Le 21 juillet, Google a soudainement lancé deux nouveaux modèles : Gemini 3.6 Flash et Gemini 3.5 Flash-Lite. Sans aucune précaution ni souci, ils viennent d'apparaître dans les sélecteurs de modèles de Google AI Studio et Gemini.


Parmi ces deux modèles, l’un se concentre sur des capacités de code et d’agent plus fortes, et l’autre sur des appels à grande échelle à moindre coût.

Quant au modèle phare, le Gemini 3.5Pro, malgré les appels répétés, il ne parvient toujours pas à sortir.

Selon le plan précédent, le 3.5 Pro devait être lancé en juin. Alors que le mois de juillet est déjà à plus de la moitié du mois de juillet, ce modèle porteur de grands espoirs n'a toujours pas été officiellement dévoilé.

La feuille de réponses représentant la force du produit phare a été retardée. Google a d'abord publié deux "projets de documents". Qu'est-ce que ça veut dire?

01

3.6 Flash : moins cher que la génération précédente, pas plus intelligent que la génération précédente

Google a déclaré que par rapport au modèle Flash de la génération précédente, Gemini 3.6 Flash améliore encore les performances de codage, de raisonnement et d'appel d'outils, tout en réduisant les coûts d'exploitation en réduisant les jetons de sortie.


Gemini 3.6 Flash se positionne comme un modèle efficace pour les environnements de production réels, ou pour être plus simple, pour servir les Agents.

À l'ère des agents, une tâche peut nécessiter des dizaines de séries d'appels de modèles, ce qui signifie que le modèle doit non seulement être intelligent, mais aussi suffisamment rapide et bon marché.

Google a déjà renforcé cette voie sur Gemini 3.5 Flash. Selon le document officiel de l'API, Gemini 3.5 Flash prend en charge un contexte long de 1 million de jetons, qui peut traiter une grande quantité d'informations à la fois. Il prend également en charge l'exécution de code, l'appel d'outils externes, la recherche de fichiers, etc., et peut effectuer des tâches plus complexes et plus longues.

Gemini 3.6 Flash poursuit cette ligne. Ce qu'il recherche n'est pas la qualité d'une réponse unique, mais une position qui « peut permettre un vrai travail quotidien ».

Gemini 3.6 Flash est proposé au prix suivant :

Entrée : 1,50 USD/million de jetons

Sortie : 7,50 $/million de jetons

Par rapport au précédent prix d'entrée du Gemini 3.5 Flash de 1,5 $ US par million de jetons et au prix de sortie de 9 $ US, le coût d'entrée n'a pas changé, mais le coût de sortie a encore baissé.

Pour les entreprises qui ont besoin d’utiliser massivement l’IA, cette modification des coûts peut être plus importante qu’une amélioration de quelques points de pourcentage par rapport à l’indice de référence.

De plus, un test interne affiché par Google a montré qu'en accomplissant la même tâche, Gemini 3.6 Flash réduisait la consommation de jetons de 55,8 % par rapport au 3,5 Flash, tout en augmentant le score de la tâche de 85 points à 100 points.

Bien sûr, il ne s’agit que des résultats des tests de Google et ne peuvent qu’indiquer la direction que Google espère montrer :

Le nouveau modèle est non seulement plus économique, mais peut accomplir des tâches identiques, voire meilleures, avec moins de calculs.


Dans ces benchmarks publics, Google met principalement l'accent sur les capacités de codage et les capacités des agents.

Lors de l'évaluation du code DeepSWE, Gemini 3.6 Flash a obtenu un score de 49 %, supérieur aux 37 % de la génération précédente. Google a déclaré que le nouveau modèle peut réduire les modifications de code non valides et les processus d'exécution répétés.

Dans l'évaluation OSWorld-Verified, qui teste la capacité de l'IA à faire fonctionner des ordinateurs, Gemini 3.6 Flash a obtenu un score de 83 %, dépassant les 78,4 % de 3,5 Flash.

Dans le banc MLE pour les tâches d'apprentissage automatique, Gemini 3.6 Flash a obtenu un score de 63,9 %, ce qui est considérablement amélioré par rapport aux 49,7 % de la génération précédente.


Cependant, les données ci-dessus montrent que Gemini 3.6 Flash s'est amélioré par rapport à la génération précédente.

Si l’on compare horizontalement dans la concurrence actuelle des grands modèles, les adversaires choisis par Google sont GPT-5.6 Luna, Grok 4.5 et Claude Sonnet 5 (le positionnement de ce produit est également visible ici).

À en juger par les résultats, Gemini 3.6 Flash n'est pas en tête dans tous les domaines. Les modèles GPT et Claude conservent toujours leurs avantages dans les tâches complexes d'ingénierie logicielle et de travail de connaissances.

Mais c’est en réalité le sens de l’existence de la série Flash :

Il n’est pas nécessaire qu’il s’agisse du modèle le plus puissant, il doit simplement offrir des capacités adéquates à un coût nettement inférieur à celui du modèle phare.


En plus de l'évaluation officielle, selon le test préliminaire d'Artificial Analysis, Gemini 3.6 Flash a obtenu 50 points sur l'indice d'intelligence, qui est le même que Gemini 3.5 Flash.

Cela signifie que si vous regardez uniquement « l'intelligence » globale du modèle, il n'y a pas de mise à niveau dans Gemini 3.6 Flash.


Cependant, sa vitesse compense largement cela.

L'analyse artificielle compte également le temps moyen nécessaire au modèle pour terminer la tâche d'indice d'intelligence. Les résultats montrent que chaque tâche du Gemini 3.6 Flash prend en moyenne environ 1,3 minute, ce qui est réduit de moitié par rapport aux 2,7 minutes environ de la génération précédente 3.5 Flash.

Dans le même temps, le temps d'exécution des tâches de Gemini 3.5 Flash-Lite est également passé d'environ 1,6 minute par rapport à la génération précédente 3.1 Flash-Lite à environ 0,6 minute.


En général, l'orientation de la mise à niveau de Gemini 3.6 Flash est en réalité l'efficacité : moins de consommation de jetons, des coûts d'exploitation inférieurs et des capacités d'agent plus adaptées à un fonctionnement à long terme.

Pour les utilisateurs habitués à utiliser Gemini 3.5 Flash, il s'agit en effet d'une très bonne mise à niveau.

02

3.5 Flash-Lite : plus rapide, mais pas aussi bon marché que la génération précédente

Regardons ensuite un autre modèle Gemini 3.5 Flash-Lite.

Comme son nom l'indique, Flash-Lite est une version allégée de la série Flash. Par rapport à Flash, il sacrifie une partie de sa limite supérieure de capacités en échange d'un coût inférieur et d'une vitesse plus rapide.


Comme mentionné précédemment, le temps d'exécution des tâches de Gemini 3.5 Flash-Lite est passé d'environ 1,6 minute par rapport à la génération précédente 3.1 Flash-Lite à environ 0,6 minute.

3.5 Flash-Lite est également le modèle le plus rapide de la série 3.5. Selon les données des tests d'analyse artificielle, sa vitesse de génération atteint environ 350 jetons/seconde, ce qui se situe déjà au niveau le plus élevé parmi les grands modèles grand public actuels.

Gemini 3.5 Flash-Lite est proposé au prix suivant :

Entrée : 0,30 $/million de jetons

Sortie : 2,50 $/million de jetons

Par rapport à Gemini 3.6 Flash, le prix d'entrée est d'environ 1/5 et le prix de sortie est d'environ 1/3. Cependant, le nouveau modèle ne connaît pas de réduction de prix supplémentaire par rapport à la génération précédente Gemini 3.1 Flash-Lite.

Bien que Gemini 3.5 Flash-Lite puisse réduire certains coûts en réduisant la production grâce à ses capacités améliorées, il reste globalement difficile de compenser l'augmentation du prix unitaire.

Selon les documents officiels, par rapport à la génération précédente Gemini 3.1 Flash-Lite, le nouveau modèle présente des améliorations significatives à différents niveaux de réflexion. Les développeurs peuvent ajuster la profondeur de réflexion du modèle en fonction des exigences de la tâche.

De plus, Gemini 3.5 Flash-Lite dispose également de fonctionnalités intégrées d'utilisation de l'ordinateur, qui peuvent aider les agents à exploiter l'environnement informatique de manière plus fiable et à effectuer des tâches inter-applications.

Dans des tests spécifiques, Gemini 3.5 Flash-Lite s'est également considérablement amélioré par rapport au modèle de la génération précédente : dans le test de l'agent de programmation Terminal-Bench 2.1, le score est passé de 31 % à 54 % ; dans le GDM-MRCR v2, qui teste la capacité de compréhension d'un contexte long, le score est passé de 60,1 % à 72,2 % ; dans le test d'exécution de tâches GDPval-AA v2, plus proche des scénarios de travail réels, le score s'est amélioré de 642 à 1 140.


Il convient de noter que dans certains tests liés aux agents et au code, Gemini 3.5 Flash-Lite a même surpassé le modèle Gemini 3 Flash mieux positionné de la génération précédente.

Par exemple, lors du test d'ingénierie logicielle SWE-Bench Pro, Gemini 3.5 Flash-Lite a obtenu un score de 54,2 %, supérieur aux 49,6 % de Gemini 3 Flash ; Dans OSWorld-Verified, qui teste la capacité de l'IA à faire fonctionner des ordinateurs, Gemini 3.5 Flash-Lite a également obtenu un score de 74,0 % supérieur aux 65,1 % de Gemini 3 Flash.

Cela signifie qu'à mesure que les capacités des modèles continuent de s'améliorer, certaines tâches d'agent qui nécessitaient auparavant des modèles plus grands sont progressivement réduites à des modèles moins chers et plus rapides.


À propos, en plus des deux premiers modèles généraux destinés aux utilisateurs ordinaires, Google a également lancé Gemini 3.5 Flash Cyber.

Il est principalement destiné aux scénarios de sécurité des réseaux. Selon la documentation officielle, dans le système CodeMender, plusieurs cyber-agents Gemini 3.5 Flash peuvent travailler ensemble pour effectuer différentes tâches d'analyse, et enfin les résumer dans un rapport complet. Flash Cyber ​​​​​​a également atteint des performances de modèle quasi-leaders dans le benchmark de cybersécurité CyberGym.


Le modèle ne sera pas accessible au public pour le moment et n'est accessible qu'aux gouvernements et aux partenaires de confiance via la plateforme CodeMender.

03

3.5 Pro : la feuille de réponses phare que Google n'a pas pu fournir

Si Gemini 3.6 Flash et Gemini 3.5 Flash-Lite peuvent être considérés comme le jugement de Google sur l'application à grande échelle de l'IA, alors Gemini 3.5 Pro représente la limite supérieure du modèle de Google.

Mais le problème est que cette feuille de réponses n'a pas encore été remise.

Lors de l'I/O de mai, Google a annoncé que Gemini 3.5 Pro serait lancé "dans le mois prochain environ", et qu'il devrait être en ligne en juin de cette année. Nous sommes maintenant à plus de la moitié du mois de juillet.

Selon un rapport de Bloomberg du 16 juillet, la date de sortie de Gemini 3.5 Pro est déjà en retard de plusieurs mois par rapport au plan initial. Google continue d'optimiser les capacités du modèle, en particulier les performances de codage, dans l'espoir d'atteindre les objectifs fixés en interne.

Le dernier rapport de Reuters montre que pour l'instant, Google n'a pas annoncé d'heure de lancement précise, indiquant seulement que le modèle est testé avec des partenaires et sera lancé « bientôt » ; un autre communiqué de presse a révélé que les travaux de formation de Gemini 4 ont déjà commencé.

Et nous savons tous que « bientôt » signifie incertitude.


Lorsque Gemini 1.0 est sorti, il a été remis en question en raison d'une controverse sur la démonstration ; Gemini 1.5 Pro a brièvement retrouvé la situation avec le contexte de millions de tokens, mais ensuite Claude et la série GPT ont rapidement rattrapé leur retard ; il a fallu attendre la sortie de la série Gemini 3 pour que Google retrouve l'évaluation de « retour à l'avant-garde de la concurrence ».

Maintenant que Gemini 3.5 Pro a été à nouveau reporté, le marché ne se soucie plus non seulement du moment où un modèle sera lancé, mais aussi de la capacité de Google à maintenir le rythme concurrentiel des modèles phares.

De plus, les performances de codage révélées par Google ne sont pas aussi bonnes que prévu, et ce n'est pas un petit problème facile à résoudre.

À mesure que les agents commencent à intégrer les flux de travail des entreprises, l’importance des capacités de codage augmente rapidement. La capacité d'un modèle à comprendre des projets complexes, à modifier le code réel et à effectuer des tâches de développement en plusieurs étapes est devenue un indicateur important de sa valeur de production réelle.

Reuters a noté que Wall Street attend Gemini 3.5 Pro car il deviendra un indicateur important pour savoir si Google DeepMind peut suivre OpenAI et Anthropic.

Bien entendu, Google n’est pas sans agir. Les différents modèles lancés cette fois montrent simplement que Google renforce une autre voie : rendre l’IA moins chère et plus facile à faire évoluer.

Le PDG de Google, Sundar Pichai, a récemment souligné à plusieurs reprises l'avantage en termes de coûts et a déclaré que si les entreprises migrent la plupart de leurs charges de travail d'IA vers le modèle Gemini, elles peuvent économiser plus d'un milliard de dollars par an.

Mais le problème est que le marché attend avec impatience une « feuille de réponses » qui prouve la force du modèle de Google, mais ce que Google a remis, ce sont deux « projets de documents » sur l'efficacité et le coût - il est difficile de ne pas donner l'impression aux gens que Google utilise la série Flash pour combler le vide laissé par le retard Pro.

Fait intéressant, alors que Gemini 3.5 Pro est retardé, le paysage concurrentiel de l'IA évolue.

Dans le passé, lorsque les gens parlaient des leaders de l'IA, ils se concentraient principalement sur les « trois sociétés royales » à l'étranger : OpenAI, Anthropic et Google DeepMind.

Mais récemment, des modèles nationaux tels que le GLM-5.2 et le Kimi K3 ont également commencé à entrer dans la compétition de pointe et ont suscité de nombreuses discussions.

Le rythme de rattrapage des modèles de pointe s’accélère, ce qui rend les problèmes de Google plus urgents. Bien sûr, il peut continuer à lancer vigoureusement des modèles Flash, mais seulement si son modèle phare est suffisamment puissant - tant que la puissance dure sera suffisante, il y aura de grands érudits pour le défendre.

Si Google lance enfin un modèle phare véritablement leader, alors la route Flash fera partie du système complet : Pro est chargé de franchir la limite supérieure des capacités ; Flash est responsable des applications à grande échelle.

Mais si Gemini 3.5 Pro continue d'être à la traîne, le marché continuera probablement à se demander : Google dispose des ressources de recherche en IA les plus solides, pourquoi ne peut-il pas systématiquement surpasser ses concurrents ?

Les gens demanderont probablement plus de détails sur le Gemini 3.5 Pro lorsque Alphabet tiendra cette semaine son appel aux résultats du deuxième trimestre.