre drift, færre omstændelige reparationssløjfer, mindre kontekstforurening og lavere omkostning pr. løst issue.
Kilde: Gemini
Gemini 3.5 Flash-Lite benchmarks: Hvorfor det betyder noget
Flash-Lite er throughput-modellen
Gemini 3.5 Flash-Lite er designet til eksekvering i høj volumen. Det er modellen, du skal teste, når dit system skal behandle tusinder eller millioner af små eller mellemstore opgaver:
- kvitteringsekstraktion,
- parsning af produktkataloger,
- mærkning af dokumentchunks,
- oversættelse,
- klassifikation,
- syntese af søgeresultater,
- omskrivning af forespørgsler,
- routing af værktøjskald,
- lette kodeopgaver,
- eksekvering af agent-underopgaver,
- multimodal dataekstraktion.
Google siger, at Flash-Lite når 350 output-tokens per sekund ifølge Artificial Analysis og er prissat til $0.30/M input-tokens og $2.50/M output-tokens på standardlaget i Gemini API.
Flash-Lite versus Gemini 3.1 Flash-Lite
Google DeepMinds modelkort viser store gevinster i forhold til Gemini 3.1 Flash-Lite:
| Benchmark | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | Ændring |
|---|---|---|---|
| SWE-Bench Pro | 54,2% | 38,3% | +15,9 pkt |
| Terminal-Bench 2.1 | 54,0% | 31,0% | +23,0 pkt |
| MLE-Bench | 39,2% | 22,0% | +17,2 pkt |
| GDPval-AA v2 | 1140 | 642 | +498 Elo |
| OSWorld-Verified | 74,0% | 54,3% | +19,7 pkt |
| CharXiv, no tools | 74,5% | 73,2% | +1,3 pkt |
| CharXiv, with tools | 76,5% | 75,6% | +0,9 pkt |
| GDM-MRCR v2, 128K average | 72,2% | 60,1% | +12,1 pkt |
| GDM-MRCR v2, 1M pointwise | 21,3% | 12,3% | +9,0 pkt |
Artificial Analysis rapporterer også et hop i Intelligence Index fra 25 for Gemini 3.1 Flash-Lite til 36 for Gemini 3.5 Flash-Lite, mens tid pr. opgave falder fra 1,0 minut til 0,6 minutter. Afsavnssiden er, at omkostning pr. opgave steg fra $0,04 til $0,09 i det benchmark-sæt, fordi den nye model er prissat højere end 3.1 Flash-Lite.
Kilde: Gemini
Den afvejning er acceptabel, hvis den forbedrede kvalitet reducerer efterfølgende retries, menneskelig gennemgang eller eskalering til en dyrere model. Den er mindre attraktiv, hvis din arbejdsbyrde allerede løses perfekt af Gemini 3.1 Flash-Lite. Test, før du migrerer al trafik.
Betydningen af Gemini-udgivelsen
Den bekræfter skiftet fra "største model" til "bedste arbejdshest"
AI-markedet fokuserer ofte på frontier-flagskibsmodeller. Gemini 3.6 Flash peger i en anden retning: produktions-AI-systemer har brug for pålidelige, hurtige, omkostningseffektive modeller, der kan løse mange rigtige opgaver uden spild.
Derfor fremhæver udgivelsen tokeneffektivitet, færre værktøjskald, lavere latenstid og færre revisionssløjfer. For udviklere er dette ikke sekundære målinger. De afgør, om en AI-agent kan køre i skala uden at chokere finansholdet.
Den giver Google en stærkere produktionsmodel, mens Gemini 3.5 Pro venter
Gemini 3.5 Pro er stadig i partnertest. I stedet for at vente på Pro udgav Google en stærkere Flash-model og en billigere Flash-Lite-model. Det giver udviklere to umiddelbare muligheder:
- Gemini 3.6 Flash til stærkere arbejdshest-intelligens.
- Gemini 3.5 Flash-Lite til billigere, hurtigere eksekvering i høj volumen.
Dette er en praktisk produktstrategi. Mange virksomheder har ikke brug for den dyreste model til hver forespørgsel. De har brug for en modelportefølje og routinglogik.
Den gør model-routing vigtigere
Gemini 3.6 Flash bør ikke bruges overalt. Det bør Flash-Lite heller ikke. De bedste AI-systemer i 2026 vil route dynamisk:
- Start billigt, når opgaven er enkel.
- Brug Gemini 3.6 Flash, når ræsonnering, multimodal forståelse eller værktøjsbrug er vigtigt.
- Eskaler kun, når en forespørgsel falder under tillidstærskler.
- Cache gentagen lang kontekst.
- Overvåg omkostning pr. succesfuld opgave, ikke kun omkostning pr. token.
Dette er den stærkeste CometAPI-anbefaling i artiklen: Vælg ikke én model som hele din AI-strategi. Byg en router, og lad hver model gøre sig fortjent til sin trafik.
FAQs
Er Gemini 3.5 Pro tilgængelig nu?
Ikke som en offentlig generelt tilgængelig Gemini API-model på tidspunktet for skrivningen i juli 2026. Google siger, at Gemini 3.5 Pro testes med partnere og vil blive udgivet bredt, når den er klar.
Er Gemini 3.6 Flash bedre end Gemini 3.5 Flash?
For mange produktionsagent- og kodearbejdsgange, ja. Google rapporterer bedre benchmarkresultater og lavere brug af output-tokens. Artificial Analysis rapporterer lignende Intelligence Index-kvalitet, men lavere tid pr. opgave og lavere omkostning pr. opgave.
Hvad er Gemini 3.5 Flash-Lite bedst til?
Gemini 3.5 Flash-Lite er bedst til arbejdsbelastninger med høj volumen, lav latenstid og omkostningsfølsomhed, såsom ekstraktion, klassifikation, oversættelse, søgning, routing og underagent-eksekvering.
Kan jeg bruge Gemini 3.5 Flash Cyber via den offentlige Gemini API?
Google beskriver Gemini 3.5 Flash Cyber som en model med begrænset adgang tilgængelig for regeringer og betroede partnere gennem CodeMender. Den er ikke positioneret som en standard offentlig API-model.
Hvor meget koster Gemini 3.6 Flash?
Googles standardpriser for Gemini API lister Gemini 3.6 Flash til $1.50 per 1M input-tokens og $7.50 per 1M output-tokens. CometAPI angiver den aktuelt til $1.20/M input og $6.00/M output. Verificér altid live-priser før udrulning i produktion.
Hvor meget koster Gemini 3.5 Flash-Lite?
Googles standardpriser for Gemini API lister Gemini 3.5 Flash-Lite til $0.30 per 1M input-tokens og $2.50 per 1M output-tokens. CometAPI angiver den aktuelt til $0.24/M input og $2.016/M output. Verificér altid live-priser før udrulning i produktion.
Bør udviklere vente på Gemini 3.5 Pro?
De fleste teams bør ikke vente. Begynd at teste Gemini 3.6 Flash til komplekse arbejdsgange og Gemini 3.5 Flash-Lite til underopgaver i høj volumen nu. Tilføj Gemini 3.5 Pro til din benchmark-suite, når offentlige specifikationer, priser og tilgængelighed er bekræftet.
Endelig vurdering
Googles Gemini-udgivelse i juli 2026 skal forstås som en effektivitetsudgivelse, ikke en flagskibs-Pro-udgivelse. Gemini 3.6 Flash fjerner ikke behovet for en fremtidig Gemini 3.5 Pro, men den giver udviklere noget umiddelbart nyttigt: en generelt tilgængelig model med stærk kodning, multimodal, lang-kontekst og agentisk ydeevne til lavere omkostning i output-tokens end Gemini 3.5 Flash.
Gemini 3.5 Flash-Lite udfylder den anden halvdel af produktionsstakken. Det er den billige, hurtige model til underopgaver, der ikke kræver maksimal ræsonneringsdybde. Gemini 3.5 Flash Cyber peger mod en fremtid med specialiserede defensive-sikkerhedsagenter, men dens begrænsede adgang gør den mere relevant som et strategisk signal end et generelt udviklerværktøj i dag.