Google dokłada trzy Gemini. Szybciej, taniej i bezpieczniej

Za kilka miesięcy w Twojej firmie nie pyta się już, czy wdrożyć agentów AI, tylko który model dowiezie to szybciej i taniej. I właśnie tu zaczyna się prawdziwa gra - nie o efekt wow, tylko o koszty, tempo i ryzyko. Google dobrze to widzi, więc dorzuca do rodziny Gemini trzy nowe warianty.

Firma ogłosiła modele Gemini 3.6 Flash, Gemini 3.5 Flash-Lite i Gemini 3.5 Flash Cyber. Cel jest bardzo konkretny: przyspieszyć budowę agentów AI, obniżyć koszt wdrożeń i podnieść poziom bezpieczeństwa. Dwa pierwsze modele są już szeroko dostępne dla deweloperów, firm i użytkowników. Wersja Cyber trafi tylko do instytucji rządowych i zaufanych partnerów.

Sprawdźmy fakty. W świecie AI łatwo sprzedać hasło o "mądrzejszym modelu", a dużo trudniej pokazać, gdzie naprawdę spada rachunek za użycie. To właśnie ta różnica, którą finanse zauważają bez lupy.

Gemini 3.6 Flash celuje w agentów, kod i pracę z danymi

Najważniejszą premierą jest Gemini 3.6 Flash - następca modelu 3.5 Flash. Google ustawiło go pod złożone zadania agentowe, programowanie oraz pracę z danymi i wiedzą. To ważne, bo właśnie tam modele AI najczęściej przestają być zabawką do pisania maili, a zaczynają być realnym narzędziem pracy.

Według Google nowy model zużywa średnio o 17% mniej tokenów wyjściowych niż Gemini 3.5 Flash. W wybranych zadaniach programistycznych redukcja ma sięgać nawet 65%. Tokeny to w uproszczeniu jednostki tekstu, za które płacisz przy korzystaniu z modelu przez API. Mniej tokenów wyjściowych oznacza prostą rzecz: niższy koszt odpowiedzi.

Google dodaje też, że model potrzebuje mniejszej liczby kroków wnioskowania i wywołań narzędzi przy zadaniach wieloetapowych. Dla zwykłego użytkownika to techniczny detal. Dla firmy wdrażającej agentów AI - bardzo praktyczna sprawa. Mniej kroków oznacza mniej operacji, mniej opóźnień i mniejszy rachunek.

Ile kosztuje Gemini 3.6 Flash?

Cena modelu wynosi 1,5 dolara za milion tokenów wejściowych i 7,5 dolara za milion tokenów wyjściowych. Jeśli patrzysz na AI od strony biznesowej, to właśnie takie liczby zaczynają mieć znaczenie większe niż marketingowe obietnice. Model może być świetny, ale jeśli przepala budżet, szybko ląduje w prezentacji pod tytułem „fajny pomysł, wrócimy później”.

Jak wypada w testach?

Google pokazuje też poprawę w benchmarkach. W DeepSWE Gemini 3.6 Flash osiągnął 49% wobec 37% dla poprzednika. W MLE Bench wynik wzrósł z 49,7% do 63,9%, a w OSWorld-Verified z 78,4 do 83%.

Firma wskazuje również na lepszą analizę dokumentów, wykresów i danych oraz wyższą skuteczność w zadaniach multimodalnych - takich, gdzie model nie pracuje tylko na samym tekście, ale też na innych typach treści. Jeśli śledzisz rozwój tej rodziny, zerknij też na tekst o tym, jak Google było oceniane przy Gemini 3.5 Pro. Dobrze widać, że firma mocno naciska teraz na tempo nadrabiania.

Flash-Lite ma robić skalę bez palenia budżetu

Drugą nowością jest Gemini 3.5 Flash-Lite. Google opisuje go jako najszybszy i najbardziej ekonomiczny model w rodzinie Gemini 3.5. To nie jest wariant dla osób, które chcą „najmocniejszego modelu świata”. To model dla tych, którzy chcą uruchomić dużo zapytań i nie zbankrutować po pierwszym tygodniu.

Flash-Lite generuje do 350 tokenów na sekundę. Koszt to 0,3 dolara za milion tokenów wejściowych i 2,5 dolara za milion tokenów wyjściowych. Google podkreśla, że nowa wersja wyraźnie przewyższa poprzedni model Flash-Lite, a w części testów związanych z kodowaniem i zadaniami agentowymi wypada nawet lepiej niż ubiegłoroczny Gemini 3 Flash.

Tu przekaz jest prosty: jeśli potrzebujesz dużej przepustowości, ten model ma sens. Google wskazuje na zastosowania takie jak wyszukiwanie agentowe, analiza dokumentów czy obsługa systemów AI działających na dużą skalę. To właśnie ten segment rośnie dziś najszybciej - nie pojedynczy chatbot, tylko całe procesy oparte na wielu agentów AI.

Z perspektywy polskich firm to może być ciekawy ruch. Zwłaszcza tam, gdzie AI ma obsługiwać dużo dokumentów, zapytań albo wewnętrznych procesów, a budżet nie jest z gumy. Jeśli korzystasz już z narzędzi Google, przyda Ci się też poradnik jak wyłączyć trening AI na Twoich danych w Gemini oraz zestaw 7 ukrytych funkcji Gemini, które oszczędzą Ci godziny w pracy.

Gemini 3.5 Flash Cyber idzie w bezpieczeństwo i naprawę luk

Trzeci model, Gemini 3.5 Flash Cyber, jest już dużo bardziej wyspecjalizowany. Google opracowało go z myślą o wykrywaniu, analizowaniu i usuwaniu luk w zabezpieczeniach oprogramowania. Nie chodzi tu o uniwersalnego asystenta, tylko o narzędzie do bardzo konkretnej roboty.

Model współpracuje z agentem CodeMender, który wykorzystuje wiele instancji AI do przygotowania jednego raportu z propozycjami naprawy wykrytych podatności. To ciekawy kierunek. Pokazuje, że AI coraz częściej działa nie jako pojedynczy model, lecz jako zespół wyspecjalizowanych agentów. Jeden szuka problemu, drugi go analizuje, trzeci proponuje poprawkę.

Google podaje, że to rozwiązanie osiąga konkurencyjne wyniki w benchmarku CyberGym. Źródło nie rozwija dalej szczegółów, więc tu uczciwie stawiamy kropkę. Ze względu na potencjalnie wrażliwy charakter takich zastosowań, wariant Cyber nie będzie szeroko dostępny. Trafi wyłącznie do instytucji rządowych i zaufanych partnerów.

To zresztą wpisuje się w szerszy trend. Najmocniejsze modele bezpieczeństwa coraz częściej nie trafiają od razu do otwartego obiegu, bo ryzyko nadużyć jest po prostu zbyt duże. Jeśli interesuje Cię ten kierunek, zobacz też tekst o GPT-Red, który testuje bezpieczeństwo własnych modeli oraz materiał o nagrodach za łamanie zabezpieczeń bioAI. Rynek coraz wyraźniej pokazuje, że bezpieczeństwo nie jest dodatkiem do AI. To część produktu.

Co z tego wynika dla rynku i dla Ciebie

Google nie pokazuje tu jednego „najlepszego” modelu. Pokazuje coś ważniejszego: segmentację. Jeden model ma lepiej ogarniać złożone zadania i kod, drugi ma być tani i szybki przy dużej skali, trzeci jest zamkniętym narzędziem do cyberbezpieczeństwa. To sygnał, że rynek dojrzewa. Koniec z myśleniem, że jeden model załatwi wszystko.

Dla firm oznacza to prostszy wybór. Jeśli budujesz agentów AI do pracy z dokumentami, danymi albo procesami, patrzysz już nie tylko na „inteligencję” modelu, ale też na koszt tokenów, szybkość działania i poziom ryzyka. Dla użytkowników indywidualnych sprawa też jest prosta: im więcej takich wariantów, tym większa szansa, że narzędzie będzie lepiej dopasowane do konkretnego zadania, a nie do slajdu z konferencji.

Perspektywa na najbliższe 6-12 miesięcy? Zobaczysz coraz więcej modeli szytych pod konkretną robotę. Nie jednego AI-cudotwórcę, tylko rodzinę narzędzi: do skali, do analizy, do bezpieczeństwa, do kodu. I to właśnie tam rozstrzygnie się walka o rynek - nie w haśle „nasz model jest najmądrzejszy”, tylko w odpowiedzi na pytanie: który model naprawdę opłaca się wdrożyć?

Najczęstsze pytania

Czym różni się Gemini 3.6 Flash od Gemini 3.5 Flash-Lite?

Gemini 3.6 Flash Google pozycjonuje jako model do bardziej złożonych zadań agentowych, programowania oraz pracy z danymi i wiedzą. Gemini 3.5 Flash-Lite ma z kolei stawiać na szybkość, niski koszt i obsługę zastosowań wymagających dużej skali.

Ile kosztują nowe modele Gemini?

Gemini 3.6 Flash kosztuje 1,5 dolara za milion tokenów wejściowych i 7,5 dolara za milion tokenów wyjściowych. Gemini 3.5 Flash-Lite kosztuje 0,3 dolara za milion tokenów wejściowych i 2,5 dolara za milion tokenów wyjściowych.

Czy Gemini 3.5 Flash Cyber jest dostępny dla wszystkich?

Nie. Ten wariant ma trafić wyłącznie do instytucji rządowych i zaufanych partnerów. Google ogranicza dostęp ze względu na charakter zastosowań związanych z cyberbezpieczeństwem.

Do czego Google stworzyło model Flash Cyber?

Gemini 3.5 Flash Cyber ma wykrywać, analizować i pomagać usuwać luki w zabezpieczeniach oprogramowania. Współpracuje z agentem CodeMender, który przygotowuje raport z propozycjami naprawy wykrytych podatności.

Czy te nowości mają znaczenie dla polskich firm?

Tak, szczególnie jeśli firma myśli o agentach AI do dokumentów, wyszukiwania lub automatyzacji procesów. Źródło pokazuje wyraźnie, że Google mocno gra dziś kosztem, skalą i bezpieczeństwem, a to są dokładnie te tematy, które decydują o sensowności wdrożenia.