Waar blijft Gemini 3.5 Pro? Google's Gemini-offensief: wanneer snelheid belangrijker wordt dan vindingrijkheid

Goedkoper in plaats van briljant: Google's verrassende strategiewijziging bij Gemini

Het nieuwe AI-plan van Google: geeft het bedrijf de race om de slimste AI op?

Google verandert de spelregels in de wereldwijde AI-race drastisch. In plaats van een geïsoleerde strijd aan te gaan met concurrenten zoals OpenAI en Anthropic om het meest intelligente – en daarmee duurste – vlaggenschipmodel, richt de techgigant zich op radicale efficiëntie. Met zijn nieuwe modelfamilie, gecentreerd rond de Gemini 3.6 Flash, de extreem energiezuinige Flash-Lite en het zeer gespecialiseerde, maar momenteel nog geheim gehouden Cyber-model, staat een nieuwe maatstaf centraal: kostenreductie met maximale functionaliteit. Hoewel het langverwachte vlaggenschip Gemini 3.5 Pro nog niet beschikbaar is, herpositioneert Google zich als een onmisbare basisleverancier voor de snelgroeiende agent-economie. Maar wat betekent deze strategische verschuiving voor de toekomst van generatieve AI? En waarom acht Google zijn nieuwste beveiligingsmodel te riskant voor het grote publiek? Dit artikel analyseert Googles pragmatische aanpak voor de volgende generatie AI en onderzoekt de enorme impact ervan op bedrijven en ontwikkelaars.

Waarom Google liever drie kleine modellen levert dan één grote belofte nakomt

De nieuwste zet van Google in de race tussen de grote AI-aanbieders volgt een patroon dat steeds meer de norm wordt in de sector: in plaats van één monolithische verbetering levert het bedrijf een hele reeks modellen die zijn afgestemd op verschillende toepassingen. Met Gemini 3.6 Flash, Gemini 3.5 Flash-Lite en Gemini 3.5 Flash Cyber ​​lanceert Google de volgende evolutionaire fase slechts enkele maanden na de introductie van Gemini 3.5 Flash in mei. Wat hier opmerkelijk is, is minder de technische inhoud van de individuele innovaties dan de onderliggende strategische boodschap: Google positioneert zich niet langer primair als de aanbieder van het meest intelligente model, maar eerder als de aanbieder van het meest economisch efficiënte AI-ecosysteem.

Zuinigheid als nieuw statussymbool in de AI-race

Het belangrijkste verkoopargument van Gemini 3.6 Flash is niet de toegenomen intelligentie, maar de kostenbesparing. Google adverteert met een reductie van ongeveer 17 procent in het tokenverbruik ten opzichte van zijn voorganger, 3.5 Flash, gebaseerd op metingen van de Artificial Analysis Index. In sommige benchmarks, zoals DeepSWE, zou de kostprijs per gegenereerd outputtoken zelfs met 65 procent dalen. Tegelijkertijd is ook de nominale prijs verlaagd: waar Gemini 3.5 Flash $1,50 per miljoen inputtokens en $9 per miljoen outputtokens kostte, kost Gemini 3.6 Flash slechts $7,50 per miljoen outputtokens bij ongewijzigde inputkosten. Deze combinatie van lager verbruik en een lagere prijs per eenheid heeft een duidelijk merkbaar effect op de operationele kosten van bedrijven die generatieve AI op grote schaal inzetten.

Deze focus op efficiëntie is geen toeval, maar eerder een uiting van een economische realiteit die momenteel de hele sector vormgeeft. Grote taalmodellen brengen rekenkosten met zich mee voor elke afzonderlijke query, die oplopen tot aanzienlijke bedragen bij miljoenen of miljarden dagelijkse queries. Cloudproviders en platformbeheerders die agentsystemen willen schalen die zelfstandig meerstaps taken afhandelen, moeten het tokenverbruik per stap drastisch verlagen; anders worden de economische voordelen van dergelijke systemen tenietgedaan door de infrastructuurkosten. Google pakt dit probleem precies aan door een nieuw model aan te bieden dat, volgens eigen zeggen, minder denkprocessen en toolaanroepen vereist om meerstaps workflows te voltooien.

Technologische vooruitgang die verder gaat dan alleen de kosten

Naast een verhoogde efficiëntie laat Gemini 3.6 Flash ook verbeteringen zien in klassieke prestatiebenchmarks. Bij programmeertaken, zoals gemeten door de DeepSWE-test, stijgt het succespercentage van 37 naar 49 procent. In de ML Research Benchmark MLE Bench verbetert het model van 49,7 naar 63,9 procent. Ook bij kennisintensieve taken is vooruitgang zichtbaar: de GDPval-AA-score stijgt van 1349 naar 1421 punten. Bijzonder opmerkelijk is de verbetering in computervaardigheden, met name het vermogen van de AI om zelfstandig door grafische gebruikersinterfaces te navigeren: de OSWorld-Verified-score stijgt van 78,4 naar 83 procent. Bovendien is de kennisbasis van het model bijgewerkt van januari 2025 naar maart 2026, een significant praktisch voordeel in het snel veranderende technologische landschap van vandaag.

Ondanks deze verbeteringen blijft de Gemini 3.6 Flash duidelijk gepositioneerd als een middenklassemodel. In directe vergelijkingstests op platforms zoals Arena.ai scoort hij lager dan topmodellen zoals de Claude Opus of de nieuwe GPT 5.6-Sol. Dit is geen zwakte, maar een bewuste ontwerpkeuze: Google ziet af van de claim het krachtigste model te zijn en richt zich in plaats daarvan op een segment waar snelheid, prijs en voldoende kwaliteit belangrijker zijn dan het theoretische maximum qua intelligentie. Deze strategie doet denken aan klassieke marktsegmentatie in andere technologiesectoren, zoals processoren, waar fabrikanten consequent efficiënte middenklasseproducten voor massamarkttoepassingen aanbieden naast krachtige chips.

De nieuwe basislaag voor agent-economie

Met Gemini 3.5 Flash-Lite streeft Google naar een nog ambitieuzer efficiëntiedoel. Dit model is expliciet ontworpen als basis voor het bouwen en schalen van AI-agenten – systemen die zelfstandig complexe taken in meerdere stappen kunnen verwerken zonder menselijke tussenkomst in elke fase. Het presteert aanzienlijk beter dan zijn voorganger, 3.1 Flash-Lite, in benchmarks voor zowel kennisgebaseerde als programmeertaken, terwijl de operationele kosten uitzonderlijk laag blijven: $ 0,30 per miljoen inputtokens en $ 2,50 per miljoen outputtokens. De flexibiliteit van het model is opmerkelijk: afhankelijk van de toepassing kan het zo worden geconfigureerd dat het bijzonder snel en kosteneffectief werkt, of juist meer gebruikmaakt van zijn redeneervermogen. Dit laatste is nodig wanneer taken gezamenlijk moeten worden verwerkt door verschillende gespecialiseerde subroutines, ook wel subagenten genoemd.

Deze architectonische keuze onthult de richting waarin de hele industrie zich beweegt. Veel marktanalisten geloven dat de toekomst van AI niet ligt in steeds grotere individuele modellen, maar in netwerksystemen van kleinere, gespecialiseerde modellen die, door samen te werken, complexe processen in kaart brengen. Een enkele grote berekening door een krachtig model wordt vervangen door vele kleine, goedkope query's naar slanke modellen die parallel of sequentieel samenwerken. Een model zoals Flash-Lite is bij uitstek geschikt voor deze architectuur, omdat het de kosten per query zo sterk verlaagt dat een groot aantal query's economisch haalbaar blijft. De aankondiging dat Flash-Lite ook AI-resultaten zal leveren in Google Web Search onderstreept de centrale rol die Google aan dit slanke model toekent in de massamarkt.

Een instrument met twee gezichten: cybersecurity als bedrijfssector

De derde nieuwe release, Gemini 3.5 Flash Cyber, markeert een aanzienlijke uitbreiding van de Flash-serie naar een zeer gevoelig gebied. Dit model is specifiek getraind om beveiligingslekken in softwarecode te vinden en te analyseren en om herstelmaatregelen voor te stellen. Deze specialisatie is gebaseerd op de reeds efficiënte Gemini 3.5 Flash, die verder is verfijnd door gerichte training voor de analyse van grote codebases. In plaats van één enkele, kostbare query naar een zeer groot model te sturen, roept de overkoepelende beveiligingsagent Codemender het gestroomlijnde Cyber-model meerdere keren aan om parallel verschillende uitvoeringspaden van een programma te onderzoeken. De individuele deelresultaten worden vervolgens samengevoegd tot een uitgebreid rapport.

De prestaties van deze aanpak zijn in concrete cijfers te zien. In een test met de complexe JavaScript-engine V8 identificeerde het cybermodel 55 afzonderlijke, bevestigde kwetsbaarheden, terwijl het algemene Flash-model er slechts 47 vond en Anthropic's Claude Opus 4.6 slechts 36. Tien van de ontdekte problemen werden uitsluitend door het gespecialiseerde cybermodel gevonden. In de CyberGym-benchmark, die AI-agenten evalueert aan de hand van honderden softwarekwetsbaarheden uit de praktijk, behaalt het model, in combinatie met meerdere runs, een prestatieniveau dat vergelijkbaar is met aanzienlijk grotere en duurdere beveiligingsmodellen van leveranciers zoals Anthropic en OpenAI. In een interne test door het cloudbeveiligingsteam van Google ontdekte het model binnen slechts twee uur verschillende kritieke kwetsbaarheden in productiesystemen, waaronder een geheugenbeschadigingskwetsbaarheid waarvoor het ook een werkende exploit genereerde die gangbare beveiligingsmechanismen zoals adresruimte-layoutrandomisatie omzeilde.

Dit enorme vermogen om kwetsbaarheden in code te identificeren is tegelijkertijd ook het grootste risico van het model. Google erkent zelf openlijk het dubbele karakter van de technologie: dezelfde mogelijkheid die verdedigers in staat stelt kwetsbaarheden te dichten, kan door aanvallers worden gebruikt om diezelfde gaten te exploiteren voordat ze worden gedicht. Om die reden heeft Google besloten het model voorlopig niet publiekelijk beschikbaar te stellen, maar het exclusief te delen via zijn eigen beveiligingstool, Codemender, als onderdeel van een streng gecontroleerd pilotprogramma met overheden en geselecteerde, vertrouwde partners. Er is geen concrete planning bekendgemaakt voor het uitbreiden van de toegang. Deze terughoudendheid weerspiegelt een groeiend besef binnen de sector dat zeer gespecialiseerde AI-systemen op het gebied van beveiliging niet onder dezelfde regels kunnen worden vrijgegeven als algemene chatbottoepassingen.

Een nieuwe dimensie van digitale transformatie met 'Managed AI' (kunstmatige intelligentie) – Platform- en B2B-oplossing | Xpert Consulting - Afbeelding: Xpert.Digital

Hier leert u hoe uw bedrijf snel, veilig en zonder hoge drempels AI-oplossingen op maat kan implementeren.

Een beheerd AI-platform is uw allesomvattende, zorgeloze oplossing voor kunstmatige intelligentie. In plaats van te worstelen met complexe technologie, dure infrastructuur en langdurige ontwikkelprocessen, ontvangt u een kant-en-klare oplossing op maat van een gespecialiseerde partner – vaak al binnen enkele dagen.

De belangrijkste voordelen in één oogopslag:

⚡ Snelle implementatie: Van idee tot gebruiksklare applicatie in dagen, niet maanden. Wij leveren praktische oplossingen die direct toegevoegde waarde creëren.

🔒 Maximale gegevensbeveiliging: Uw gevoelige gegevens blijven bij u. Wij garanderen een veilige en conforme verwerking zonder gegevens met derden te delen.

💸 Geen financieel risico: u betaalt alleen voor de resultaten. Hoge investeringen vooraf in hardware, software of personeel zijn volledig uitgesloten.

🎯 Focus op uw kernactiviteiten: concentreer u op waar u het beste in bent. Wij zorgen voor de volledige technische implementatie, werking en het onderhoud van uw AI-oplossing.

📈 Toekomstbestendig en schaalbaar: Uw AI groeit met u mee. Wij garanderen continue optimalisatie en schaalbaarheid en passen de modellen flexibel aan nieuwe eisen aan.

Meer informatie vindt u hier:

• De Managed AI Solution - Industriële AI-diensten: De sleutel tot concurrentievermogen in de dienstensector, de industrie en de machinebouw

Het mysterie rond het verdwenen vlaggenschipmodel

Wat opvalt aan de hele aankondiging is wat er ontbreekt: de Gemini 3.5 Pro, het krachtigste model van de huidige generatie, werd al verwacht tijdens Google I/O in mei, maar is sindsdien niet verschenen. Google legt slechts uit dat de nieuwe versie momenteel wordt getest met een select aantal partners en beschikbaar zal komen na succesvolle afronding van deze tests. Het bedrijf heeft nog steeds geen specifieke releasedatum genoemd, maar benadrukt dat het wachten niet lang meer zal duren. Volgens diverse experts in de branche suggereert deze herhaalde vertraging dat de Pro-versie intern nog niet de gewenste resultaten heeft behaald bij complexe programmeer- en redeneertaken. Google geeft er blijkbaar de voorkeur aan om te wachten in plaats van een product uit te brengen dat niet voldoet aan de eigen kwaliteitsnormen of de verwachtingen van de concurrentie.

Deze terughoudendheid werpt een interessant licht op de concurrentiedynamiek tussen toonaangevende AI-aanbieders. Terwijl OpenAI en Anthropic in rap tempo nieuwe topmodellen uitbrengen, richt Google zich momenteel duidelijk op het midden- en instapsegment. Dit kan worden geïnterpreteerd als een teken van voorzichtigheid, maar ook als een slimme marktpositionering: in plaats van een mogelijk nog in ontwikkeling zijnd vlaggenschipmodel te presenteren, verzekert Google zich van marktaandeel over de hele linie met betaalbare, snelle en praktische modellen die al betrouwbaar de overgrote meerderheid van de dagelijkse zakelijke toepassingen afdekken. Voor veel zakelijke toepassingen, zoals documentverwerking, rapportage of eenvoudige programmeertaken, is de absolute piekprestatie van een model sowieso van secundair belang, zolang snelheid en kosten maar kloppen.

Beschikbaarheid en integratie in het bestaande ecosysteem

De praktische toepassing van de nieuwe modellen verloopt opmerkelijk snel en wijdverspreid. Gemini 3.6 Flash en Gemini 3.5 Flash-Lite zijn al beschikbaar in Google AI Studio, Android Studio en het Gemini Enterprise Agent Platform. Daarnaast is 3.6 Flash geïntegreerd in de Antigravity-ontwikkelomgeving en de Gemini Enterprise-app, terwijl beide modellen ook beschikbaar zijn in de reguliere Gemini-app voor eindgebruikers. Bijzonder opmerkelijk is de aankondiging dat Flash-Lite binnenkort ook de door AI gegenereerde resultaten van Google-webzoekopdrachten zal leveren. Gezien het enorme volume aan zoekopdrachten van deze zoekmachine onderstreept dit het belang van een kosteneffectief model voor Google in een geheel nieuwe dimensie. De snelle adoptie is ook buiten het eigen ecosysteem van Google zichtbaar: Gemini 3.6 Flash werd op de dag van de aankondiging al geïntegreerd in GitHub Copilot, wat de toenemende integratie van grote AI-aanbieders met gevestigde ontwikkelaarstools illustreert.

Deze brede en gelijktijdige integratie over diverse productlijnen heen toont Google's systematische aanpak om nieuwe modelgeneraties naadloos uit te rollen over het gehele productportfolio. In tegenstelling tot eerdere modelwijzigingen, waarbij er vaak merkbare vertragingen waren tussen de aankondiging en de daadwerkelijke beschikbaarheid in verschillende applicaties, lijkt deze uitrol een zorgvuldig georkestreerd proces te zijn. Dit duidt op een volwassen interne infrastructuur die de bijna gelijktijdige implementatie van een nieuw model mogelijk maakt op alle contactpunten met ontwikkelaars en eindgebruikers.

Vooruitblik: De aankondiging van Gemini 4

Naast de drie specifieke modelreleases geeft Google in zijn aankondiging ook een vooruitblik op de volgende grote generatie. Het bedrijf bevestigt dat de zogenaamde pre-training, de fundamentele initiële trainingsfase voor Gemini 4, al is begonnen. Google geeft geen specifieke technische details over de architectuur, de omvang of de geplande mogelijkheden van het aankomende grootschalige model, maar benadrukt wel zijn enthousiasme over de tot nu toe behaalde vooruitgang. Deze opzettelijk vage formulering is typerend voor de communicatiestrategie van grote AI-laboratoria, die enerzijds de verwachtingen hooggespannen maken, maar anderzijds geen concrete beloftes willen doen die later wellicht te vroeg blijken.

Gezien de releasecyclus van de afgelopen jaren, waarbij Google doorgaans nieuwe basismodellen introduceerde tijdens de I/O-ontwikkelaarsconferentie in het voorjaar en vervolgens in de herfst of winter grote generatiesprongen doorvoerde, lijkt een release van Gemini 4 tegen het einde van dit jaar aannemelijk. Voor bedrijven die hun AI-strategie voor de lange termijn plannen, betekent dit dat iedereen die vandaag investeert in de Flash-familie zich ervan bewust is dat er binnen enkele maanden een nieuwe technologische basis kan volgen, wat op zijn beurt nieuwe migratiebeslissingen vereist. Deze korte levensduur van AI-modelgeneraties stelt IT-afdelingen en softwarearchitecten voor de voortdurende uitdaging om hun systemen zo te ontwerpen dat een wijziging in de onderliggende modellen zo soepel mogelijk kan worden geïmplementeerd.

Context: Wat deze modelstrategie onthult over de marktpositie van Google

Al met al laat de recente aankondiging zien dat de concurrentie tussen toonaangevende AI-bedrijven zich steeds meer opsplitst in twee parallelle dimensies. Enerzijds is er de race om het meest intelligente en krachtige model, een veld waarin Anthropic en OpenAI momenteel de krantenkoppen domineren met hun vlaggenschipproducten, en waarin Google zichtbaar achterblijft met zijn vertraagde Pro-versie. Anderzijds ontstaat er een tweede, mogelijk economisch belangrijkere strijd: de concurrentie om de meest efficiënte, kosteneffectieve en schaalbare infrastructuur voor de dagelijkse, grootschalige implementatie van AI in bedrijven, zoekmachines en agentsystemen. Op dit tweede gebied positioneert Google zich zeer bewust en consequent aan de voorhoede met zijn Flash-productfamilie.

Deze dubbele strategie is economisch verantwoord. Voor de overgrote meerderheid van praktische toepassingen in het bedrijfsleven, van geautomatiseerde documentverwerking en chatbots voor klantenservice tot eenvoudige programmeertaken, is de absolute topklasse intelligentie van een model niet de doorslaggevende factor, maar eerder de balans tussen kosten, snelheid en voldoende kwaliteit. Cloudproviders die miljoenen verzoeken per dag moeten verwerken, profiteren meer van een procentuele verlaging van de tokenkosten met dubbele cijfers dan van een marginale verbetering van de redeneermogelijkheden van een duur topmodel. Google lijkt dit inzicht consequent te vertalen naar zijn productstrategie en geeft daarmee tegelijkertijd een signaal af aan ontwikkelaars en zakelijke klanten: iedereen die vandaag de dag schaalbare AI-agents of kosteneffectieve zoekintegraties wil bouwen, vindt een solide en economisch haalbare basis in de Flash-familie, ongeacht wanneer het grote Pro-model uiteindelijk wordt uitgebracht.

Tegelijkertijd onthult de introductie van het gespecialiseerde cybermodel een nieuw facet van het concurrentielandschap voor AI dat verder reikt dan louter efficiëntieoverwegingen: het toenemende gebruik van AI als actief instrument in cyberbeveiliging, met alle bijbehorende kansen voor verdedigers en risico's in geval van misbruik. De gecontroleerde, gefaseerde release van dit model toont aan dat Google zich bewust is van zijn maatschappelijke verantwoordelijkheid bij het vrijgeven van bijzonder krachtige beveiligingstools en bereid is het commerciële bereik, in ieder geval tijdelijk, te beperken ten gunste van veiligheidsbelangen. Hoe dit evenwicht tussen brede beschikbaarheid en gecontroleerde toegang zich in de toekomst ontwikkelt, zal waarschijnlijk een van de meest interessante gebieden worden om te volgen, naarmate AI-modellen steeds beter in staat zijn om complexe technische systemen zelfstandig te analyseren en te manipuleren.

☑️ Onze zakelijke voertaal is Engels of Duits

☑️ NIEUW: Correspondentie in uw moedertaal!

Konrad Wolfenstein

Mijn team en ik staan ​​graag tot uw beschikking als uw persoonlijke adviseur.

U kunt contact met mij opnemen door hier het contactformulier in te vullen [email protected]:of door mij te bellen op +49 7348 4088 965. Mijn e-mailadres is

Ik kijk uit naar ons gezamenlijke project.

☑️ Ondersteuning van het MKB op het gebied van strategie, advies, planning en implementatie

☑️ Opstellen of herzien van de digitale strategie en digitalisering

☑️ Uitbreiding en optimalisatie van internationale verkoopprocessen

☑️ Wereldwijde en digitale B2B-handelsplatformen

☑️ Pionier in bedrijfsontwikkeling / marketing / PR / beurzen

De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering - Afbeelding: Xpert.Digital

Xpert.Digital is een datagedreven B2B-branchehub onder leiding van Konrad Wolfenstein . Het bedrijf fungeert als een externe, quasi-interne oplossing voor industriële partners en dicht operationele lacunes in marketing, content en sales – zonder dat de klant extra middelen nodig heeft.

Meer informatie vindt u hier:

• De quasi-interne oplossing: Hoe Xpert.Digital operationele hiaten in B2B-marketing en -verkoop dicht – Slimme, contentgedreven bedrijfsvoering