Gemini 3.6 Flash
Gemini 3.6 Flash — проприетарная нативно-мультимодальная модель рассуждений компании Google DeepMind из семейства Gemini 3, основанная на Gemini 3.5 Flash и ориентированная на программную инженерию, мультимодальную обработку информации и масштабирование агентных процессов, отличающаяся повышенной токен-эффективностью и сокращённым количеством шагов рассуждения и вызовов инструментов при выполнении многоэтапных задач. Модель была представлена и выпущена в общий доступ 21 июля 2026 года через Gemini API, Google AI Studio и другие продукты экосистемы Google одновременно с анонсом Gemini 3.5 Flash-Lite и специализированной Gemini 3.5 Flash Cyber.
Оценка
Gemini 3.6 Flash оценивалась по широкому набору тестов (бенчмарков), охватывающих способности к рассуждению, программирование, агентные сценарии, мультимодальные возможности и работу с длинным контекстом. Дополнительные тесты, сведения о подходе к оценке, результатах и применяемых методологиях опубликованы в методологии оценки Gemini 3.6 Flash.
Согласно Model Card Google DeepMind, приведённые ниже результаты актуальны по состоянию на июль 2026 года.[1]
| Benchmark | Description | Gemini 3.6 Flash | Gemini 3.5 Flash | Gemini 3.1 Pro | GPT-5.6 Luna | Grok 4.5 | Claude Sonnet 5 | |
|---|---|---|---|---|---|---|---|---|
| Input price | $/M tokens | Lower is better | $1.50 | $1.50 | $2.00 | $1.00 | $2.00 | $3.00 (full price) $2.00 (long-context) |
| Output price | $/M tokens | Lower is better | $7.50 | $9.00 | $12.00 | $6.00 | $6.00 | $15.00 (full price) $10.00 (long-context) |
| SWE-Bench Pro (Public) | Online agentic coding tasks | 58.7% | 55.1% | 54.2% | 62.7% | 64.7% | 63.2% | |
| DeepSWE v13 | Long-form software engineering | 49% | 37% | 12% | 67% | 54% | 54% | |
| Terminal-Bench 2.1 | Agentic terminal coding | 78.0% | 76.2% | 73.8% | 84.7% | 83.3% | 80.4% | |
| MLF-Bench | Machine Learning Engineering | 63.9% | 49.7% | 42.6% | 47.6% | 43.2% | 66.9% | |
| GDPval-AA v2 | Knowledge tools | 1,421 | 1,349 | 965 | 1,584 | 1,535 | 1,607 | |
| OSWorld-Verified | Computer use | 83.0% | 78.4% | 76.2% | 72.6% | — | 81.2% | |
| CharXiv Reasoning | Information synthesis from complex charts |
No tools With tools |
85.2% 89.4% |
84.2% 84.9% |
83.3% 83.2% |
82.7% — |
81.6% — |
77.0% 88.3% |
| MRCR v2 | Long context performance | 128k (average) 1M (pointwise) |
91.8% 54.0% |
77.3% 26.6% |
84.9% 26.3% |
74.8% — |
81.4% — |
71.6% — |
- ↑ Google DeepMind. Gemini 3.6 Flash — Model Card. Выпуск: июль 2026 года. С. 3.