Google memperkenalkan Gemini 3.6 Flash dengan efisiensi token yang lebih baik untuk menangani pekerjaan AI yang kompleks. Model ini disebut memakai 17% lebih sedikit token dibandingkan Gemini 3.5 Flash pada berbagai tugas.
Penghematan itu penting bagi pengembang dan perusahaan yang menjalankan coding, pencarian pengetahuan, hingga automasi antarmuka komputer dalam skala besar. Google juga menyatakan Gemini 3.6 Flash membutuhkan lebih sedikit langkah penalaran serta penggunaan alat tambahan untuk tugas multilangkah.
Fokus pada pekerjaan AI yang lebih rumit
Gemini 3.6 Flash diposisikan untuk pekerjaan yang tidak selesai dalam satu instruksi sederhana. Kemampuannya mencakup penulisan kode, penalaran berbasis pengetahuan, dan pengoperasian antarmuka komputer.
Efisiensi token berpotensi menekan kebutuhan komputasi saat model harus memproses banyak instruksi atau konteks panjang. Google memperkenalkan model ini setelah perilisan sebelumnya pada I/O 2026 dengan membawa masukan dari pengembang dan pelanggan.
Dari sisi tarif, Gemini 3.6 Flash dibanderol USD 1,50 per 1 juta token input dan USD 7,50 per 1 juta token output. Google juga menyediakan Gemini 3.5 Flash-Lite sebagai opsi yang lebih murah untuk tugas berkecepatan tinggi dan latensi rendah.
| Model | Fokus Penggunaan | Input per 1 Juta Token | Output per 1 Juta Token |
|---|---|---|---|
| Gemini 3.6 Flash | Tugas multilangkah, coding, dan antarmuka komputer | USD 1,50 | USD 7,50 |
| Gemini 3.5 Flash-Lite | Pencarian berbasis agen dan pemrosesan dokumen | USD 0,30 | USD 2,50 |
Skor coding dan pengetahuan ikut terdongkrak
Peningkatan efisiensi tidak hanya menjadi soal biaya, karena Gemini 3.6 Flash juga mencatat kenaikan pada sejumlah pengujian. Liputan6.com yang mengutip 9to5Google menyebut model ini lebih akurat dalam pekerjaan coding dan membutuhkan lebih sedikit pengeditan kode.
Pada benchmark DeepSWE, skor kualitas kode Gemini 3.6 Flash naik dari 37% menjadi 49%. Untuk penelitian machine learning, skornya meningkat dari 49,7% menjadi 63,9%.
Model ini juga mencatat skor 1421 pada GDPval-AA, lebih tinggi dari 1349 pada model pembandingnya. Batas pengetahuan Gemini 3.6 Flash diperbarui dari Januari 2025 menjadi Maret 2026.
Kinerja dalam menjalankan antarmuka komputer turut menunjukkan peningkatan. Pada OSWorld-Verified, skornya naik dari 78,4% menjadi 83%.
Flash-Lite ditujukan untuk respons cepat
Di sisi lain, Gemini 3.5 Flash-Lite dirancang untuk penggunaan yang mengutamakan respons cepat. Google menempatkannya untuk pencarian berbasis agen dan pemrosesan dokumen dengan kebutuhan latensi rendah.
Pada Terminal-Bench 2.1, kemampuan pemrograman dan tugas berbasis agen model ini naik dari 31% menjadi 54%. Hasil pada GDM-MRCR v2 untuk pemrosesan konteks panjang juga meningkat dari 60,1% menjadi 72,2%.
Gemini 3.5 Flash-Lite meraih skor 74,0% pada OSWorld-Verified, naik dari 65,1%. Dalam SWE-Bench Pro, model ini mencatat 54,2%, melampaui Gemini 3 Flash yang memperoleh 49,6%.
Versi Cyber untuk celah keamanan kode
Google turut menyiapkan Gemini 3.5 Flash Cyber untuk menemukan dan memperbaiki kerentanan keamanan dalam kode. Model tersebut memanfaatkan performa dan efisiensi Flash untuk mendeteksi, memvalidasi, serta menambal celah pada skala besar.
Alat CodeMender milik Google menggunakan sejumlah agen Gemini 3.5 Flash Cyber. Akses awal model ini diberikan kepada pemerintah dan mitra tepercaya melalui program uji coba berskala kecil.
Akses untuk pengguna dan pengembang
Gemini 3.6 Flash dan Gemini 3.5 Flash-Lite telah tersedia untuk umum melalui aplikasi Gemini. Pengembang juga dapat mengakses keduanya lewat Google Antigravity, AI Studio, dan Android Studio.
Sementara itu, Gemini 3.5 Pro masih berada dalam tahap pengujian bersama para mitra. Google menyatakan model tersebut akan tersedia lebih luas setelah dinilai siap, saat tim DeepMind melanjutkan pengembangan model berikutnya.
