TLDR La dernière version de Gemini de Google n’est pas le très attendu Gemini 3.5 Pro. À la place, Google a livré trois modèles axés sur l’efficacité : Gemini 3.6 Flash, Gemini 3.5 Flash-Lite et Gemini 3.5 Flash Cyber. Le message pratique est clair : Google privilégie l’économie des agents, la latence, l’efficacité en jetons et l’automatisation de sécurité spécialisée tandis que son modèle Pro phare est encore en phase de test.
Pour les développeurs, la meilleure approche n’est pas d’attendre passivement Gemini 3.5 Pro. Utilisez Gemini 3.6 Flash comme candidat de mise à niveau par défaut pour les agents complexes et les workflows de codage, utilisez Gemini 3.5 Flash-Lite pour l’extraction et le routage à grande échelle, et conservez une stratégie de repli inter-modèles pour les tâches de raisonnement de frontière. CometAPI fournit un accès unifié à plus de 500 modèles avec une seule clé API compatible OpenAI, afin que Gemini puisse être testé aux côtés de GPT, Claude, DeepSeek, Kimi, Qwen et d’autres modèles sans reconstruire votre intégration.
Points clés
- Google a annoncé Gemini 3.6 Flash, Gemini 3.5 Flash-Lite et Gemini 3.5 Flash Cyber le 21 juillet 2026. Gemini 3.5 Pro n’a pas été publié lors de ce lancement. Google indique qu’il est en test avec des partenaires et sera largement disponible lorsqu’il sera prêt.
- Gemini 3.6 Flash est généralement disponible dans l’API Gemini, Google AI Studio, Gemini Enterprise Agent Platform, l’application Gemini et Google Antigravity. Gemini 3.5 Flash-Lite est généralement disponible dans l’API Gemini et vise des workflows à haut débit et faible coût.
- Gemini 3.5 Flash Cyber est en accès limité, conçu pour la détection de vulnérabilités, la validation et la génération de correctifs au sein de CodeMender.
- Google indique que Gemini 3.6 Flash utilise 17 % de jetons de sortie en moins que 3.5 Flash sur Artificial Analysis et jusqu’à 65 % de jetons de sortie en moins dans des tests de type DeepSWE.
- Artificial Analysis rapporte de manière indépendante Gemini 3.6 Flash avec un score Intelligence Index de 50, 251,3 jetons de sortie/s, et une réduction du coût moyen par tâche de 0,59 $ à 0,50 $ par rapport à Gemini 3.5 Flash.
- DeepSWE liste Gemini 3.6 Flash à 49 % de pass@1 avec un coût moyen de 3,53 $ par tâche, comparé à Gemini 3.5 Flash à 37 % de pass@1 et 7,34 $ de coût moyen par tâche.
- CometAPI indique actuellement Gemini 3.6 Flash à 1,20 $/M en entrée et 6,00 $/M en sortie, et Gemini 3.5 Flash-Lite à 0,24 $/M en entrée et 2,016 $/M en sortie. Vérifiez le tableau de bord en direct avant de publier des prix dans l’interface produit.
Qu’est-ce que Google a publié ?
Gemini 3.6 Flash
Gemini 3.6 Flash est le modèle le plus important de la version pour les développeurs généralistes. C’est un modèle stable de la catégorie Flash, conçu pour des agents de production, le codage, des workflows multimodaux, l’analyse de documents, le raisonnement à long contexte et le travail de connaissance.
Google décrit Gemini 3.6 Flash comme un modèle de travail qui offre de meilleures performances en codage, travail de connaissance et multimodal que Gemini 3.5 Flash tout en améliorant l’efficacité en jetons. La page officielle de l’API Gemini indique que le modèle est conçu pour l’ère des agents et est particulièrement efficace pour le codage rapide et les boucles d’itération.
L’identifiant public du modèle est :
gemini-3.6-flash
Spécifications essentielles : voir la page du modèle Gemini 3.6 Flash.
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite est le modèle d’efficacité de cette version. Google le positionne comme le modèle de classe 3.5 le plus rapide et le plus économique, optimisé pour l’exécution à haut débit, le parsing de documents, la traduction, la classification, le routage et l’extraction simple de données.
L’identifiant public du modèle est :
gemini-3.5-flash-lite
Spécifications essentielles : voir la page du modèle Gemini 3.5 Flash-Lite.
La distinction clé ne porte pas sur la fenêtre de contexte. Flash-Lite conserve le même profil de 1M en entrée et 64K en sortie que 3.6 Flash. La différence réside dans l’intention de routage : Flash-Lite est destiné au débit et à la maîtrise des coûts ; 3.6 Flash vise les tâches plus difficiles où la qualité et la fiabilité des outils sont plus importantes.
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber est un modèle de cybersécurité spécialisé, conçu sur la base de Gemini 3.5 Flash et affiné pour la découverte de vulnérabilités, la validation et la génération de correctifs.
Ce n’est pas un modèle API public normal. Google précise qu’il sera disponible pour les gouvernements et des partenaires de confiance via CodeMender dans le cadre d’un programme pilote à accès limité. Cette limitation est importante pour les développeurs : n’élaborez pas une feuille de route SaaS publique autour d’un accès direct à Flash Cyber sauf si vous faites partie de ce pilote ou d’un programme de sécurité défensive agréé.
Le modèle reste important car il montre la direction prise par Google avec Gemini : des modèles spécialisés efficaces coordonnés par une infrastructure d’agents. Plutôt que de faire tout reposer sur un seul modèle de frontière, Google construit de plus petits systèmes spécialisés capables d’exécuter des scans répétés, de combiner des rapports et de corriger du code à moindre coût.
Faut-il ignorer Gemini 3.5 Pro ?
La réponse pratique
Pour la plupart des équipes de production, oui : commencez à évaluer dès maintenant Gemini 3.6 Flash et Gemini 3.5 Flash-Lite au lieu d’attendre Gemini 3.5 Pro ou Gemini 4 Pro.
Cela ne signifie pas que Gemini 3.5 Pro sera sans importance. Cela signifie que les modèles disponibles les plus récents couvrent déjà une large part des charges de travail IA à haut volume : agents de codage, agents de recherche, workflows documentaires, parsing multimodal, extraction de données, routage de prompts, automatisation UI, revue de contexte long et exécution de sous-tâches d’agent.
L’annonce de Google elle-même indique que Gemini 3.5 Pro est encore en test avec des partenaires et sera publié largement lorsqu’il sera prêt. Aucune page modèle API publique gemini-3.5-pro, tableau de prix final ou fiche du modèle n’est nécessaire pour commencer à améliorer l’économie de production dès aujourd’hui.
Quand attendre Gemini 3.5 Pro reste pertinent
Vous devriez continuer à surveiller Gemini 3.5 Pro ou Gemini 4 Pro si votre charge de travail a besoin davantage de raisonnement de frontière que de débit. Exemples : synthèse de recherche avancée, ingénierie multi-fichiers très complexe, mathématiques difficiles, raisonnement scientifique, analyses d’entreprise à forts enjeux, et tâches où un modèle Flash échoue encore après un design soigneux du prompt et des outils.
La stratégie de modèle la plus solide n’est ni « attendre le Pro » ni « tout remplacer par Flash ». C’est un routage par niveaux :
- Utilisez Gemini 3.5 Flash-Lite pour des sous-tâches à faible coût et haut volume.
- Utilisez Gemini 3.6 Flash pour le codage, l’analyse multimodale, la revue de documents, la synthèse à long contexte et les workflows d’agents.
- Routez les requêtes les plus difficiles ou les plus risquées vers un modèle de raisonnement de frontière via CometAPI.
- Ajoutez Gemini 3.5 Pro à votre suite de benchmarks lorsque Google et CometAPI le rendront disponible.
Benchmarks de Gemini 3.6 Flash : qu’est-ce qui a été amélioré ?
Tableau de benchmarks de Google DeepMind
Google DeepMind présente sur la page de Gemini 3.6 Flash les comparaisons suivantes avec Gemini 3.5 Flash :
| Benchmark | Ce que cela mesure | Gemini 3.6 Flash | Gemini 3.5 Flash | Évolution |
|---|---|---|---|---|
| SWE-Bench Pro | Tâches de codage agentiques variées | 58,7 % | 55,1 % | +3,6 pts |
| DeepSWE v1.1 | Ingénierie logicielle à long horizon | 49 % | 37 % | +12 pts |
| Terminal-Bench 2.1 | Codage agentique en terminal | 78,0 % | 76,2 % | +1,8 pts |
| MLE-Bench | Ingénierie en machine learning | 63,9 % | 49,7 % | +14,2 pts |
| GDPval-AA v2 | Elo du travail de connaissance | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | Utilisation agentique de l’ordinateur | 83,0 % | 78,4 % | +4,6 pts |
| CharXiv reasoning, no tools | Synthèse de graphiques et d’informations | 85,2 % | 84,2 % | +1,0 pt |
| CharXiv reasoning, with tools | Synthèse de graphiques et d’informations | 89,4 % | 84,9 % | +4,5 pts |
| GDM-MRCR v2, 128K average | Récupération à long contexte | 91,8 % | 77,3 % | +14,5 pts |
| GDM-MRCR v2, 1M pointwise | Récupération à long contexte | 54,0 % | 26,6 % | +27,4 pts |
Les gains les plus importants se situent précisément dans les domaines qui comptent pour les agents : codage à long horizon, ingénierie en machine learning, récupération à long contexte et utilisation de l’ordinateur. Les gains plus modestes sur Terminal-Bench et CharXiv montrent qu’il ne s’agit pas d’une version uniforme « tout a doublé ». C’est une amélioration ciblée de la fiabilité, de l’efficacité en jetons et de l’exécution multi-étapes difficile.
Données indépendantes d’Artificial Analysis
Artificial Analysis offre un contrepoids utile aux tableaux de benchmarks des fournisseurs. Son rapport de juillet 2026 indique que Gemini 3.6 Flash conserve le même score Intelligence Index que Gemini 3.5 Flash : 50. C’est important car cela suggère que Gemini 3.6 Flash n’est pas nécessairement une avancée en intelligence brute.
La grande amélioration porte sur l’efficacité :
| Mesure | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| Temps moyen par tâche | 1,3 minute | 2,7 minutes |
| Coût moyen par tâche | 0,50 $ | 0,59 $ |
| Vitesse de sortie | 251,3 jetons/s | Non indiqué dans ce tableau |
| Temps jusqu’au premier jeton | 14,00 s | Non indiqué dans ce tableau |
C’est pourquoi le meilleur titre n’est pas « Gemini 3.6 Flash est plus intelligent que tout ». Un titre plus exact serait : Gemini 3.6 Flash rend les charges de travail des agents moins coûteuses et plus rapides sans sacrifier le niveau d’intelligence de Gemini 3.5 Flash.
DeepSWE : données de codage à long horizon
DeepSWE de Datacurve est particulièrement pertinent car il se concentre sur des tâches d’ingénierie logicielle originales à long horizon. Son classement décrit 113 tâches réparties sur 91 dépôts et 5 langues.
Sur le classement du 21 juillet 2026 :
| Modèle | Pass@1 | Coût moyen | Jetons de sortie | Étapes de l’agent |
|---|---|---|---|---|
| Gemini 3.6 Flash élevé | 49 % ±5 | 3,53 $ | 97K | 108 |
| Gemini 3.5 Flash moyen | 37 % ±2 | 7,34 $ | 276K | 86 |
Le nombre le plus intéressant n’est pas seulement le gain de 12 points en pass@1. C’est la baisse des jetons de sortie : 97K contre 276K. Cela représente environ 65 % de jetons de sortie en moins, ce qui correspond à l’affirmation de lancement de Google. Pour les agents de codage, moins de jetons de sortie peuvent signifier moins de dérive, moins de boucles de réparation bavardes, moins de pollution de contexte et un coût inférieur par problème résolu.
Source : Gemini
Benchmarks de Gemini 3.5 Flash-Lite : pourquoi c’est important
Flash-Lite est le modèle de débit
Gemini 3.5 Flash-Lite est conçu pour l’exécution à haut volume. C’est le modèle à tester lorsque votre système doit traiter des milliers ou des millions de tâches petites ou moyennes :
- extraction de reçus,
- analyse de catalogues produits,
- étiquetage de segments de document,
- traduction,
- classification,
- synthèse de résultats de recherche,
- réécriture de requêtes,
- routage des appels d’outils,
- tâches de codage légères,
- exécution de sous-tâches d’agent,
- extraction de données multimodales.
Google indique que Flash-Lite atteint 350 jetons de sortie par seconde selon Artificial Analysis et est tarifé à 0,30 $/M de jetons en entrée et 2,50 $/M de jetons en sortie sur le niveau standard de l’API Gemini.
Flash-Lite comparé à Gemini 3.1 Flash-Lite
La fiche du modèle chez Google DeepMind montre des gains majeurs par rapport à Gemini 3.1 Flash-Lite :
| Benchmark | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | Évolution |
|---|---|---|---|
| SWE-Bench Pro | 54,2 % | 38,3 % | +15,9 pts |
| Terminal-Bench 2.1 | 54,0 % | 31,0 % | +23,0 pts |
| MLE-Bench | 39,2 % | 22,0 % | +17,2 pts |
| GDPval-AA v2 | 1140 | 642 | +498 Elo |
| OSWorld-Verified | 74,0 % | 54,3 % | +19,7 pts |
| CharXiv, no tools | 74,5 % | 73,2 % | +1,3 pt |
| CharXiv, with tools | 76,5 % | 75,6 % | +0,9 pt |
| GDM-MRCR v2, 128K average | 72,2 % | 60,1 % | +12,1 pts |
| GDM-MRCR v2, 1M pointwise | 21,3 % | 12,3 % | +9,0 pts |
Artificial Analysis rapporte également un saut de Intelligence Index de 25 pour Gemini 3.1 Flash-Lite à 36 pour Gemini 3.5 Flash-Lite, tandis que le temps par tâche passe de 1,0 minute à 0,6 minute. Le compromis est que le coût par tâche a augmenté de 0,04 $ à 0,09 $ dans ce jeu de benchmarks parce que le nouveau modèle est tarifé plus haut que 3.1 Flash-Lite.
Source : Gemini
Ce compromis est acceptable si la qualité améliorée réduit les reprises, la revue humaine ou l’escalade vers un modèle plus coûteux en aval. Il est moins attrayant si votre charge de travail est déjà parfaitement résolue par Gemini 3.1 Flash-Lite. Testez avant de migrer tout le trafic.
La portée de la version Gemini
Cela confirme le passage du « plus grand modèle » au « meilleur cheval de bataille »
Le marché de l’IA se concentre souvent sur les modèles phares de frontière. Gemini 3.6 Flash indique une direction différente : les systèmes d’IA de production ont besoin de modèles fiables, rapides et économiques qui peuvent accomplir de nombreuses tâches réelles sans gaspillage.
C’est pourquoi la version met l’accent sur l’efficacité en jetons, moins d’appels d’outils, une latence plus faible et moins de boucles de révision. Pour les développeurs, ce ne sont pas des métriques secondaires. Elles déterminent si un agent d’IA peut fonctionner à l’échelle sans surprendre l’équipe finance.
Cela donne à Google un modèle de production plus solide tandis que Gemini 3.5 Pro se fait attendre
Gemini 3.5 Pro est encore en test auprès de partenaires. Au lieu d’attendre Pro, Google a publié un modèle Flash plus robuste et un modèle Flash-Lite moins cher. Cela offre aux développeurs deux options immédiates :
- Gemini 3.6 Flash pour une intelligence de cheval de bataille plus forte.
- Gemini 3.5 Flash-Lite pour une exécution moins chère et plus rapide à haut volume.
C’est une stratégie produit pragmatique. Beaucoup d’entreprises n’ont pas besoin du modèle le plus cher pour chaque requête. Elles ont besoin d’un portefeuille de modèles et d’une logique de routage.
Cela rend le routage des modèles plus important
Gemini 3.6 Flash ne doit pas être utilisé partout. Flash-Lite non plus. Les meilleurs systèmes d’IA en 2026 routeront dynamiquement :
- Commencez par le moins cher quand la tâche est simple.
- Utilisez Gemini 3.6 Flash lorsque le raisonnement, la compréhension multimodale ou l’usage d’outils est important.
- Escaladez uniquement lorsqu’une requête échoue aux seuils de confiance.
- Cachez les contextes longs répétés.
- Surveillez le coût par tâche réussie, pas seulement le coût par jeton.
FAQs
Gemini 3.5 Pro est-il disponible maintenant ?
Pas en tant que modèle de l’API Gemini généralement disponible au moment de la rédaction, en juillet 2026. Google indique que Gemini 3.5 Pro est en test avec des partenaires et sera publié largement lorsqu’il sera prêt.
Gemini 3.6 Flash est-il meilleur que Gemini 3.5 Flash ?
Pour de nombreux workflows d’agents de production et de codage, oui. Google rapporte de meilleurs résultats de benchmarks et une utilisation réduite des jetons de sortie. Artificial Analysis rapporte une qualité similaire d’Intelligence Index mais un temps par tâche et un coût par tâche plus faibles.
À quoi Gemini 3.5 Flash-Lite convient-il le mieux ?
Gemini 3.5 Flash-Lite convient le mieux aux charges de travail à haut volume, sensibles à la latence et au coût, comme l’extraction, la classification, la traduction, la recherche, le routage et l’exécution de sous-agents.
Puis-je utiliser Gemini 3.5 Flash Cyber via l’API publique Gemini ?
Google présente Gemini 3.5 Flash Cyber comme un modèle à accès limité, disponible pour les gouvernements et des partenaires de confiance via CodeMender. Il n’est pas positionné comme un modèle API public standard.
Combien coûte Gemini 3.6 Flash ?
La tarification standard de l’API Gemini liste Gemini 3.6 Flash à 1,50 $ par 1M de jetons en entrée et 7,50 $ par 1M de jetons en sortie. CometAPI l’indique actuellement à 1,20 $/M en entrée et 6,00 $/M en sortie. Vérifiez toujours la tarification en direct avant un déploiement en production.
Combien coûte Gemini 3.5 Flash-Lite ?
La tarification standard de l’API Gemini liste Gemini 3.5 Flash-Lite à 0,30 $ par 1M de jetons en entrée et 2,50 $ par 1M de jetons en sortie. CometAPI l’indique actuellement à 0,24 $/M en entrée et 2,016 $/M en sortie. Vérifiez toujours la tarification en direct avant un déploiement en production.
Les développeurs devraient-ils attendre Gemini 3.5 Pro ?
La plupart des équipes ne devraient pas attendre. Commencez à tester Gemini 3.6 Flash pour les workflows complexes et Gemini 3.5 Flash-Lite pour les sous-tâches à haut volume dès maintenant. Ajoutez Gemini 3.5 Pro à votre suite de benchmarks lorsque les spécifications publiques, la tarification et la disponibilité seront confirmées.
Verdict final
La version Gemini de juillet 2026 doit être comprise comme une version axée sur l’efficacité, et non comme une version Pro phare. Gemini 3.6 Flash n’efface pas le besoin d’un futur Gemini 3.5 Pro, mais il apporte aux développeurs quelque chose d’immédiatement utile : un modèle généralement disponible avec de bonnes performances en codage, multimodal, long contexte et agentique, à un coût de jetons de sortie inférieur à Gemini 3.5 Flash.
Gemini 3.5 Flash-Lite complète l’autre moitié de la pile de production. C’est le modèle bon marché et rapide pour les sous-tâches qui n’ont pas besoin d’une profondeur de raisonnement maximale. Gemini 3.5 Flash Cyber pointe vers un avenir d’agents spécialisés en sécurité défensive, mais son accès limité en fait davantage un signal stratégique qu’un outil générique pour les développeurs aujourd’hui.