TLDR Lโultimo rilascio di Gemini di Google non รจ il tanto atteso Gemini 3.5 Pro. Invece, Google ha distribuito tre modelli orientati allโefficienza: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber. Il messaggio pratico รจ chiaro: Google sta dando prioritร allโeconomia degli agenti, alla latenza, allโefficienza dei token e allโautomazione della sicurezza specializzata, mentre il modello Pro di punta รจ ancora in fase di test.
Per gli sviluppatori, la mossa migliore non รจ aspettare passivamente Gemini 3.5 Pro. Usa Gemini 3.6 Flash come candidato di upgrade predefinito per agenti complessi e workflow di coding, usa Gemini 3.5 Flash-Lite per estrazione e instradamento ad alto volume e mantieni una strategia di fallback multi-modello per i compiti di ragionamento di frontiera. CometAPI fornisce accesso unificato a oltre 500 modelli tramite una sola chiave API compatibile con OpenAI, cosรฌ Gemini puรฒ essere testato insieme a GPT, Claude, DeepSeek, Kimi, Qwen e altri modelli senza ricostruire lโintegrazione.
Punti chiave
- Google ha annunciato Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber il 21 luglio 2026. Gemini 3.5 Pro non รจ stato rilasciato in questo lancio. Google afferma che รจ in test con partner e sarร disponibile su larga scala quando pronto.
- Gemini 3.6 Flash รจ generalmente disponibile nella Gemini API, in Google AI Studio, nella Gemini Enterprise Agent Platform, nellโapp Gemini e in Google Antigravity. Gemini 3.5 Flash-Lite รจ generalmente disponibile nella Gemini API e mira a workflow ad alto throughput e basso costo.
- Gemini 3.5 Flash Cyber ha accesso limitato, progettato per rilevazione, validazione e creazione di patch di vulnerabilitร allโinterno di CodeMender.
- Google riporta che Gemini 3.6 Flash usa il 17% di token di output in meno rispetto a 3.5 Flash in Artificial Analysis e fino al 65% in meno nei test in stile DeepSWE.
- Artificial Analysis riferisce indipendentemente Gemini 3.6 Flash con un punteggio di Intelligence Index pari a 50, 251.3 token di output/s e una riduzione del costo medio per attivitร da $0.59 a $0.50 rispetto a Gemini 3.5 Flash.
- DeepSWE elenca Gemini 3.6 Flash al 49% pass@1 con $3.53 di costo medio per attivitร , rispetto a Gemini 3.5 Flash al 37% pass@1 e $7.34 di costo medio per attivitร .
- CometAPI attualmente elenca Gemini 3.6 Flash a $1.20/M input e $6.00/M output, e Gemini 3.5 Flash-Lite a $0.24/M input e $2.016/M output. Controlla la dashboard live prima di pubblicare prezzi nellโinterfaccia prodotto.
Cosa ha rilasciato Google?
Gemini 3.6 Flash
Gemini 3.6 Flash รจ il modello piรน importante del rilascio per gli sviluppatori generali. ร un modello di fascia Flash stabile costruito per agenti di produzione, coding, workflow multimodali, analisi di documenti, ragionamento a lungo contesto e lavoro di conoscenza.
Google descrive Gemini 3.6 Flash come un cavallo di battaglia che offre prestazioni migliori in coding, lavoro di conoscenza e multimodale rispetto a Gemini 3.5 Flash, migliorando al contempo lโefficienza dei token. La pagina ufficiale della Gemini API afferma che il modello รจ progettato per lโera degli agenti ed รจ particolarmente efficace per cicli rapidi di coding e iterazione.
LโID pubblico del modello รจ:
gemini-3.6-flash
Per le specifiche principali vedi la pagina del modello Gemini 3.6 Flash.
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite รจ il modello dellโefficienza del rilascio. Google lo posiziona come il modello di classe 3.5 piรน veloce e conveniente, ottimizzato per esecuzione ad alto throughput, parsing di documenti, traduzione, classificazione, instradamento e semplice estrazione dati.
LโID pubblico del modello รจ:
gemini-3.5-flash-lite
Per le specifiche principali vedi la pagina del modello Gemini 3.5 Flash-Lite.
La distinzione chiave non รจ la finestra di contesto. Flash-Lite mantiene lo stesso profilo 1M in input e 64K in output di 3.6 Flash. La differenza รจ lโintento di instradamento: Flash-Lite รจ per throughput e controllo dei costi; 3.6 Flash รจ per attivitร piรน difficili in cui qualitร e affidabilitร degli strumenti contano di piรน.
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber รจ un modello di cybersecurity specializzato costruito su Gemini 3.5 Flash e ottimizzato per scoperta di vulnerabilitร , validazione e generazione di patch.
Questo non รจ un normale modello API pubblico. Google dice che sarร disponibile per governi e partner fidati tramite CodeMender come parte di un programma pilota a accesso limitato. Questa limitazione conta per gli sviluppatori: non progettare una roadmap SaaS pubblica basata su accesso diretto a Flash Cyber a meno che tu non faccia parte di quel pilota o di un programma di sicurezza difensiva verificato.
Il modello รจ comunque importante perchรฉ mostra la direzione in cui Google sta portando Gemini: modelli specialistici efficienti coordinati da infrastrutture di agenti. Invece di far fare tutto a un unico modello di frontiera, Google sta costruendo sistemi piรน piccoli e specializzati che possono eseguire scansioni ripetute, combinare report e applicare patch al codice a costi inferiori.
Dovresti saltare Gemini 3.5 Pro?
La risposta pratica
Per la maggior parte dei team di produzione, sรฌ: inizia a valutare Gemini 3.6 Flash e Gemini 3.5 Flash-Lite ora invece di aspettare Gemini 3.5 Pro o Gemini 4 Pro.
Questo non significa che Gemini 3.5 Pro sarร poco importante. Significa che i modelli piรน recenti disponibili coprono giร una larga parte dei carichi di lavoro AI ad alto volume: agenti di coding, agenti di retrieval, workflow documentali, parsing multimodale, estrazione dati, instradamento dei prompt, automazione UI, revisione a lungo contesto ed esecuzione di sottocompiti dellโagente.
Lโannuncio stesso di Google afferma che Gemini 3.5 Pro รจ ancora in test con partner e sarร rilasciato su larga scala quando pronto. Non รจ necessaria alcuna pagina API pubblica gemini-3.5-pro, tabella prezzi finale o scheda modello per iniziare a migliorare lโeconomia di produzione oggi.
Quando ha ancora senso aspettare Gemini 3.5 Pro
Dovresti comunque seguire Gemini 3.5 Pro o Gemini 4 Pro se il tuo carico di lavoro richiede piรน ragionamento di frontiera che throughput. Esempi includono sintesi di ricerca avanzata, ingegneria altamente complessa su piรน file, matematica difficile, ragionamento scientifico, analisi enterprise ad alto impatto e attivitร in cui un modello Flash fallisce ancora dopo un attento design di prompt e strumenti.
La strategia di modelli piรน solida non รจ โaspettare il Proโ o โsostituire tutto con Flashโ. ร un instradamento a livelli:
- Usa Gemini 3.5 Flash-Lite per sottocompiti a basso costo e alto volume.
- Usa Gemini 3.6 Flash per coding, analisi multimodale, revisione di documenti, sintesi a lungo contesto e workflow agentici.
- Instrada le richieste piรน difficili o a rischio piรน elevato a un modello di ragionamento di frontiera tramite CometAPI.
- Aggiungi Gemini 3.5 Pro alla suite di benchmark quando Google e CometAPI lo renderanno disponibile.
Benchmark di Gemini 3.6 Flash: cosa รจ migliorato?
Tabella dei benchmark di Google DeepMind
La pagina di Gemini 3.6 Flash di Google DeepMind elenca i seguenti confronti rispetto a Gemini 3.5 Flash:
| Benchmark | Cosa misura | Gemini 3.6 Flash | Gemini 3.5 Flash | Variazione |
|---|---|---|---|---|
| SWE-Bench Pro | Compiti di coding agentico diversificati | 58.7% | 55.1% | +3.6 pt |
| DeepSWE v1.1 | Ingegneria del software di lungo respiro | 49% | 37% | +12 pt |
| Terminal-Bench 2.1 | Coding da terminale agentico | 78.0% | 76.2% | +1.8 pt |
| MLE-Bench | Ingegneria di machine learning | 63.9% | 49.7% | +14.2 pt |
| GDPval-AA v2 | Elo sul lavoro di conoscenza | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | Uso del computer agentico | 83.0% | 78.4% | +4.6 pt |
| CharXiv reasoning, no tools | Sintesi di grafici e informazioni | 85.2% | 84.2% | +1.0 pt |
| CharXiv reasoning, with tools | Sintesi di grafici e informazioni | 89.4% | 84.9% | +4.5 pt |
| GDM-MRCR v2, 128K average | Recupero su contesti lunghi | 91.8% | 77.3% | +14.5 pt |
| GDM-MRCR v2, 1M pointwise | Recupero su contesti lunghi | 54.0% | 26.6% | +27.4 pt |
I guadagni maggiori sono esattamente nelle aree che contano per gli agenti: coding di lungo respiro, ingegneria di machine learning, recupero a lungo contesto e uso del computer. I guadagni piรน piccoli in Terminal-Bench e CharXiv mostrano che non si tratta di un rilascio uniforme โraddoppiato su tuttoโ. ร un miglioramento mirato in affidabilitร , efficienza dei token ed esecuzione multi-step difficile.
Dati indipendenti da Artificial Analysis
Artificial Analysis fornisce un utile contrappeso alle tabelle di benchmark del fornitore. La sua analisi di luglio 2026 afferma che Gemini 3.6 Flash mantiene lo stesso punteggio di Intelligence Index di Gemini 3.5 Flash: 50. Questo รจ importante perchรฉ suggerisce che Gemini 3.6 Flash non รจ necessariamente un salto di โintelligenza grezzaโ.
Il grande miglioramento รจ lโefficienza:
| Metrica | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| Tempo medio per attivitร | 1.3 minuti | 2.7 minuti |
| Costo medio per attivitร | $0.50 | $0.59 |
| Velocitร di output | 251.3 token/s | Non in questa tabella |
| Tempo al primo token | 14.00s | Non in questa tabella |
Ecco perchรฉ il miglior titolo non รจ โGemini 3.6 Flash รจ piรน intelligente di tuttoโ. Un titolo piรน accurato รจ: Gemini 3.6 Flash rende i carichi di lavoro degli agenti piรน economici e veloci senza sacrificare il livello di intelligenza di Gemini 3.5 Flash.
DeepSWE: dati sul coding di lungo respiro
DeepSWE di Datacurve รจ particolarmente rilevante perchรฉ si concentra su attivitร originali di ingegneria del software di lungo respiro. La sua leaderboard descrive 113 task in 91 repository e 5 lingue.
Nella leaderboard del 21 luglio 2026:
| Modello | Pass@1 | Costo medio | Token di output | Step dellโagente |
|---|---|---|---|---|
| Gemini 3.6 Flash high | 49% ยฑ5 | $3.53 | 97K | 108 |
| Gemini 3.5 Flash medium | 37% ยฑ2 | $7.34 | 276K | 86 |
Il numero piรน interessante non รจ solo il guadagno di 12 punti nel pass@1. ร il calo dei token di output: 97K contro 276K. Sono circa il 65% in meno di token di output, in linea con lโaffermazione di lancio di Google. Per gli agenti di coding, meno token di output possono significare minore deriva, meno loop di correzione prolissi, meno inquinamento del contesto e costo inferiore per problema risolto.
Fonte: Gemini
Benchmark di Gemini 3.5 Flash-Lite: perchรฉ รจ importante
Flash-Lite รจ il modello per il throughput
Gemini 3.5 Flash-Lite รจ progettato per lโesecuzione ad alto volume. ร il modello da testare quando il tuo sistema deve elaborare migliaia o milioni di attivitร piccole o medie:
- estrazione da ricevute,
- parsing di cataloghi prodotto,
- etichettatura di chunk di documenti,
- traduzione,
- classificazione,
- sintesi dei risultati di ricerca,
- riscrittura di query,
- instradamento di chiamate agli strumenti,
- attivitร di coding leggere,
- esecuzione di sottocompiti dellโagente,
- estrazione di dati multimodale.
Google afferma che Flash-Lite raggiunge 350 token di output al secondo secondo Artificial Analysis ed รจ prezzato a $0.30/M token in input e $2.50/M token in output sul livello standard della Gemini API.
Confronto tra Flash-Lite e Gemini 3.1 Flash-Lite
La scheda modello di Google DeepMind mostra grandi progressi rispetto a Gemini 3.1 Flash-Lite:
| Benchmark | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | Variazione |
|---|---|---|---|
| SWE-Bench Pro | 54.2% | 38.3% | +15.9 pt |
| Terminal-Bench 2.1 | 54.0% | 31.0% | +23.0 pt |
| MLE-Bench | 39.2% | 22.0% | +17.2 pt |
| GDPval-AA v2 | 1140 | 642 | +498 Elo |
| OSWorld-Verified | 74.0% | 54.3% | +19.7 pt |
| 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 pt |
| GDM-MRCR v2, 1M pointwise | 21.3% | 12.3% | +9.0 pt |
Artificial Analysis riporta anche un salto dellโIntelligence Index da 25 per Gemini 3.1 Flash-Lite a 36 per Gemini 3.5 Flash-Lite, mentre il tempo per attivitร scende da 1.0 minuto a 0.6 minuti. Il compromesso รจ che il costo per attivitร รจ aumentato da $0.04 a $0.09 in quel set di benchmark perchรฉ il nuovo modello ha un prezzo piรน alto di 3.1 Flash-Lite.
Fonte: Gemini
Quel compromesso รจ accettabile se la qualitร migliorata riduce i retry a valle, la revisione umana o lโescalation a un modello piรน costoso. ร meno attraente se il tuo carico di lavoro รจ giร risolto perfettamente da Gemini 3.1 Flash-Lite. Testa prima di migrare tutto il traffico.
Il significato della release di Gemini
Conferma il passaggio da โmodello piรน grandeโ a โmiglior cavallo di battagliaโ
Il mercato dellโAI spesso si concentra sui modelli di punta di frontiera. Gemini 3.6 Flash indica una direzione diversa: i sistemi AI di produzione hanno bisogno di modelli affidabili, veloci ed economici che possano completare molti compiti reali senza sprechi.
Ecco perchรฉ il rilascio enfatizza lโefficienza dei token, meno chiamate agli strumenti, latenza inferiore e meno loop di revisione. Per gli sviluppatori, queste non sono metriche secondarie. Determinano se un agente AI puรฒ funzionare su scala senza sorprendere il team finance.
Offre a Google un modello di produzione piรน solido mentre Gemini 3.5 Pro attende
Gemini 3.5 Pro รจ ancora in test con partner. Invece di aspettare il Pro, Google ha rilasciato un modello Flash piรน forte e un modello Flash-Lite piรน economico. Questo dร agli sviluppatori due opzioni immediate:
- Gemini 3.6 Flash per unโintelligenza da cavallo di battaglia piรน forte.
- Gemini 3.5 Flash-Lite per esecuzione economica e veloce ad alto volume.
ร una strategia di prodotto pratica. Molte aziende non hanno bisogno del modello piรน costoso per ogni richiesta. Hanno bisogno di un portafoglio di modelli e di logiche di instradamento.
Rende lโinstradamento dei modelli piรน importante
Gemini 3.6 Flash non dovrebbe essere usato ovunque. Nemmeno Flash-Lite. I migliori sistemi AI del 2026 instraderanno dinamicamente:
- Partire economici quando il compito รจ semplice.
- Usare Gemini 3.6 Flash quando contano ragionamento, comprensione multimodale o uso degli strumenti.
- Escalare solo quando una richiesta fallisce le soglie di confidenza.
- Mettere in cache i contesti lunghi ripetuti.
- Monitorare il costo per attivitร completata con successo, non solo il costo per token.
FAQs
Gemini 3.5 Pro รจ disponibile ora?
Non come modello Gemini API pubblico generalmente disponibile al momento della stesura, a luglio 2026. Google afferma che Gemini 3.5 Pro รจ in test con partner e sarร rilasciato su larga scala quando pronto.
Gemini 3.6 Flash รจ migliore di Gemini 3.5 Flash?
Per molti workflow di agenti di produzione e coding, sรฌ. Google riporta risultati di benchmark migliori e un uso di token di output inferiore. Artificial Analysis riporta una qualitร simile in termini di Intelligence Index ma tempi per attivitร e costi per attivitร inferiori.
Per cosa รจ migliore Gemini 3.5 Flash-Lite?
Gemini 3.5 Flash-Lite รจ ideale per carichi di lavoro ad alto volume, sensibili alla latenza e ai costi, come estrazione, classificazione, traduzione, ricerca, instradamento e esecuzione di sottoagenti.
Posso usare Gemini 3.5 Flash Cyber tramite la Gemini API pubblica?
Google descrive Gemini 3.5 Flash Cyber come un modello a accesso limitato disponibile per governi e partner fidati tramite CodeMender. Non รจ posizionato come modello API pubblico standard.
Quanto costa Gemini 3.6 Flash?
Il listino standard della Gemini API di Google indica Gemini 3.6 Flash a $1.50 per 1M token in input e $7.50 per 1M token in output. CometAPI attualmente lo elenca a $1.20/M in input e $6.00/M in output. Verifica sempre i prezzi live prima del rollout in produzione.
Quanto costa Gemini 3.5 Flash-Lite?
Il listino standard della Gemini API di Google indica Gemini 3.5 Flash-Lite a $0.30 per 1M token in input e $2.50 per 1M token in output. CometAPI attualmente lo elenca a $0.24/M in input e $2.016/M in output. Verifica sempre i prezzi live prima del rollout in produzione.
Gli sviluppatori dovrebbero aspettare Gemini 3.5 Pro?
La maggior parte dei team non dovrebbe aspettare. Inizia a testare subito Gemini 3.6 Flash per workflow complessi e Gemini 3.5 Flash-Lite per sottocompiti ad alto volume. Aggiungi Gemini 3.5 Pro alla suite di benchmark quando saranno confermati specifiche pubbliche, prezzi e disponibilitร .
Verdetto finale
Il rilascio di Gemini di luglio 2026 va inteso come un rilascio sullโefficienza, non un rilascio โflagship-Proโ. Gemini 3.6 Flash non elimina la necessitร di un futuro Gemini 3.5 Pro, ma offre agli sviluppatori qualcosa di immediatamente utile: un modello generalmente disponibile con prestazioni solide in coding, multimodale, lungo contesto e agentico a un costo di token di output inferiore rispetto a Gemini 3.5 Flash.
Gemini 3.5 Flash-Lite copre lโaltra metร dello stack di produzione. ร il modello economico e veloce per sottocompiti che non richiedono la massima profonditร di ragionamento. Gemini 3.5 Flash Cyber indica un futuro di agenti specializzati per la sicurezza difensiva, ma il suo accesso limitato lo rende oggi piรน rilevante come segnale strategico che come strumento generale per sviluppatori.