TLDR Rilis Gemini terbaru dari Google bukanlah Gemini 3.5 Pro yang telah lama dinantikan. Alih-alih, Google merilis tiga model berfokus pada efisiensi: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, dan Gemini 3.5 Flash Cyber. Pesan praktisnya jelas: Google memprioritaskan ekonomi agen, latensi, efisiensi token, dan otomatisasi keamanan khusus sementara model Pro andalan masih diuji.
Bagi Developer, langkah terbaik bukan menunggu pasif Gemini 3.5 Pro. Gunakan Gemini 3.6 Flash sebagai kandidat upgrade default untuk agen kompleks dan alur kerja coding, gunakan Gemini 3.5 Flash-Lite untuk ekstraksi dan perutean ber-volume tinggi, dan siapkan strategi fallback lintas model untuk tugas penalaran terdepan. CometAPI menyediakan akses terpadu ke 500+ model melalui satu kunci API yang kompatibel dengan OpenAI, sehingga Gemini dapat diuji bersama GPT, Claude, DeepSeek, Kimi, Qwen, dan model lain tanpa membangun ulang integrasi Anda.
Poin Penting
- Google mengumumkan Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, dan Gemini 3.5 Flash Cyber pada 21 Juli 2026. Gemini 3.5 Pro tidak dirilis dalam peluncuran ini. Google mengatakan model tersebut sedang diuji dengan mitra dan akan tersedia luas saat siap.
- Gemini 3.6 Flash tersedia secara umum di Gemini API, Google AI Studio, Gemini Enterprise Agent Platform, aplikasi Gemini, dan Google Antigravity. Gemini 3.5 Flash-Lite tersedia secara umum di Gemini API dan menargetkan alur kerja ber-throughput tinggi dengan biaya rendah.
- Gemini 3.5 Flash Cyber aksesnya terbatas, dirancang untuk deteksi, validasi, dan patching kerentanan di dalam CodeMender.
- Google melaporkan Gemini 3.6 Flash menggunakan 17% lebih sedikit token output dibanding 3.5 Flash pada Artificial Analysis dan hingga 65% lebih sedikit token output dalam uji bergaya DeepSWE.
- Artificial Analysis secara independen melaporkan Gemini 3.6 Flash dengan skor Intelligence Index 50, 251.3 token output/detik, dan penurunan biaya tugas rata-rata dari $0.59 menjadi $0.50 dibanding Gemini 3.5 Flash.
- DeepSWE mencatat Gemini 3.6 Flash pada 49% pass@1 dengan biaya rata-rata per tugas $3.53, dibandingkan dengan Gemini 3.5 Flash pada 37% pass@1 dan biaya rata-rata per tugas $7.34.
- CometAPI saat ini mencantumkan Gemini 3.6 Flash pada $1.20/M input dan $6.00/M output, serta Gemini 3.5 Flash-Lite pada $0.24/M input dan $2.016/M output. Periksa dasbor live sebelum menerbitkan harga di dalam UI produk.
Apa yang Dirilis Google?
Gemini 3.6 Flash
Gemini 3.6 Flash adalah model terpenting dalam rilis ini untuk developer umum. Ini adalah model kelas Flash yang stabil, dibangun untuk agen produksi, coding, alur kerja multimodal, analisis dokumen, penalaran konteks panjang, dan pekerjaan pengetahuan.
Google menggambarkan Gemini 3.6 Flash sebagai model andalan kerja yang menghadirkan performa coding, pekerjaan pengetahuan, dan multimodal yang lebih baik daripada Gemini 3.5 Flash sambil meningkatkan efisiensi token. Halaman resmi Gemini API menyatakan model ini dirancang untuk era agentic dan sangat efektif untuk coding cepat dan loop iterasi.
ID publik model ini adalah:
gemini-3.6-flash
Spesifikasi inti lihat halaman model Gemini 3.6 Flash.
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite adalah model efisiensi dalam rilis ini. Google memposisikannya sebagai model kelas 3.5 tercepat dan paling hemat biaya, dioptimalkan untuk eksekusi ber-throughput tinggi, parsing dokumen, terjemahan, klasifikasi, perutean, dan ekstraksi data sederhana.
ID publik model ini adalah:
gemini-3.5-flash-lite
Spesifikasi inti lihat halaman model Gemini 3.5 Flash-Lite.
Perbedaan utama bukan pada jendela konteks. Flash-Lite mempertahankan profil input 1M dan output 64K yang sama seperti 3.6 Flash. Bedanya ada pada niat perutean: Flash-Lite untuk throughput dan kontrol biaya; 3.6 Flash untuk tugas yang lebih sulit di mana kualitas dan keandalan alat lebih penting.
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber adalah model keamanan siber khusus yang dibangun di atas Gemini 3.5 Flash dan di-fine-tune untuk penemuan kerentanan, validasi, dan pembuatan patch.
Ini bukan model API publik normal. Google mengatakan model ini akan tersedia bagi pemerintah dan mitra tepercaya melalui CodeMender sebagai bagian dari program pilot akses terbatas. Batasan tersebut penting bagi developer: jangan merancang roadmap SaaS publik berdasarkan akses langsung ke Flash Cyber kecuali Anda bagian dari pilot tersebut atau program keamanan defensif yang tervetting.
Model ini tetap penting karena menunjukkan arah pengembangan Gemini oleh Google: model spesialis yang efisien dikoordinasikan oleh infrastruktur agen. Alih-alih membuat satu model frontier melakukan semuanya, Google membangun sistem yang lebih kecil dan terspesialisasi yang dapat menjalankan pemindaian berulang, menggabungkan laporan, dan melakukan patch kode dengan biaya lebih rendah.
Haruskah Anda Melewatkan Gemini 3.5 Pro?
Jawaban Praktis
Untuk sebagian besar tim produksi, ya: mulailah mengevaluasi Gemini 3.6 Flash dan Gemini 3.5 Flash-Lite sekarang alih-alih menunggu Gemini 3.5 Pro atau Gemini 4 Pro.
Bukan berarti Gemini 3.5 Pro tidak akan penting. Artinya model terbaru yang tersedia sudah mencakup porsi besar beban kerja AI ber-volume tinggi: agen coding, agen retrieval, alur kerja dokumen, parsing multimodal, ekstraksi data, perutean prompt, otomatisasi UI, ulasan konteks panjang, dan eksekusi sub-tugas agen.
Pengumuman Google sendiri menyebut Gemini 3.5 Pro masih diuji dengan mitra dan akan dirilis luas saat siap. Tidak diperlukan halaman model API publik gemini-3.5-pro, tabel harga final, atau kartu model untuk mulai meningkatkan ekonomi produksi hari ini.
Kapan Menunggu Gemini 3.5 Pro Masih Masuk Akal
Anda tetap perlu memantau Gemini 3.5 Pro atau Gemini 4 Pro jika beban kerja Anda lebih membutuhkan penalaran frontier daripada throughput. Contohnya mencakup sintesis riset tingkat lanjut, rekayasa multi-file yang sangat kompleks, matematika sulit, penalaran ilmiah, analisis enterprise berisiko tinggi, dan tugas di mana model Flash masih gagal setelah desain prompt dan alat yang cermat.
Strategi model terkuat bukan “tunggu Pro” atau “gantikan semuanya dengan Flash.” Yang tepat adalah perutean bertingkat:
- Gunakan Gemini 3.5 Flash-Lite untuk sub-tugas berbiaya rendah dan ber-volume tinggi.
- Gunakan Gemini 3.6 Flash untuk coding, analisis multimodal, ulasan dokumen, sintesis konteks panjang, dan alur kerja agentic.
- Rute permintaan tersulit atau berisiko tertinggi ke model penalaran frontier melalui CometAPI.
- Tambahkan Gemini 3.5 Pro ke suite benchmark saat Google dan CometAPI membuatnya tersedia.
Tolok Ukur Gemini 3.6 Flash: Apa yang Membaik?
Tabel Benchmark Google DeepMind
Halaman Gemini 3.6 Flash milik Google DeepMind mencantumkan perbandingan berikut terhadap Gemini 3.5 Flash:
| Benchmark | Apa yang Diukur | Gemini 3.6 Flash | Gemini 3.5 Flash | Perubahan |
|---|---|---|---|---|
| SWE-Bench Pro | Tugas coding agentic beragam | 58.7% | 55.1% | +3.6 pts |
| DeepSWE v1.1 | Rekayasa perangkat lunak jangka panjang | 49% | 37% | +12 pts |
| Terminal-Bench 2.1 | Coding terminal agentic | 78.0% | 76.2% | +1.8 pts |
| MLE-Bench | Rekayasa machine learning | 63.9% | 49.7% | +14.2 pts |
| GDPval-AA v2 | Elo pekerjaan pengetahuan | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | Penggunaan komputer agentic | 83.0% | 78.4% | +4.6 pts |
| CharXiv reasoning, no tools | Sintesis grafik dan informasi | 85.2% | 84.2% | +1.0 pt |
| CharXiv reasoning, with tools | Sintesis grafik dan informasi | 89.4% | 84.9% | +4.5 pts |
| GDM-MRCR v2, 128K average | Long-context retrieval | 91.8% | 77.3% | +14.5 pts |
| GDM-MRCR v2, 1M pointwise | Long-context retrieval | 54.0% | 26.6% | +27.4 pts |
Kenaikan terbesar terjadi tepat pada area yang penting bagi agen: coding jangka panjang, rekayasa machine learning, retrieval konteks panjang, dan penggunaan komputer. Kenaikan yang lebih kecil pada Terminal-Bench dan CharXiv menunjukkan ini bukan rilis “semuanya berlipat dua” yang seragam. Ini adalah peningkatan yang ditargetkan pada keandalan, efisiensi token, dan eksekusi multi-langkah yang sulit.
Data Independen dari Artificial Analysis
Artificial Analysis memberikan penyeimbang yang berguna untuk tabel benchmark vendor. Tinjauan Juli 2026 menyebut Gemini 3.6 Flash mempertahankan skor Intelligence Index yang sama dengan Gemini 3.5 Flash: 50. Itu penting karena menunjukkan Gemini 3.6 Flash bukanlah lompatan kecerdasan mentah.
Peningkatan besar ada pada efisiensi:
| Metrik | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| Waktu rata-rata per tugas | 1.3 menit | 2.7 menit |
| Biaya rata-rata per tugas | $0.50 | $0.59 |
| Kecepatan output | 251.3 token/dtk | Tidak ada di tabel ini |
| Waktu ke token pertama | 14.00s | Tidak ada di tabel ini |
Itulah sebabnya judul terbaik bukan “Gemini 3.6 Flash lebih pintar dari segalanya.” Judul yang lebih akurat adalah: Gemini 3.6 Flash membuat beban kerja agen lebih murah dan lebih cepat tanpa mengorbankan tingkat kecerdasan Gemini 3.5 Flash.
DeepSWE: Data Coding Jangka Panjang
DeepSWE oleh Datacurve sangat relevan karena berfokus pada tugas rekayasa perangkat lunak jangka panjang yang orisinal. Papan peringkatnya menggambarkan 113 tugas di 91 repositori dan 5 bahasa.
Pada papan peringkat 21 Juli 2026:
| Model | Pass@1 | Biaya Rata-rata | Token Output | Langkah Agen |
|---|---|---|---|---|
| Gemini 3.6 Flash high | 49% ±5 | $3.53 | 97K | 108 |
| Gemini 3.5 Flash medium | 37% ±2 | $7.34 | 276K | 86 |
Angka yang paling menarik bukan hanya kenaikan 12 poin pass@1. Ini adalah penurunan token output: 97K versus 276K. Itu kira-kira 65% lebih sedikit token output, sesuai dengan klaim peluncuran Google. Untuk agen coding, lebih sedikit token output dapat berarti lebih sedikit drift, lebih sedikit loop perbaikan yang bertele-tele, lebih sedikit polusi konteks, dan biaya lebih rendah per isu yang selesai.
Sumber: Gemini
Tolok Ukur Gemini 3.5 Flash-Lite: Mengapa Penting
Flash-Lite Adalah Model Throughput
Gemini 3.5 Flash-Lite dirancang untuk eksekusi ber-volume tinggi. Ini adalah model yang perlu Anda uji saat sistem Anda harus memproses ribuan atau jutaan tugas kecil atau menengah:
- ekstraksi tanda terima,
- parsing katalog produk,
- pelabelan potongan dokumen,
- terjemahan,
- klasifikasi,
- sintesis hasil pencarian,
- penulisan ulang kueri,
- perutean panggilan alat,
- tugas coding ringan,
- eksekusi sub-tugas agen,
- ekstraksi data multimodal.
Google mengatakan Flash-Lite mencapai 350 token output per detik menurut Artificial Analysis dan dihargai $0.30/M token input dan $2.50/M token output pada tier standar Gemini API.
Flash-Lite Versus Gemini 3.1 Flash-Lite
Kartu model Google DeepMind menunjukkan kenaikan besar dibanding Gemini 3.1 Flash-Lite:
| Benchmark | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | Perubahan |
|---|---|---|---|
| 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 pts |
| CharXiv, with tools | 76.5% | 75.6% | +0.9 pts |
| 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 juga melaporkan lonjakan Intelligence Index dari 25 untuk Gemini 3.1 Flash-Lite menjadi 36 untuk Gemini 3.5 Flash-Lite, sementara waktu per tugas turun dari 1.0 menit menjadi 0.6 menit. Trade-off-nya adalah biaya per tugas meningkat dari $0.04 menjadi $0.09 dalam set benchmark tersebut karena model baru dihargai lebih tinggi daripada 3.1 Flash-Lite.
Sumber: Gemini
Trade-off itu dapat diterima jika kualitas yang meningkat mengurangi retry downstream, tinjauan manusia, atau eskalasi ke model yang lebih mahal. Ini kurang menarik jika beban kerja Anda sudah terselesaikan dengan sempurna oleh Gemini 3.1 Flash-Lite. Uji sebelum memigrasikan seluruh trafik.
Signifikansi Rilis Gemini
Mengonfirmasi Pergeseran dari “Model Terbesar” ke “Workhorse Terbaik”
Pasar AI sering berfokus pada model flagship frontier. Gemini 3.6 Flash mengarah ke arah berbeda: sistem AI produksi membutuhkan model yang andal, cepat, dan hemat biaya yang dapat menyelesaikan banyak tugas nyata tanpa pemborosan.
Itulah mengapa rilis ini menekankan efisiensi token, lebih sedikit panggilan alat, latensi lebih rendah, dan lebih sedikit loop revisi. Bagi developer, ini bukan metrik sekunder. Hal-hal ini menentukan apakah agen AI dapat berjalan dalam skala besar tanpa mengejutkan tim keuangan.
Memberi Google Model Produksi yang Lebih Kuat Sambil Menunggu Gemini 3.5 Pro
Gemini 3.5 Pro masih dalam pengujian mitra. Alih-alih menunggu Pro, Google merilis model Flash yang lebih kuat dan model Flash-Lite yang lebih murah. Itu memberi developer dua opsi langsung:
- Gemini 3.6 Flash untuk kecerdasan workhorse yang lebih kuat.
- Gemini 3.5 Flash-Lite untuk eksekusi ber-volume tinggi yang lebih murah dan cepat.
Ini adalah strategi produk yang praktis. Banyak bisnis tidak membutuhkan model termahal untuk setiap permintaan. Mereka membutuhkan portofolio model dan logika perutean.
Membuat Perutean Model Semakin Penting
Gemini 3.6 Flash tidak boleh digunakan di semua tempat. Begitu pula Flash-Lite. Sistem AI 2026 terbaik akan melakukan perutean secara dinamis:
- Mulai dari yang murah saat tugas sederhana.
- Gunakan Gemini 3.6 Flash saat penalaran, pemahaman multimodal, atau penggunaan alat penting.
- Eskalasi hanya saat permintaan gagal melewati ambang batas kepercayaan.
- Cache konteks panjang yang berulang.
- Pantau biaya per tugas yang berhasil, bukan hanya biaya per token.
Ini adalah rekomendasi CometAPI terkuat dalam artikel ini: jangan memilih satu model sebagai seluruh strategi AI Anda. Bangun router dan buat setiap model layak mendapatkan trafiknya.
FAQ
Apakah Gemini 3.5 Pro tersedia sekarang?
Belum sebagai model Gemini API yang tersedia umum pada saat penulisan per Juli 2026. Google mengatakan Gemini 3.5 Pro sedang diuji dengan mitra dan akan dirilis luas saat siap.
Apakah Gemini 3.6 Flash lebih baik daripada Gemini 3.5 Flash?
Untuk banyak alur kerja agen produksi dan coding, ya. Google melaporkan hasil benchmark yang lebih baik dan penggunaan token output yang lebih rendah. Artificial Analysis melaporkan kualitas Intelligence Index yang serupa tetapi waktu per tugas lebih rendah dan biaya per tugas lebih rendah.
Untuk apa Gemini 3.5 Flash-Lite paling cocok?
Gemini 3.5 Flash-Lite paling cocok untuk beban kerja ber-volume tinggi, sensitif terhadap latensi dan biaya seperti ekstraksi, klasifikasi, terjemahan, pencarian, perutean, dan eksekusi sub-agen.
Bisakah saya menggunakan Gemini 3.5 Flash Cyber melalui Gemini API publik?
Google menggambarkan Gemini 3.5 Flash Cyber sebagai model akses terbatas yang tersedia bagi pemerintah dan mitra tepercaya melalui CodeMender. Model ini tidak diposisikan sebagai model API publik standar.
Berapa biaya Gemini 3.6 Flash?
Harga standar Gemini API dari Google mencantumkan Gemini 3.6 Flash sebesar $1.50 per 1M token input dan $7.50 per 1M token output. CometAPI saat ini mencantumkannya pada $1.20/M input dan $6.00/M output. Selalu verifikasi harga live sebelum peluncuran produksi.
Berapa biaya Gemini 3.5 Flash-Lite?
Harga standar Gemini API dari Google mencantumkan Gemini 3.5 Flash-Lite sebesar $0.30 per 1M token input dan $2.50 per 1M token output. CometAPI saat ini mencantumkannya pada $0.24/M input dan $2.016/M output. Selalu verifikasi harga live sebelum peluncuran produksi.
Haruskah developer menunggu Gemini 3.5 Pro?
Sebagian besar tim tidak perlu menunggu. Mulai uji Gemini 3.6 Flash untuk alur kerja kompleks dan Gemini 3.5 Flash-Lite untuk sub-tugas ber-volume tinggi sekarang. Tambahkan Gemini 3.5 Pro ke suite benchmark Anda saat spesifikasi publik, harga, dan ketersediaan dikonfirmasi.
Kesimpulan Akhir
Rilis Gemini Juli 2026 dari Google paling tepat dipahami sebagai rilis efisiensi, bukan rilis flagship-Pro. Gemini 3.6 Flash tidak menghapus kebutuhan akan Gemini 3.5 Pro di masa depan, tetapi memberi developer sesuatu yang langsung berguna: model yang tersedia umum dengan performa coding, multimodal, konteks panjang, dan agentic yang kuat dengan biaya token output lebih rendah daripada Gemini 3.5 Flash.
Gemini 3.5 Flash-Lite melengkapi separuh lainnya dari stack produksi. Ini adalah model murah dan cepat untuk sub-tugas yang tidak membutuhkan kedalaman penalaran maksimum. Gemini 3.5 Flash Cyber mengarah pada masa depan agen keamanan defensif spesialis, tetapi akses terbatas membuatnya lebih relevan sebagai sinyal strategis daripada alat developer umum saat ini.