TLDR De nieuwste Gemini-release van Google is niet de langverwachte Gemini 3.5 Pro. In plaats daarvan bracht Google drie op efficiรซntie gerichte modellen uit: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite en Gemini 3.5 Flash Cyber. De praktische boodschap is duidelijk: Google geeft prioriteit aan agent-economie, latentie, token-efficiรซntie en gespecialiseerde beveiligingsautomatisering, terwijl het vlaggenschip Pro-model nog wordt getest.
Voor ontwikkelaars is de beste aanpak om niet passief te wachten op Gemini 3.5 Pro. Gebruik Gemini 3.6 Flash als standaard upgradekandidaat voor complexe agents en coding-workflows, gebruik Gemini 3.5 Flash-Lite voor grootschalige extractie en routering, en houd een fallback-strategie over modellen heen aan voor frontier reasoning-taken. CometAPI biedt uniforme toegang tot 500+ modellen via รฉรฉn OpenAI-compatibele API-sleutel, zodat Gemini naast GPT, Claude, DeepSeek, Kimi, Qwen en andere modellen kan worden getest zonder je integratie te herbouwen.
Belangrijkste punten
- Google kondigde Gemini 3.6 Flash, Gemini 3.5 Flash-Lite en Gemini 3.5 Flash Cyber aan op 21 juli 2026. Gemini 3.5 Pro werd in deze release niet uitgebracht. Google zegt dat het model wordt getest met partners en breed beschikbaar komt zodra het klaar is.
- Gemini 3.6 Flash is algemeen beschikbaar in de Gemini API, Google AI Studio, Gemini Enterprise Agent Platform, Gemini app en Google Antigravity. Gemini 3.5 Flash-Lite is algemeen beschikbaar in de Gemini API en richt zich op workflows met hoge doorvoer en lage kosten.
- Gemini 3.5 Flash Cyber is beperkt toegankelijk en ontworpen voor kwetsbaarheidsdetectie, validatie en patching binnen CodeMender.
- Google meldt dat Gemini 3.6 Flash 17% minder outputtokens gebruikt dan 3.5 Flash bij Artificial Analysis en tot 65% minder outputtokens in DeepSWE-stijltests.
- Artificial Analysis rapporteert onafhankelijk Gemini 3.6 Flash met een Intelligence Index-score van 50, 251,3 outputtokens/s, en een gemiddelde taakkostenreductie van $0,59 naar $0,50 vergeleken met Gemini 3.5 Flash.
- DeepSWE vermeldt Gemini 3.6 Flash op 49% pass@1 met $3,53 gemiddelde kosten per taak, vergeleken met Gemini 3.5 Flash op 37% pass@1 en $7,34 gemiddelde kosten per taak.
- CometAPI vermeldt momenteel Gemini 3.6 Flash op $1,20/M input en $6,00/M output, en Gemini 3.5 Flash-Lite op $0,24/M input en $2,016/M output. Controleer het live dashboard voordat je prijzen in de product-UI publiceert.
Wat heeft Google uitgebracht?
Gemini 3.6 Flash
Gemini 3.6 Flash is het belangrijkste model in deze release voor algemene ontwikkelaars. Het is een stabiel model in de Flash-klasse, gebouwd voor productieagents, codering, multimodale workflows, documentanalyse, long-context reasoning en kenniswerk.
Google beschrijft Gemini 3.6 Flash als een werkpaardmodel dat betere prestaties levert voor codering, kenniswerk en multimodale taken dan Gemini 3.5 Flash, terwijl de token-efficiรซntie verbetert. De officiรซle Gemini API-pagina zegt dat het model is ontworpen voor het agentische tijdperk en bijzonder effectief is voor snelle codering en iteratielussen.
De publieke ID van het model is:
gemini-3.6-flash
Zie voor kerndata de modelpagina van Gemini 3.6 Flash.
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite is het efficiรซntiemodel in deze release. Google positioneert het als het snelste en meest kostenefficiรซnte model in de 3.5-klasse, geoptimaliseerd voor uitvoering met hoge doorvoer, documentparsing, vertaling, classificatie, routering en eenvoudige data-extractie.
De publieke ID van het model is:
gemini-3.5-flash-lite
Zie voor kerndata de pagina Gemini 3.5 Flash-Lite model.
Het belangrijkste onderscheid is niet het contextvenster. Flash-Lite behoudt hetzelfde profiel van 1M input en 64K output als 3.6 Flash. Het verschil is de routeringsintentie: Flash-Lite is bedoeld voor doorvoer en kostenbeheersing; 3.6 Flash is voor moeilijkere taken waarbij kwaliteit en toolbetrouwbaarheid zwaarder wegen.
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber is een gespecialiseerd cybersecuritymodel, gebouwd bovenop Gemini 3.5 Flash en fijn-afgesteld voor kwetsbaarheidsdetectie, validatie en patchgeneratie.
Dit is geen normaal openbaar API-model. Google zegt dat het beschikbaar zal zijn voor overheden en vertrouwde partners via CodeMender als onderdeel van een pilotprogramma met beperkte toegang. Die beperking is belangrijk voor ontwikkelaars: ontwerp geen openbare SaaS-roadmap rond directe toegang tot Flash Cyber, tenzij je deel uitmaakt van die pilot of een gevalideerd defensieve-beveiligingsprogramma.
Het model is nog steeds belangrijk omdat het laat zien waar Google Gemini naartoe brengt: efficiรซnte specialistische modellen, gecoรถrdineerd door agentinfrastructuur. In plaats van รฉรฉn frontiermodel alles te laten doen, bouwt Google kleinere gespecialiseerde systemen die herhaalde scans kunnen uitvoeren, rapporten kunnen combineren en code kunnen patchen tegen lagere kosten.
Moet je Gemini 3.5 Pro overslaan?
Het praktische antwoord
Voor de meeste productieteams: ja. Begin nu met het evalueren van Gemini 3.6 Flash en Gemini 3.5 Flash-Lite in plaats van te wachten op Gemini 3.5 Pro of Gemini 4 Pro.
Dat betekent niet dat Gemini 3.5 Pro onbelangrijk zal zijn. Het betekent dat de nieuwste beschikbare modellen al een groot deel van AI-werkloads met hoog volume dekken: coding agents, retrieval agents, documentworkflows, multimodale parsing, data-extractie, promptroutering, UI-automatisering, long-context review en uitvoering van agent-subtaken.
Googleโs eigen aankondiging zegt dat Gemini 3.5 Pro nog met partners wordt getest en breed wordt uitgebracht zodra het klaar is. Er is geen openbare gemini-3.5-pro API-modelpagina, definitieve prijstabel of modelkaart nodig om vandaag al de productie-economie te verbeteren.
Wanneer wachten op Gemini 3.5 Pro nog zinvol is
Blijf Gemini 3.5 Pro of Gemini 4 Pro volgen als je workload meer aan frontier reasoning hecht dan aan doorvoer. Voorbeelden zijn geavanceerde onderzoeksynthese, zeer complexe engineering met meerdere bestanden, moeilijke wiskunde, wetenschappelijke redenering, bedrijfskritische analyses en taken waarbij een Flash-model nog faalt na zorgvuldige prompt- en tooldesign.
De sterkste modelstrategie is niet โwacht op Proโ of โvervang alles door Flashโ. Het is getierde routering:
- Gebruik Gemini 3.5 Flash-Lite voor goedkope, grootschalige subtaken.
- Gebruik Gemini 3.6 Flash voor codering, multimodale analyse, documentreview, long-context synthese en agentische workflows.
- Routeer de moeilijkste of risicovolste verzoeken naar een frontier reasoning-model via CometAPI.
- Voeg Gemini 3.5 Pro toe aan de benchmarksuite zodra Google en CometAPI het beschikbaar maken.
Benchmarks van Gemini 3.6 Flash: wat is verbeterd?
Benchmarktabel van Google DeepMind
De Gemini 3.6 Flash-pagina van Google DeepMind vermeldt de volgende vergelijkingen met Gemini 3.5 Flash:
| Benchmark | Wat het meet | Gemini 3.6 Flash | Gemini 3.5 Flash | Verschil |
|---|---|---|---|---|
| SWE-Bench Pro | Diverse agent-gestuurde coderingstaken | 58,7% | 55,1% | +3,6 ptn |
| DeepSWE v1.1 | Langetermijn software-engineering | 49% | 37% | +12 ptn |
| Terminal-Bench 2.1 | Agent-gestuurde terminalcodering | 78,0% | 76,2% | +1,8 ptn |
| MLE-Bench | Machine-learning-engineering | 63,9% | 49,7% | +14,2 ptn |
| GDPval-AA v2 | Kenniswerk Elo | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | Agent-gestuurd computergebruik | 83,0% | 78,4% | +4,6 ptn |
| CharXiv reasoning, no tools | Synthese van grafieken en informatie | 85,2% | 84,2% | +1,0 ptn |
| CharXiv reasoning, with tools | Synthese van grafieken en informatie | 89,4% | 84,9% | +4,5 ptn |
| GDM-MRCR v2, 128K average | Retrieval met lange context | 91,8% | 77,3% | +14,5 ptn |
| GDM-MRCR v2, 1M pointwise | Retrieval met lange context | 54,0% | 26,6% | +27,4 ptn |
De grootste winst zit precies in de gebieden die ertoe doen voor agents: langetermijncodering, machine-learning-engineering, long-context retrieval en computergebruik. De kleinere winst in Terminal-Bench en CharXiv laat zien dat dit geen uniforme โalles is verdubbeldโ-release is. Het is een gerichte verbetering in betrouwbaarheid, token-efficiรซntie en moeilijke meerstapsexecutie.
Onafhankelijke data van Artificial Analysis
Artificial Analysis biedt een nuttig tegenwicht voor leveranciersbenchmarks. De analyse van juli 2026 stelt dat Gemini 3.6 Flash dezelfde Intelligence Index-score behoudt als Gemini 3.5 Flash: 50. Dat is belangrijk omdat het suggereert dat Gemini 3.6 Flash niet per se een sprong in ruwe intelligentie is.
De grote verbetering is efficiรซntie:
| Metriek | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| Gemiddelde tijd per taak | 1,3 minuten | 2,7 minuten |
| Gemiddelde kosten per taak | $0,50 | $0,59 |
| Uitvoersnelheid | 251,3 tokens/s | Niet in deze tabel |
| Tijd tot eerste token | 14,00 s | Niet in deze tabel |
Daarom is de beste kop niet โGemini 3.6 Flash is slimmer dan alles.โ Een accuratere kop is: Gemini 3.6 Flash maakt agent-werkloads goedkoper en sneller zonder het intelligentieniveau van Gemini 3.5 Flash op te offeren.
DeepSWE: gegevens over langetermijncodering
DeepSWE van Datacurve is bijzonder relevant omdat het zich richt op originele, langetermijn software-engineeringtaken. De ranglijst beschrijft 113 taken over 91 repositories en 5 talen.
Op de ranglijst van 21 juli 2026:
| Model | Pass@1 | Gemiddelde kosten | Uitvoertokens | Agent-stappen |
|---|---|---|---|---|
| Gemini 3.6 Flash high | 49% ยฑ5 | $3,53 | 97K | 108 |
| Gemini 3.5 Flash medium | 37% ยฑ2 | $7,34 | 276K | 86 |
Het meest interessante getal is niet alleen de winst van 12 punten in pass@1. Het is de daling in outputtokens: 97K versus 276K. Dat is grofweg 65% minder outputtokens, in lijn met Googleโs lanceerclaim. Voor coding agents kan minder output betekenen: minder drift, minder eindeloze herstel-lussen, minder contextvervuiling en lagere kosten per afgehandelde issue.
Bron: Gemini
Benchmarks van Gemini 3.5 Flash-Lite: waarom dit ertoe doet
Flash-Lite is het doorvoermodel
Gemini 3.5 Flash-Lite is ontworpen voor uitvoering op grote schaal. Het is het model om te testen wanneer je systeem duizenden of miljoenen kleine of middelgrote taken moet verwerken:
- bonnenextractie,
- het parseren van productcatalogi,
- documentfragmenten labelen,
- vertaling,
- classificatie,
- synthese van zoekresultaten,
- query-herformulering,
- routering van tool-calls,
- lichte coderingstaken,
- uitvoering van agent-subtaken,
- multimodale data-extractie.
Google zegt dat Flash-Lite 350 outputtokens per seconde haalt volgens Artificial Analysis en geprijsd is op $0,30/M inputtokens en $2,50/M outputtokens op de standaard Gemini API-laag.
Flash-Lite versus Gemini 3.1 Flash-Lite
De modelkaart van Google DeepMind toont grote winst ten opzichte van Gemini 3.1 Flash-Lite:
| Benchmark | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | Verschil |
|---|---|---|---|
| SWE-Bench Pro | 54,2% | 38,3% | +15,9 ptn |
| Terminal-Bench 2.1 | 54,0% | 31,0% | +23,0 ptn |
| MLE-Bench | 39,2% | 22,0% | +17,2 ptn |
| GDPval-AA v2 | 1140 | 642 | +498 Elo |
| OSWorld-Verified | 74,0% | 54,3% | +19,7 ptn |
| CharXiv, no tools | 74,5% | 73,2% | +1,3 ptn |
| CharXiv, with tools | 76,5% | 75,6% | +0,9 ptn |
| GDM-MRCR v2, 128K average | 72,2% | 60,1% | +12,1 ptn |
| GDM-MRCR v2, 1M pointwise | 21,3% | 12,3% | +9,0 ptn |
Artificial Analysis rapporteert ook een sprong in de Intelligence Index van 25 voor Gemini 3.1 Flash-Lite naar 36 voor Gemini 3.5 Flash-Lite, terwijl de tijd per taak daalt van 1,0 minuut naar 0,6 minuten. De trade-off is dat de kosten per taak stegen van $0,04 naar $0,09 in die benchmarkset omdat het nieuwe model hoger geprijsd is dan 3.1 Flash-Lite.
Bron: Gemini
Die trade-off is acceptabel als de verbeterde kwaliteit downstream retries, menselijke review of escalatie naar een duurder model vermindert. Het is minder aantrekkelijk als je workload al perfect is opgelost door Gemini 3.1 Flash-Lite. Test voordat je al het verkeer migreert.
De betekenis van de Gemini-release
Het bevestigt de verschuiving van โgrootste modelโ naar โbeste werkpaardโ
De AI-markt focust vaak op frontier vlaggenschipmodellen. Gemini 3.6 Flash wijst in een andere richting: productie-AI-systemen hebben betrouwbare, snelle, kostenefficiรซnte modellen nodig die veel echte taken zonder verspilling kunnen afronden.
Daarom benadrukt de release token-efficiรซntie, minder tool-calls, lagere latentie en minder revisielussen. Voor ontwikkelaars zijn dit geen secundaire metrics. Ze bepalen of een AI-agent op schaal kan draaien zonder de financiรซle afdeling te verrassen.
Het geeft Google een sterker productiemodel terwijl Gemini 3.5 Pro op zich laat wachten
Gemini 3.5 Pro zit nog in partner tests. In plaats van te wachten op Pro, bracht Google een sterker Flash-model en een goedkoper Flash-Lite-model uit. Dat geeft ontwikkelaars twee directe opties:
- Gemini 3.6 Flash voor sterker werkpaardintelligentie.
- Gemini 3.5 Flash-Lite voor goedkopere, snellere uitvoering op grote schaal.
Dit is een praktische productstrategie. Veel bedrijven hebben niet bij elk verzoek het duurste model nodig. Ze hebben een modelportfolio en routeringslogica nodig.
Het maakt modelroutering belangrijker
Gemini 3.6 Flash moet niet overal worden gebruikt. Flash-Lite ook niet. De beste AI-systemen van 2026 routeren dynamisch:
- Begin goedkoop wanneer de taak eenvoudig is.
- Gebruik Gemini 3.6 Flash wanneer redeneren, multimodaal begrip of toolgebruik ertoe doet.
- Escaleer alleen wanneer een verzoek de betrouwbaarheidsdrempels niet haalt.
- Cache herhaalde lange context.
- Monitor kosten per succesvolle taak, niet alleen kosten per token.
Dit is de sterkste aanbeveling van CometAPI in het artikel: kies niet รฉรฉn model als je volledige AI-strategie. Bouw een router en laat elk model zijn verkeer verdienen.
Veelgestelde vragen
Is Gemini 3.5 Pro nu beschikbaar?
Niet als een publiek algemeen beschikbaar Gemini API-model op het moment van schrijven (juli 2026). Google zegt dat Gemini 3.5 Pro met partners wordt getest en breed wordt uitgebracht zodra het klaar is.
Is Gemini 3.6 Flash beter dan Gemini 3.5 Flash?
Voor veel productie-agent- en coding-workflows wel. Google rapporteert betere benchmarkresultaten en lager gebruik van outputtokens. Artificial Analysis rapporteert een vergelijkbare Intelligence Index-kwaliteit, maar lagere tijd per taak en lagere kosten per taak.
Waar is Gemini 3.5 Flash-Lite het beste voor?
Gemini 3.5 Flash-Lite is het beste voor workloads met hoog volume, lage latentie en kostengevoeligheid, zoals extractie, classificatie, vertaling, zoekopdracht, routering en uitvoering van subagents.
Kan ik Gemini 3.5 Flash Cyber gebruiken via de publieke Gemini API?
Google beschrijft Gemini 3.5 Flash Cyber als een model met beperkte toegang, beschikbaar voor overheden en vertrouwde partners via CodeMender. Het is niet gepositioneerd als een standaard openbaar API-model.
Wat kost Gemini 3.6 Flash?
De standaard Gemini API-prijzen van Google vermelden Gemini 3.6 Flash op $1,50 per 1M inputtokens en $7,50 per 1M outputtokens. CometAPI vermeldt het momenteel op $1,20/M input en $6,00/M output. Verifieer altijd live prijzen voordat je productie uitrolt.
Wat kost Gemini 3.5 Flash-Lite?
De standaard Gemini API-prijzen van Google vermelden Gemini 3.5 Flash-Lite op $0,30 per 1M inputtokens en $2,50 per 1M outputtokens. CometAPI vermeldt het momenteel op $0,24/M input en $2,016/M output. Verifieer altijd live prijzen voordat je productie uitrolt.
Moeten ontwikkelaars wachten op Gemini 3.5 Pro?
De meeste teams zouden niet moeten wachten. Begin nu met het testen van Gemini 3.6 Flash voor complexe workflows en Gemini 3.5 Flash-Lite voor subtaken met hoog volume. Voeg Gemini 3.5 Pro toe aan je benchmarksuite wanneer publieke specificaties, prijzen en beschikbaarheid zijn bevestigd.
Eindoordeel
De Gemini-release van juli 2026 moet vooral worden begrepen als een efficiรซntierelease, niet als een flagship-Pro-release. Gemini 3.6 Flash wist de behoefte aan een toekomstige Gemini 3.5 Pro niet weg, maar geeft ontwikkelaars wel iets direct bruikbaars: een algemeen beschikbaar model met sterke prestaties voor codering, multimodaal, long-context en agentische taken, tegen lagere outputtoken-kosten dan Gemini 3.5 Flash.
Gemini 3.5 Flash-Lite vult de andere helft van de productiestack. Het is het goedkope, snelle model voor subtaken die geen maximale redeneerverdieping nodig hebben. Gemini 3.5 Flash Cyber wijst op een toekomst van specialistische defensieve-securityagents, maar de beperkte toegang maakt het vandaag relevanter als strategisch signaal dan als algemeen ontwikkelaarstool.