Де Gemini 3.5 Pro? Наступ Google на Gemini: коли швидкість стає важливішою за винахідливість

Дешевше замість блискучого: несподівана зміна стратегії Google у Gemini

Новий план Google щодо штучного інтелекту: чи відмовляється компанія від перегонів за найрозумніший штучний інтелект?

Google кардинально змінює правила гри у світовій гонці штучного інтелекту. Замість того, щоб брати участь у ізольованій битві з такими конкурентами, як OpenAI та Anthropic, за найрозумнішу — а отже, і найдорожчу — флагманську модель, технологічний гігант зосереджується на радикальній ефективності. Зі своїм новим сімейством моделей, зосередженим навколо Gemini 3.6 Flash, надзвичайно енергоефективного Flash-Lite та високоспеціалізованої, але наразі закритої моделі Cyber, новий показник виходить на перший план: зниження витрат з максимальною практичністю. Поки довгоочікуваний флагман Gemini 3.5 Pro залишається недоступним, Google перепозиціонує себе як незамінного базового постачальника для швидкозростаючої економіки агентів. Але що цей стратегічний зсув означає для майбутнього генеративного ШІ? І чому Google вважає свою останню модель безпеки занадто ризикованою для широкої громадськості? У наступній статті аналізується прагматичний шлях Google до наступного покоління ШІ та досліджується його величезний вплив на бізнес та розробників.

Чому Google воліє створювати три невеликі моделі, а не виконувати одну велику обіцянку

Останній крок Google у перегонах серед основних постачальників штучного інтелекту відповідає схемі, яка дедалі більше стає нормою в галузі: замість єдиного монолітного вдосконалення компанія пропонує ціле сімейство моделей, адаптованих до різних випадків використання. З Gemini 3.6 Flash, Gemini 3.5 Flash-Lite та Gemini 3.5 Flash Cyber, Google запускає наступний еволюційний етап лише за кілька місяців після запуску Gemini 3.5 Flash у травні. Примітним тут є не стільки технічна суть окремих інновацій, скільки основний стратегічний меседж: Google більше не позиціонує себе в першу чергу як постачальника найінтелектуальнішої моделі, скільки як постачальника найекономічніше ефективної екосистеми штучного інтелекту.

Ощадливість як новий символ статусу в гонці штучного інтелекту

Головною перевагою Gemini 3.6 Flash є не підвищений інтелект, а зниження вартості. Google рекламує приблизно 17-відсоткове скорочення споживання токенів порівняно з його попередником, 3.5 Flash, на основі вимірювань індексу штучного аналізу. У деяких бенчмарках, таких як DeepSWE, вартість згенерованого вихідного токена, як кажуть, зменшується на цілих 65 відсотків. Водночас номінальна ціна також була знижена: тоді як Gemini 3.5 Flash оцінювався в 1,50 долара за мільйон вхідних токенів та 9 доларів за мільйон вихідних токенів, Gemini 3.6 Flash коштує лише 7,50 долара за мільйон вихідних токенів при незмінних вхідних витратах. Таке поєднання нижчого споживання та нижчої ціни за одиницю призводить до помітного впливу на операційні витрати компаній, які впроваджують генеративний ШІ у великих масштабах.

Така зосередженість на ефективності не є випадковістю, а радше вираженням економічної реальності, яка зараз формує всю галузь. Великі мовні моделі несуть обчислювальні витрати на кожен окремий запит, які в сумі становлять значні суми при обробці мільйонів або мільярдів щоденних запитів. Постачальники хмарних технологій та оператори платформ, які хочуть масштабувати агентні системи, що самостійно обробляють багатоетапні завдання, повинні різко зменшити споживання токенів на крок; інакше економічні вигоди від таких систем будуть поглинуті витратами на інфраструктуру. Google вирішує саме цю проблему, пропонуючи нову модель, яка, за власними заявами, вимагає менше розумових процесів та викликів інструментів для виконання багатоетапних робочих процесів.

Технологічний прогрес виходить за рамки простого питання вартості

Окрім підвищеної ефективності, Gemini 3.6 Flash також демонструє приріст у класичних тестах продуктивності. У завданнях програмування, виміряних тестом DeepSWE, рівень успішності зростає з 37 до 49 відсотків. У тесті ML Research Benchmark MLE Bench модель покращується з 49,7 до 63,9 відсотка. Прогрес також помітний у завданнях, заснованих на знаннях: бал GDPval-AA зростає з 1349 до 1421 бала. Особливої ​​уваги заслуговує покращення комп'ютерної грамотності, зокрема здатності штучного інтелекту самостійно орієнтуватися в графічних інтерфейсах користувача: бал OSWorld-Verified зростає з 78,4 до 83 відсотків. Крім того, база знань моделі оновлювалася з січня 2025 року по березень 2026 року, що є значною практичною перевагою в сучасному швидкозмінному технологічному ландшафті.

Незважаючи на ці досягнення, Gemini 3.6 Flash залишається чітко позиціонованим як модель середнього класу. У тестах прямого порівняння на таких платформах, як Arena.ai, він поступається топовим моделям, таким як Claude Opus або новий GPT 5.6-Sol. Це не слабкість, а навмисний вибір дизайну: Google відмовляється від претензії пропонувати найпотужнішу модель загалом і натомість зосереджується на сегменті, де швидкість, вартість і достатня якість важливіші за теоретичний максимум з точки зору інтелекту. Ця стратегія нагадує класичну сегментацію ринку в інших технологічних секторах, таких як процесори, де виробники послідовно пропонують ефективні продукти середнього класу для масового ринку поряд з високопродуктивними чіпами.

Новий базовий рівень для економіки агентів

З Gemini 3.5 Flash-Lite, Google прагне ще більш радикальної мети підвищення ефективності. Ця модель чітко розроблена як основа для створення та масштабування агентів штучного інтелекту – систем, які можуть самостійно обробляти складні завдання за кілька кроків, не вимагаючи втручання людини на кожному етапі. Вона значно перевершує свого попередника, 3.1 Flash-Lite, у бенчмарках як для завдань, заснованих на знаннях, так і для завдань програмування, тоді як експлуатаційні витрати залишаються надзвичайно низькими – $0,30 за мільйон вхідних токенів та $2,50 за мільйон вихідних токенів. Гнучкість моделі вражає: залежно від випадку використання, її можна налаштувати для особливо швидкої та економічно ефективної роботи або для більшої залежності від її можливостей міркування. Останнє стає необхідним, коли завдання потрібно обробляти спільно кількома спеціалізованими підпрограмами, відомими як субагенти.

Це архітектурне рішення показує напрямок, у якому рухається вся галузь. Багато спостерігачів ринку вважають, що майбутнє ШІ полягає не в дедалі більших окремих моделях, а в мережевих системах менших, спеціалізованих моделей, які, працюючи разом, відображають складні процеси. Один великий розрахунок, виконаний потужною моделлю, замінюється багатьма невеликими, недорогими запитами до моделей, що взаємодіють паралельно або послідовно. Така модель, як Flash-Lite, ідеально підходить для цієї архітектури, оскільки вона знижує вартість одного запиту до такої міри, що велика кількість запитів залишається економічно вигідною. Оголошення про те, що Flash-Lite також надаватиме результати ШІ в веб-пошуку Google, ще раз підкреслює центральну роль, яку Google відводить цій моделі на масовому ринку.

Інструмент з двома обличчями: кібербезпека як сфера бізнесу

Третій новий реліз, Gemini 3.5 Flash Cyber, знаменує собою значне розширення серії Flash у високочутливій області. Ця модель була спеціально навчена для пошуку та аналізу вразливостей безпеки в програмному коді та пропозиції заходів щодо їх усунення. Ця спеціалізація базується на вже ефективному Gemini 3.5 Flash, який був додатково вдосконалений шляхом цілеспрямованого навчання для аналізу великих кодових баз. Замість того, щоб надсилати один дорогий запит до дуже великої моделі, головний агент безпеки Codemender викликає оптимізовану модель Cyber ​​кілька разів, щоб паралельно дослідити різні шляхи виконання програми. Окремі часткові результати потім об'єднуються у вичерпний звіт.

Продуктивність цього підходу можна побачити в конкретних цифрах. У тесті на складному движку JavaScript V8 кібермодель виявила 55 окремих підтверджених вразливостей, тоді як загальна модель Flash знайшла лише 47, а Claude Opus 4.6 від Anthropic – лише 36. Десять виявлених проблем були виявлені виключно спеціалізованою кібермоделлю. У бенчмарку CyberGym, який оцінює агентів ШІ на основі сотень реальних вразливостей програмного забезпечення, модель у поєднанні з кількома запусками досягає рівня продуктивності, порівнянного зі значно більшими та дорожчими моделями безпеки від таких постачальників, як Anthropic та OpenAI. У внутрішньому тестуванні команди хмарної безпеки Google модель виявила кілька критичних вразливостей у виробничих системах лише за дві години, включаючи вразливість пошкодження пам'яті, для якої також було згенеровано робочий експлойт, який обійшов поширені механізми захисту, такі як рандомізація розташування адресного простору.

Ця величезна здатність виявляти вразливості в коді також є найбільшим ризиком моделі. Сама компанія Google відкрито визнає подвійний характер технології: та сама можливість, яка дозволяє захисникам закривати вразливості, може бути використана зловмисниками для експлуатації тих самих прогалин, перш ніж їх буде виправлено. З цієї причини Google вирішила наразі не робити модель загальнодоступною, а натомість ділитися нею виключно через власний інструмент безпеки Codemender у рамках жорстко контрольованої пілотної програми з урядами та обраними, довіреними партнерами. Конкретних термінів розширення доступу не вказано. Це небажання відображає зростаюче усвідомлення в галузі того, що вузькоспеціалізовані системи штучного інтелекту в галузі безпеки не можуть випускатися за тими ж правилами, що й загальні програми чат-ботів.

Новий вимір цифрової трансформації з «керованим ШІ» (штучним інтелектом) – платформа та рішення B2B | Xpert Consulting - Зображення: Xpert.Digital

Тут ви дізнаєтеся, як ваша компанія може швидко, безпечно та без високих бар'єрів входу впроваджувати індивідуальні рішення на основі штучного інтелекту.

Керована платформа штучного інтелекту — це ваше комплексне та безтурботне рішення для штучного інтелекту. Замість того, щоб мати справу зі складними технологіями, дорогою інфраструктурою та тривалими процесами розробки, ви отримуєте готове рішення, адаптоване до ваших потреб, від спеціалізованого партнера — часто всього за кілька днів.

Основні переваги з першого погляду:

⚡ Швидке впровадження: від ідеї до готового до використання застосунку за лічені дні, а не місяці. Ми пропонуємо практичні рішення, які створюють негайну додану цінність.

🔒 Максимальна безпека даних: Ваші конфіденційні дані залишаються з вами. Ми гарантуємо безпечну та відповідність вимогам обробку без передачі даних третім особам.

💸 Без фінансових ризиків: Ви платите лише за результат. Повністю виключаються значні початкові інвестиції в обладнання, програмне забезпечення чи персонал.

🎯 Зосередьтеся на своєму основному бізнесі: Зосередьтеся на тому, що ви робите найкраще. Ми подбаємо про повне технічне впровадження, експлуатацію та обслуговування вашого рішення на базі штучного інтелекту.

📈 Орієнтований на майбутнє та масштабований: Ваш ШІ зростає разом з вами. Ми забезпечуємо постійну оптимізацію та масштабованість, а також гнучко адаптуємо моделі до нових вимог.

Більше інформації тут:

• Кероване рішення на основі штучного інтелекту – промислові послуги зі штучним інтелектом: ключ до конкурентоспроможності в секторах послуг, промисловості та машинобудування

Таємниця навколо зниклої флагманської моделі

Що вражає в усьому анонсі, так це те, чого не вистачає: Gemini 3.5 Pro, найпотужніша модель поточного покоління, вже очікувалася на Google I/O у травні, але з того часу так і не з'явилася. Google лише пояснює, що нова версія зараз тестується з вибраними партнерами та буде доступна після успішного завершення цих тестів. Компанія досі не назвала конкретної дати випуску, але наголошує, що очікування не повинно тривати набагато довше. З точки зору кількох галузевих оглядачів, ця неодноразова затримка свідчить про те, що версія Pro ще не досягла бажаних результатів у складних завданнях програмування та міркування, тому Google, очевидно, воліє почекати, ніж випускати продукт, який не відповідає власним стандартам якості або очікуванням конкурентів.

Ця стриманість проливає цікаве світло на конкурентну динаміку серед провідних постачальників штучного інтелекту. У той час як OpenAI та Anthropic швидко випускають нові топові моделі, Google зараз помітно зосереджується на сегментах середнього та початкового рівня продуктивності. Це можна інтерпретувати як ознаку обережності, але також і як розумне позиціонування на ринку: замість того, щоб представляти потенційно все ще розвивається флагманську модель, Google закріплює свою частку ринку за допомогою доступних, швидких та практичних моделей, які вже надійно охоплюють переважну більшість повсякденних бізнес-застосунків. Для багатьох бізнес-випадків використання, таких як обробка документів, звітність або прості завдання програмування, абсолютна пікова продуктивність моделі все одно має другорядне значення, якщо швидкість та вартість відповідають вимогам.

Доступність та інтеграція в існуючу екосистему

Практичне впровадження нових моделей відбувається надзвичайно швидко та широко. Gemini 3.6 Flash та Gemini 3.5 Flash-Lite вже доступні в Google AI Studio, Android Studio та платформі Gemini Enterprise Agent Platform. Крім того, 3.6 Flash інтегровано в середовище розробки Antigravity та додаток Gemini Enterprise, тоді як обидві моделі також доступні у звичайному додатку Gemini для кінцевих користувачів. Особливої ​​уваги заслуговує оголошення про те, що Flash-Lite незабаром також надаватиме результати веб-пошуку Google, згенеровані штучним інтелектом, що, враховуючи величезний обсяг запитів з цієї пошукової системи, підкреслює важливість економічно ефективної моделі для Google у зовсім новому вимірі. Швидке впровадження також очевидне поза власною екосистемою Google: Gemini 3.6 Flash було інтегровано в GitHub Copilot у день його анонсу, що підкреслює зростаючу інтеграцію основних постачальників штучного інтелекту з усталеними інструментами розробника.

Така широка та одночасна інтеграція в різноманітні лінійки продуктів демонструє систематичний підхід Google до безперешкодного впровадження нових поколінь моделей у всьому своєму портфоліо продуктів. На відміну від попередніх змін моделей, які часто супроводжувалися помітними розривами між оголошенням та фактичною доступністю в різних додатках, це впровадження виглядає як ретельно організований процес. Це свідчить про зрілу внутрішню інфраструктуру, яка дозволяє майже одночасне впровадження нової моделі в усіх точках контакту з розробниками та кінцевими користувачами.

Заглядаючи в майбутнє: анонс Gemini 4

Окрім трьох конкретних випусків моделей, оголошення Google також включає огляд наступного великого покоління. Компанія підтверджує, що так зване попереднє навчання, фундаментальний початковий етап навчання для Gemini 4, вже розпочався. Google не надає конкретних технічних подробиць щодо архітектури, розміру чи запланованих можливостей майбутньої великомасштабної моделі, але наголошує на своєму захопленні досягнутим на сьогодні прогресом. Це навмисно розпливчасте формулювання типове для комунікаційної стратегії великих лабораторій штучного інтелекту, які, з одного боку, підвищують очікування, але з іншого боку, не хочуть давати перевірених обіцянок, які згодом можуть виявитися передчасними.

Враховуючи цикл випусків останніх років, коли Google зазвичай представляв нові базові моделі на своїй конференції розробників I/O навесні, а восени чи взимку здійснював значні поколіннєві стрибки, випуск Gemini 4 ближче до кінця цього року видається ймовірним. Для компаній, які планують свою стратегію ШІ на довгострокову перспективу, це означає, що будь-хто, хто інвестує в сімейство Flash сьогодні, робить це з усвідомленням того, що нова технологічна основа може з'явитися лише за кілька місяців, що, у свою чергу, вимагатиме нових рішень щодо міграції. Цей короткий період напіврозпаду поколінь моделей ШІ ставить перед ІТ-відділами та архітекторами програмного забезпечення постійний виклик проектування своїх систем таким чином, щоб зміна базових моделей могла бути впроваджена якомога плавніше.

Контекст: Що ця модельна стратегія розкриває про ринкову позицію Google

Загалом, нещодавня заява демонструє, що конкуренція між провідними компаніями у сфері штучного інтелекту дедалі більше розділяється на два паралельні виміри. З одного боку, йде гонка за найрозумнішу та найпотужнішу модель, галузь, у якій Anthropic та OpenAI наразі домінують у заголовках новин зі своїми флагманськими продуктами, а Google помітно відстає зі своєю затриманою версією Pro. З іншого боку, виникає друге, потенційно більш економічно значуще поле битви: конкуренція за найефективнішу, економічно вигідну та масштабовану інфраструктуру для щоденного масового впровадження штучного інтелекту в бізнесі, пошукових системах та агентських системах. У цій другій арені Google дуже свідомо та послідовно позиціонує себе на передовій зі своїм сімейством продуктів Flash.

Ця подвійна стратегія є економічно обґрунтованою. Для переважної більшості практичних застосувань у бізнесі, від автоматизованої обробки документів та чат-ботів для обслуговування клієнтів до простих завдань програмування, абсолютний найвищий рівень інтелекту моделі є не вирішальним фактором, а радше баланс між вартістю, швидкістю та достатньою якістю. Постачальники хмарних послуг, яким доводиться обробляти мільйони запитів на день, отримують більше вигоди від двозначного відсоткового зниження вартості токенів, ніж від незначного покращення можливостей міркування дорогої топової моделі. Google, схоже, послідовно втілює це розуміння у свою продуктову стратегію, одночасно надсилаючи сигнал розробникам та корпоративним клієнтам: кожен, хто хоче створювати масштабовані агенти штучного інтелекту або економічно ефективні пошукові інтеграції сьогодні, знайде міцну, економічно вигідну основу в сімействі Flash, незалежно від того, коли зрештою буде випущена велика модель Pro.

Водночас, впровадження спеціалізованої кібермоделі розкриває новий аспект конкурентного середовища ШІ, який виходить за рамки просто міркувань ефективності: зростаюче використання ШІ як активного інструменту в кібербезпеці з усіма пов'язаними з цим можливостями для захисників та ризиками у разі неправильного використання. Контрольований, поетапний випуск цієї моделі демонструє, що Google усвідомлює свою соціальну відповідальність, випускаючи особливо потужні інструменти безпеки, і готова обмежити комерційний охоплення, принаймні тимчасово, на користь міркувань безпеки. Те, як цей баланс між широкою доступністю та контрольованим доступом розвиватиметься в майбутньому, ймовірно, стане однією з найцікавіших областей для спостереження, оскільки моделі ШІ стають все більш здатними самостійно аналізувати та маніпулювати складними технічними системами.

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

Konrad Wolfenstein

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут [email protected]:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки

Квазі-власне рішення: Як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес - Зображення: Xpert.Digital

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес