Il lancio di Gemini 3.6 Flash riceve recensioni iniziali negative, Gemini 3.5 Pro in ritardo
Google DeepMind ha rilasciato tre nuovi modelli Gemini: **Gemini 3.6 Flash**, **Gemini 3.5 Flash-Lite** e **Gemini 3.5 Flash Cyber**. Tuttavia, il tanto atteso **Gemini 3.5 Pro** non è arrivato come previsto. Google ha dichiarato che il 3.5 Pro è ancora in fase di test con i partner e sarà lanciato su larga scala quando sarà pronto. Nel frattempo, l'azienda ha confermato di aver già iniziato lo sviluppo di Gemini 4 attraverso quello che definisce il "più ambizioso programma di pre-addestramento mai realizzato".
Il lancio di Gemini 3.6 Flash incontra forti critiche, il rilascio di Gemini 3.5 Pro viene posticipato
Introduzione
Google DeepMind ha rilasciato tre nuovi modelli Gemini: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber.
Tuttavia, il tanto atteso Gemini 3.5 Pro non è arrivato come previsto.
Google ha dichiarato che 3.5 Pro è ancora in fase di test con i partner e verrà rilasciato ampiamente quando sarà pronto. Nel frattempo, l'azienda ha confermato di aver avviato i lavori su Gemini 4 attraverso quello che ha definito "il suo addestramento preliminare più ambizioso fino ad oggi".
Google ha lanciato Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber.
Il rilascio ha rapidamente suscitato polemiche nella community degli sviluppatori. Diversi utenti iniziali hanno criticato Gemini 3.6 Flash per output front-end deboli, ragionamento spaziale incoerente e risultati deludenti nella codifica rispetto ai modelli all'avanguardia concorrenti.
L'intensità di queste critiche va ben oltre quanto supportato dalle prove attuali. Le lamentele iniziali sull'uso pratico esistono, ma i benchmark interni di Google e i test indipendenti di Artificial Analysis dipingono un quadro più complesso: Gemini 3.6 Flash mostra miglioramenti rispetto a 3.5 Flash in numerose valutazioni di codifica, uso del computer, contesto lungo e lavoro conoscitivo, mantenendo al contempo lo stesso punteggio complessivo dell'indice di intelligenza Artificial Analysis.
Questo articolo segue la struttura del report originale, distinguendo al contempo i dati ufficiali dei benchmark dalle reazioni della community.
Gemini 3.6 Flash incontra critiche subito dopo il rilascio
Google posiziona Gemini 3.6 Flash come modello di punta per gli agenti AI in ambienti produttivi.
Il modello è ora ampiamente disponibile, supporta input di testo, immagini, video, audio e PDF, con una finestra di contesto di 1.048.576 token di input e fino a 65.536 token di output. Supporta funzionalità tra cui esecuzione di codice, uso del computer, chiamate a funzione, ricerca di file, output strutturato, grounding di ricerca, contesto URL e ragionamento riflessivo.
Google afferma che l'obiettivo principale non è solo raggiungere una maggiore intelligenza nei benchmark. L'attenzione è sul completamento delle attività con meno token di output, meno passaggi di ragionamento, minore latenza e un prezzo per token di output inferiore rispetto a Gemini 3.5 Flash.
Nonostante ciò, alcuni risultati iniziali dei test pubblici sono tutt'altro che positivi.
La generazione front-end riceve feedback iniziali severi
Il report originale menziona in particolare un test di uno sviluppatore in cui a Gemini 3.6 Flash è stato chiesto di completare un'attività di generazione front-end in due passaggi.
Lo sviluppatore ha descritto il risultato come eccezionalmente scadente, criticando la struttura frammentata dei componenti dell'applicazione generata, la logica incoerente e l'interazione inaffidabile.
Un test iniziale della community ha utilizzato Gemini 3.6 Flash per generare un'esperienza front-end interattiva.
Altri sviluppatori hanno riportato problemi simili dopo aver provato il modello su basi di codice esistenti. Le lamentele includono l'ignorare i vincoli del sistema di design, modifiche impreviste dell'interfaccia utente e risultati visivamente peggiori rispetto alle interfacce generate dai precedenti modelli Gemini Pro.
Queste osservazioni sono significative perché la codifica front-end combina molteplici capacità:
- Comprendere basi di codice esistenti
- Seguire vincoli di progettazione
- Generare codice valido
- Preservare il comportamento esistente
- Creare layout visivamente coerenti
- Gestire modifiche multi-step senza rompere i componenti funzionanti
Un modello può ottenere punteggi elevati nei benchmark di programmazione ma risultare comunque inaffidabile nel lavoro front-end reale.
Nel frattempo, le dimostrazioni individuali non sono benchmark controllati. La qualità del prompt, il framework dell'agente, la struttura della base di codice, il livello di ragionamento, l'accesso agli strumenti e il numero di iterazioni consentite possono alterare significativamente i risultati.
I risultati dell'arena front-end non supportano ancora una semplice affermazione di "migliore"
Il report originale indica che, nella codifica front-end, Gemini 3.6 Flash non ha performato quanto modelli come Claude Fable 5, GPT-5.6 Sol e Meta Muse Spark 1.1.
La classifica in tempo reale di WebDev Arena viene aggiornata continuamente, quindi le posizioni potrebbero cambiare man mano che arrivano più voti. Al momento della preparazione di questo articolo, Kimi K3 era ancora in testa, seguito da Claude Fable 5 e GPT-5.6 Sol.
Poiché Gemini 3.6 Flash è stato rilasciato solo il 21 luglio, screenshot statici e istantanee iniziali delle classifiche non dovrebbero essere considerati come posizionamenti permanenti.
La conclusione più utile è che, nonostante Google affermi che il modello è più forte nella codifica, questo nuovo modello Flash non si è immediatamente affermato come chiaro leader nel front-end.
Anche il ragionamento spaziale suscita reazioni negative
Il report originale si sposta poi sul ragionamento spaziale.
Uno sviluppatore ha documentato un test di Gemini 3.6 Flash sulle relazioni di base di posizione e orientamento, segnalando un numero maggiore di errori rispetto a Gemini 3.5 Flash.
L'utente inizialmente sospettava che l'output più debole fosse dovuto alla mancata selezione di un alto livello di ragionamento. Altri utenti hanno poi provato impostazioni di ragionamento più elevate, ma hanno comunque riportato impressioni iniziali contrastanti.
Le lamentele includono relazioni spaziali errate e scene visive incoerenti.
Ancora una volta, questi test rappresentano osservazioni della community, non valutazioni standardizzate. Sono utili come casi di attrito nel mondo reale, ma non dovrebbero essere generalizzati come affermazione di un regresso generale del modello nel ragionamento spaziale.
La documentazione ufficiale di Google descrive Gemini 3.6 Flash come progettato specificamente per attività multimodali e spaziali. Test visivi indipendenti hanno anche riscontrato vantaggi in diverse categorie di immagini e video, sebbene non in tutte le attività visive rispetto a 3.5 Flash.
CursorBench mostra miglioramenti rispetto a 3.5 Flash, ma non raggiunge la leadership all'avanguardia
Il report originale menziona anche CursorBench, un benchmark per il lavoro di ingegneria del software in ambienti reali
nell'ambiente Cursor.
Uno screenshot ampiamente diffuso confronta Gemini 3.6 Flash con modelli come Cursor Composer 2.5, Claude Fable 5, GPT-5.6 Sol, Grok 4.5 e Claude Sonnet 5.
Nello screenshot condiviso dalla fonte, CursorBench posiziona Gemini 3.6 Flash dopo diversi modelli di codifica con punteggi più alti.
L'attuale pagina di CursorBench mostra diversi livelli di ragionamento per Gemini 3.6 Flash. Tra i risultati pubblicati più recenti disponibili al momento della stesura:
- Gemini 3.6 Flash Medium ottiene un punteggio del 51,2%
- Gemini 3.5 Flash ottiene un punteggio del 48,8%
- Gemini 3.6 Flash Low ottiene un punteggio del 47,4%
Ciò significa che, in questo benchmark, la configurazione di ragionamento medio mostra un miglioramento rispetto a Gemini 3.5 Flash, sebbene sia ancora indietro rispetto a molti modelli di codifica più potenti.
Questo è anche un buon esempio di come la valutazione dei modelli debba essere contestualizzata.
L'affermazione "Gemini 3.6 Flash è peggiore dei concorrenti" potrebbe essere vera per un benchmark specifico e un determinato insieme di confronti; allo stesso tempo, "Gemini 3.6 Flash è migliorato rispetto a 3.5 Flash" potrebbe essere altrettanto valido.
I benchmark interni di Google mostrano progressi reali
I risultati pubblicati da Google dipingono un quadro più positivo rispetto alle reazioni più severe della community.
L'azienda riporta miglioramenti in ambiti come coding, ingegneria del machine learning, utilizzo del computer, lavoro basato sulla conoscenza, ragionamento sui grafici e compiti su contesti lunghi, rispetto a Gemini 3.5 Flash.
Tabella di benchmark pubblicata da Google a luglio 2026, che confronta Gemini 3.6 Flash con diversi modelli concorrenti.
Alcuni risultati selezionati riportati da Google includono:
| Benchmark | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| SWE-Bench Pro | 58,7% | 55,1% |
| DeepSWE v1.1 | 49% | 37% |
| Terminal-Bench 2.1 | 78,0% | 76,2% |
| MLE-Bench | 63,9% | 49,7% |
| GDPval-AA v2 | 1421 | 1349 |
| OSWorld-Verified | 83,0% | 78,4% |
| CharXiv Reasoning, senza strumenti | 85,2% | 84,2% |
| GDM-MRCR v2, 128K | 91,8% | 77,3% |
| GDM-MRCR v2, 1M | 54,0% | 26,6% |
Google afferma inoltre che, sull'Artificial Analysis Index, Gemini 3.6 Flash consuma il 17% in meno di token di output rispetto a Gemini 3.5 Flash e, in alcuni carichi di lavoro DeepSWE, il consumo di token può essere ridotto fino al 65%.
I prezzi per il nuovo modello sono:
- 1,50 USD per milione di token di input
- 7,50 USD per milione di token di output
Gemini 3.5 Flash ha lo stesso prezzo di input dichiarato, ma il prezzo di output è più alto, pari a 9,00 USD nella tariffazione di Google.
Confronto all'avvio.
Per i carichi di lavoro basati su agenti, questa distinzione è importante, poiché il costo non dipende solo dalla qualità del benchmark, ma anche dal numero di token di ragionamento e dai cicli di strumenti utilizzati dal modello per completare l'attività.
Artificial Analysis assegna a 3.6 Flash lo stesso punteggio di intelligenza di 3.5 Flash
I test di terze parti offrono una conclusione più contenuta.
Artificial Analysis assegna a Gemini 3.6 Flash (modalità di ragionamento alta) un punteggio dell'indice di intelligenza di 50.
Questo è lo stesso punteggio ottenuto da Gemini 3.5 Flash.
Artificial Analysis non ha riscontrato alcun miglioramento nel punteggio complessivo dell'indice di intelligenza da 3.5 Flash a 3.6 Flash.
Questo risultato spiega parte della delusione.
Gli sviluppatori che guardano solo al numero del modello potrebbero aspettarsi un netto miglioramento nell'intelligenza complessiva. Al contrario, Artificial Analysis ha scoperto che, misurando i miglioramenti in termini di efficienza e tempi di completamento delle attività, il livello di intelligenza complessivo è rimasto sostanzialmente invariato.
I suoi test mostrano che Gemini 3.6 Flash ha una velocità di circa 251 token di output al secondo, rendendolo uno dei modelli più veloci nel confronto.
Artificial Analysis riporta inoltre che sia Gemini 3.6 Flash che Gemini 3.5 Flash-Lite impiegano circa la metà del tempo per attività rispetto ai predecessori.
Pertanto, i principali miglioramenti possono essere descritti più accuratamente come:
Intelligenza complessiva simile, completamento più rapido, meno token di output e costo per attività completata inferiore per molti carichi di lavoro.
Questo non è appariscente come un importante balzo in avanti nell'intelligenza artificiale, ma è comunque significativo per agenti di produzione ad alta capacità.
Il rapporto qualità-prezzo è più sfumato di quanto suggeriscano le lamentele online
Alcuni utenti criticano Gemini 3.6 Flash per essere più costoso di altri modelli concorrenti con punteggi più alti nei benchmark di intelligenza artificiale.
Questa fonte sottolinea le preoccupazioni sul compromesso tra costo e intelligenza di Gemini 3.6 Flash.
Il prezzo iniziale per token non dice tutta la storia.
Un modello che utilizza meno passaggi di ragionamento o meno token di output, a volte può completare un'attività a un costo inferiore, anche se il suo prezzo per token pubblicizzato non è il più basso.
Al contrario, un modello più economico che richiede ripetuti tentativi o generazioni più lunghe, potrebbe diventare più costoso nell'uso pratico.
Per gli sviluppatori, un parametro di misura migliore è solitamente il costo per attività completata con successo, misurato in base al proprio carico di lavoro.
Informazioni
La data di cutoff delle conoscenze necessita di ulteriori prove
L'articolo originale cita anche un utente che afferma che Gemini 3.6 Flash è ignaro di molti eventi del 2025 e del 2026, nonostante la data di aggiornamento delle conoscenze apparentemente più recente.
L'utente conclude che la conoscenza effettiva del modello sembra fermarsi a circa gennaio 2025.
Dovremmo interpretare questo test con cautela.
Il fatto che un modello linguistico non ricordi un evento non è di per sé una prova che i suoi dati di addestramento abbiano una specifica data di cutoff. Le ragioni per cui un modello può mostrare questo comportamento includono: comportamento di recupero, errori di ragionamento, formulazione del prompt, filtri di sicurezza, copertura di addestramento incompleta o incertezza.
I documenti pubblicati da Google sul modello non forniscono informazioni sufficienti per confermare in modo indipendente la specifica data di cutoff menzionata nei test sui social media.
Per le informazioni attuali, gli sviluppatori dovrebbero fare affidamento su Google Search o su altre fonti verificate, piuttosto che presumere che la memoria interna del modello sia completa fino a una data specifica.
Gemini 3.5 Flash-Lite: focus sulla velocità
Google ha anche rilasciato Gemini 3.5 Flash-Lite, progettato per carichi di lavoro di agenti ad alta produttività e bassa latenza.
Le agenzie di analisi dell'intelligenza artificiale hanno misurato la velocità del modello a circa 350 token al secondo.
I prezzi API elencati da Google sono:
- $0.30 per milione di token di input
- $2.50 per milione di token di output
Questo lo rende significativamente più economico di Gemini 3.6 Flash.
Il modello è adatto per i seguenti carichi di lavoro:
- Ricerca di agenti
- Elaborazione di documenti
- Estrazione dati ad alta produttività
- Traduzione
- Generazione di riassunti
- Esecuzione di sub-agenti
Google afferma che Flash-Lite supporta anche livelli di ragionamento configurabili e funzionalità di utilizzo del computer integrate.
Il suo confronto ufficiale mostra miglioramenti significativi rispetto a Gemini 3.1 Flash-Lite, tra cui:
- End-to-end Benchmark 2.1: 54% contro 31%
- GDM-MRCR v2: 72.2% contro 60.1%
- GDPval-AA v2: 1140 contro 642
Supera persino il vecchio Gemini 3 Flash in diversi benchmark di agenti.
I resoconti iniziali suggerivano che la velocità è inutile se la risposta è sbagliata. Come principio generale è giusto, ma le prove dei benchmark non supportano l'idea che Flash-Lite sia semplicemente un modello "più veloce ma peggiore".
Lo scopo dichiarato di Google è diverso: utilizzare modelli più piccoli in carichi di lavoro ad alta produttività che non richiedono l'intera capacità dei modelli di frontiera.
Gemini 3.5 Flash Cyber: focus sulla ricerca di vulnerabilità
Il terzo nuovo modello è Gemini 3.5 Flash Cyber.
È basato su Gemini 3.5 Flash e ottimizzato per il lavoro di cybersecurity, come:
- Trovare vulnerabilità software
- Verificare problemi di sicurezza
- Generare patch
- Supportare l'analisi difensiva automatizzata
Google afferma che il modello è utilizzato internamente in CodeMender, dove più agenti Flash Cyber possono lavorare insieme e unire le loro scoperte in un unico rapporto.
A differenza di Gemini 3.6 Flash e Flash-Lite, Flash Cyber non è stato rilasciato come modello pubblico generico.
Google afferma che, a causa del rischio duplice uso della scoperta automatizzata di vulnerabilità, sarà reso disponibile a governi e partner fidati tramite il progetto pilota CodeMender ad accesso limitato.
Un annuncio separato di Google DeepMind afferma che il modello è progettato per rendere la scoperta e la correzione di vulnerabilità su larga scala più economiche rispetto all'uso di modelli di frontiera più grandi.
Gemini 3.5 Pro non è ancora pronto
Per molti sviluppatori, la notizia più grande è il modello che non è stato rilasciato. Google ha dichiarato:
Gemini 3.5 Pro è attualmente in fase di test con i partner e sarà ampiamente disponibile al pubblico una volta pronto.
Ciò conferma un ritardo del modello di punta rispetto alle prime aspettative. Media come Reuters hanno riportato che Gemini 3.5 Pro era previsto per giugno, e le prestazioni di codifica sono una delle aree che hanno causato il ritardo. L'annuncio di Google del 21 luglio non ha fornito una nuova data di rilascio pubblico, ma ha sottolineato la volontà di pubblicare il modello quando avrà raggiunto i suoi standard di qualità.
Questo è cruciale per il lancio di 3.6 Flash. Questo nuovo modello Flash non è un sostituto di Gemini 3.5 Pro; occupa una posizione diversa nella linea di prodotti: è un modello orientato alla produzione, ottimizzato per costi, velocità, attività multimodali ed esecuzione autonoma.
Gemini 4 ha avviato il suo pre-addestramento più grande
Nel frattempo, Google ha confermato di aver iniziato ad addestrare la prossima generazione di Gemini. Google descrive Gemini 4 come il progetto di pre-addestramento più ambizioso fino ad oggi.
Google afferma che il lavoro di pre-addestramento di Gemini 4 è già in corso.
Ciò crea una sequenza temporale di prodotto insolita:
- Gemini 3.6 Flash è ora generalmente disponibile.
- Gemini 3.5 Flash-Lite è ora generalmente disponibile.
- Gemini 3.5 Flash Cyber entra in fase di distribuzione limitata.
- Gemini 3.5 Pro è ancora in fase di test con i partner.
- Il pre-addestramento di Gemini 4 è iniziato.
L'articolo della fonte interpreta questo come Google che cerca di far avanzare i numeri di versione mentre il suo modello Pro di punta non è ancora completato. Questa interpretazione è speculativa. Le grandi organizzazioni di IA spesso iniziano ad addestrare modelli di generazioni future prima che tutti i prodotti della generazione attuale abbiano completato il loro processo di rilascio.
Pre-training, post-training, valutazione della sicurezza, integrazione del prodotto e distribuzione del servizio possono procedere in parallelo.
Tuttavia, il ritardo nel rilascio della versione Pro ha chiaramente aumentato la pressione su Google, poiché la codifica e i flussi di lavoro autonomi sono diventati i principali ambiti di competizione per OpenAI, Anthropic, Moonshot, xAI, Meta e altri fornitori di modelli.
Gemini 3.6 Flash è davvero il peggior modello di Google?
Le prove attuali non supportano questa conclusione. Al momento, stanno accadendo tre cose indipendenti contemporaneamente.
1. Alcuni sviluppatori早期 non gradiscono effettivamente il modello
I test negativi front-end e di ragionamento spaziale provengono da segnalazioni reali di utenti. Queste segnalazioni meritano attenzione, poiché i benchmark non riflettono completamente la qualità in produzione.
2. I dati di Google stesso mostrano miglioramenti significativi rispetto a 3.5 Flash
Il modello ha registrato miglioramenti in DeepSWE, MLE-Bench, OSWorld, GDPval e valutazioni a contesto lungo, utilizzando al contempo meno token di output.
3. Gli indicatori di intelligenza complessiva di terze parti sono rimasti quasi invariati
Artificial Analysis ha assegnato a 3.6 Flash un punteggio
Il suo punteggio dell'indice di intelligenza è identico a quello di 3.5 Flash. Ciò supporta l'idea che questo rilascio si concentri principalmente su miglioramenti dell'efficienza, piuttosto che su un salto significativo nell'intelligenza grezza.
Per gli sviluppatori, la domanda corretta non è se il modello meriti un'etichetta accattivante.
La domanda più appropriata è: la combinazione di velocità, costo, qualità e affidabilità è adatta per uno specifico scenario applicativo.
Gemini 3.6 Flash potrebbe non essere adatto per un flusso di lavoro front-end, ma potrebbe essere una scelta valida per un agente multimodale ad alta produttività. Queste due situazioni non sono in contraddizione.
Domande frequenti
Cos'è Gemini 3.6 Flash?
Gemini 3.6 Flash è il modello multimodale di Google orientato alla produzione, adatto per programmazione, lavoro di conoscenza, utilizzo del computer e flussi di lavoro di agenti. Supporta una finestra di contesto di oltre 1 milione di token di input ed è disponibile pubblicamente tramite l'API Gemini e altri prodotti Google.
Gemini 3.6 Flash è peggiore di Gemini 3.5 Flash?
Complessivamente no. Artificial Analysis ha assegnato a entrambi lo stesso punteggio dell'indice di intelligenza, ma Google riferisce che 3.6 Flash ha migliorato diversi benchmark di programmazione, utilizzo del computer, lavoro di conoscenza e contesto lungo, utilizzando al contempo meno token di output.
Perché gli sviluppatori criticano Gemini 3.6 Flash?
Alcuni utenti早期 hanno segnalato capacità di generazione front-end deboli, errori frequenti nell'editing dell'interfaccia utente e ragionamento spaziale incoerente. Si tratta di test singoli, non di benchmark controllati, quindi i risultati possono variare a seconda del prompt, del codice, degli strumenti e del livello di ragionamento.
Qual è il prezzo di Gemini 3.6 Flash?
Google ha fissato il prezzo di Gemini 3.6 Flash a 1,50 dollari per milione di token di input e 7,50 dollari per milione di token di output. I prezzi possono variare; gli sviluppatori dovrebbero consultare la documentazione ufficiale dell'API Gemini per confermare le tariffe correnti.
Quanto è veloce Gemini 3.5 Flash-Lite?
Artificial Analysis ha misurato Gemini 3.5 Flash-Lite a circa 350 token di output al secondo. Google lo ha progettato per attività ad alta produttività e bassa latenza, come l'elaborazione di documenti e la ricerca tramite agenti.
Cos'è Gemini 3.5 Flash Cyber?
Gemini 3.5 Flash Cyber è un modello specializzato per la sicurezza informatica basato su Gemini 3.5 Flash. Google prevede di offrirlo tramite CodeMender a governi e partner fidati, non come modello API pubblico generico.
Quando verrà rilasciato Gemini 3.5 Pro?
Google non ha ancora annunciato una nuova data di rilascio pubblico. L'azienda ha dichiarato che Gemini 3.5 Pro è in fase di test con partner e sarà ampiamente rilasciato quando sarà pronto.
Google sta già addestrando Gemini 4?
Sì. Google ha dichiarato di aver avviato il programma di pre-training più ambizioso mai realizzato per Gemini 4. L'azienda non ha ancora annunciato una data di rilascio pubblico per Gemini 4.
Strumenti correlati
- Google AI Studio: L'ambiente basato su browser di Google per testare i modelli Gemini e sviluppare tramite l'API Gemini.
- API Gemini: Documentazione ufficiale per sviluppatori su funzionalità, limiti e identificatori del modello Gemini 3.6 Flash.
- Gemini: L'interfaccia consumer di Google per utilizzare gli attuali modelli Gemini.
- Vertex AI: La piattaforma enterprise di Google Cloud per distribuire e gestire i modelli Gemini.
CursorBench: La piattaforma di benchmark di Cursor per valutare la comprensione del codice, l'editing, il debug e le attività di ingegneria del software intelligente.
- Artificial Analysis: Test indipendenti di modelli che coprono livello di intelligenza, velocità, latenza, prezzi e utilizzo dei token.
- CodeMender: L'ambiente agente di sicurezza basato su Gemini 3.5 Flash Cyber di Google DeepMind.
Collegamenti correlati
- Annuncio ufficiale Google: introduzione di Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber: Annuncio ufficiale di rilascio, prezzi, risultati dei benchmark e dettagli sulla disponibilità.
- Documentazione per sviluppatori di Gemini 3.6 Flash: Limiti ufficiali del modello, modalità supportate, strumenti e dettagli API.
- Guida ai modelli Gemini più recenti di Google: Guida ufficiale alla migrazione e all'utilizzo di Gemini 3.6 Flash e Gemini 3.5 Flash-Lite.
- Recensione di Artificial Analysis su Gemini 3.6 Flash: Misurazioni indipendenti di livello di intelligenza, velocità, latenza e prezzo.
- Valutazione del rilascio di Artificial Analysis: Confronto dettagliato di 3.6 Flash e 3.5 Flash-Lite con la generazione precedente.
- CursorBench: Risultati aggiornati dei benchmark degli agenti di codifica per Gemini 3.6 Flash e modelli concorrenti.
- [Google DeepMind: Gemini 3.5
Lancio di Flash Cyber: modello per la sicurezza informatica, integrazione con CodeMender e comunicazioni ufficiali sulla distribuzione limitata.
Riepilogo
La serie Gemini lanciata da Google a luglio include Gemini 3.6 Flash, Gemini 3.5 Flash-Lite e Gemini 3.5 Flash Cyber, mentre Gemini 3.5 Pro è ancora in fase di test con i partner.
Le reazioni iniziali degli sviluppatori a Gemini 3.6 Flash nei test front-end e di ragionamento spaziale sono state insolitamente negative, e il modello non ha primeggiato nei benchmark di coding più impegnativi. Tuttavia, i risultati dei test pubblicati da Google mostrano che il modello ha registrato miglioramenti significativi rispetto a Gemini 3.5 Flash in diversi compiti importanti, e Artificial Analysis ha confermato che mantiene lo stesso punteggio complessivo di intelligenza, offrendo al contempo velocità ed efficienza superiori.
Gemini 3.5 Flash-Lite è progettato per attività ad alto volume, mentre Flash Cyber si concentra sulla sicurezza difensiva. Google ha inoltre avviato il pre-addestramento di Gemini 4.
L'interpretazione più accurata non è che Gemini 3.6 Flash sia il "peggior modello" di Google, ma piuttosto un rilascio incentrato sull'efficienza — la sua effettiva accoglienza iniziale sul mercato è molto più complessa di quanto suggeriscano i benchmark ufficiali di Google.