Gerade ist Gemini 3.6 Flash offiziell veröffentlicht worden, aber die Internetnutzer lachen nur umso lauter.

Wenn Sie Gemini seit letztem Jahr nutzen, fühlt es sich an, als würde man zusehen, wie der eigene Bruder langsam an Alzheimer erkrankt.

Das ist ein kürzlicher Spruch von Netznutzern über Gemini.

Eigentlich sollte die Veröffentlichung eines neuen Modells durch ein Unternehmen normalerweise diese Art von Spruch widerlegen. Aber gerade jetzt, nachdem Google auf einen Schlag drei neue Modelle veröffentlicht hat, haben die Netznutzer diesen Satz nicht zurückgenommen, sondern lachen stattdessen noch lauter. Es wirkt fast so, als ob niemand an Sie glaubt, aber Sie selbst sind derjenige, der am wenigsten hält, was man sich von Ihnen verspricht.

Die drei Modelle sind 3.6 Flash, 3.5 Flash-Lite und ein speziell für Cybersicherheit entwickeltes 3.5 Flash Cyber. Die Formulierungen im offiziellen Blog sind sehr bekannt: „effizienter“, „intelligenter“, „für groß angelegte KI-Agenten entwickelt“ – kein Wort fehlt.

Aber die praktische Erfahrung ist völlig gegensätzlich.

Der Hauptakteur tritt auf: Worin liegt die Stärke von 3.6 Flash?

Zuerst zum Spitzenmodell 3.6 Flash. Die offizielle Positionierung umfasst nur zwei Wörter – „Arbeitspferd“ (workhorse), ein Arbeitsmodell.

3.5 Flash wurde auf der I/O-Konferenz im Mai dieses Jahres veröffentlicht, dies ist eine kleine Versionsaktualisierung.

Das größte Verkaufsargument ist die Einsparung von Tokens.

Laut Daten des Artificial Analysis Index verbraucht 3.6 Flash 17 % weniger Ausgabetokens als 3.5 Flash, in Szenarien wie DeepSWE (ein Benchmark von Datacurve) können es sogar bis zu 65 % Einsparung sein. Die offizielle Seite gibt außerdem an, dass es bei der Ausführung von mehrstufigen Aufgaben weniger Inferenzschritte und weniger Tool-Aufrufe benötigt. Das heißt: Bei gleicher Arbeit gibt es weniger überflüssige Worte, weniger Umwege und eine geringere Rechnung.

Der Preis ist tatsächlich gesunken: 1,5 USD pro Million Eingabetokens und 7,5 USD pro Million Ausgabetokens – beachten Sie, dass die Ausgabe der vorherigen Generation 3.5 Flash 9 USD betrug, diesmal wurde sie direkt auf 7,5 USD gesenkt. Schnell und sparsam, so sinkt die Kosten für einzelne Agentenaufgaben.

Bei Benchmark-Tests hat die offizielle Seite eine ganze Reihe von Daten vorgelegt.

Die Code-Fähigkeit ist der Schwerpunkt. DeepSWE stieg von 37 % auf 49 %. Laut offizieller Angabe gibt es weniger überflüssige Code-Änderungen, kürzere Ausführungsschleifen und der generierte Code entspricht besser den Anforderungen der Produktionsumgebung. Die Verbesserung bei MLE Bench im Bereich der maschinellen Lernforschung ist noch deutlicher: von 49,7 % auf 63,9 %.

Die Fähigkeit zur Computer-Nutzung (computer use) hat sich ebenfalls verbessert: OSWorld-Verified stieg von 78,4 % auf 83 %. Außerdem ist „Computer-Nutzung“ zu einem integrierten Tool der Gemini API und der Enterprise-Version geworden, das direkt einsatzbereit ist.

Im Bereich der Wissensarbeit stieg der Wert von GDPval-AA v2 von 1349 auf 1421. Kunden wie Hebbia und Harvey berichten, dass es bei multimodalen Aufgaben wie Dokumentenanalyse, Diagrammdatenauswertung und Berichterstellung besonders hervorragende Leistungen zeigt. Auch Figma und JetBrains haben dies bestätigt.

Übrigens gibt es eine unscheinbare aber praktische Aktualisierung: Das Wissensstichtdatum wurde endlich von Januar 2025 auf März 2026 verschoben. Der alte Kalender ist endlich abgeschlossen.

Im Sicherheitsbereich gibt die offizielle Seite an, dass 3.6 Flash einen verbesserten Frontier-Safety-Schutz erhalten hat, der sich auf zwei Arten von Missbrauch konzentriert: CBRN (Chemisch, Biologisch, Radioaktiv, Nuklear) und Cyberangriffe. Die Fähigkeit, Jailbreak-Versuchen zu widerstehen, ist stärker geworden, während normale Anfragen so wenig wie möglich beeinträchtigt und willkürliche Ablehnungen reduziert werden.

· Mit kleinem Einsatz große Wirkung: Das günstige 3.5 Flash-Lite kann auch seine Inferenzstufe anpassen

Das zweite Modell ist 3.5 Flash-Lite, dessen Position eine Stufe unter 3.6 Flash liegt. Es zeichnet sich durch „Schnelligkeit“ und „Niedrigpreis“ aus und eignet sich speziell für Aufgaben mit hohem Durchsatz und niedriger Latenz, wie z. B. Agentensuche und Dokumentenverarbeitung.

Es ist das schnellste Modell in der 3.5-Serie. Laut Messungen von Artificial Analysis gibt es 350 Tokens pro Sekunde aus. Der Preis ist extrem niedrig: 0,3 USD für Eingabe und 2,5 USD für Ausgabe pro Million Tokens. Die offizielle Seite gibt an, dass seine Qualität deutlich besser ist als die von 3.1 Flash-Lite, das im März veröffentlicht wurde.

Es gibt ein sehr flexibles Design: Es unterstützt die Anpassung der „Inferenzstufe“. Bei einfachen Aufgaben kann die niedrigste Stufe aktiviert werden, um schnell und sparsam zu arbeiten; bei Teilaufgaben, die in mehrere Schritte zerlegt werden müssen, kann die Denkstufe erhöht werden. Die Computer-Nutzung ist diesmal ebenfalls als integriertes Tool implementiert.

Im Vergleich zur Vorgängerversion ist die Verbesserung sehr deutlich: Bei Terminal-Bench 2.1 für Code- und Agentenaufgaben stieg der Wert von 31 % auf 54 %; bei GDM-MRCR v2 für lange Kontexte von 60,1 % auf 72,2 %; bei GDPval-AA v2 für die Ausführung realer Aufgaben stieg er sogar von 642 auf 1140.

Das Interessanteste ist, dass dieses „kleine Modell“ bei vielen Agenten- und Codeaufgaben sogar das ältere 3 Flash übertrifft.

Zum Beispiel bei SWE-Bench Pro (54,2 % vs. 49,6 %) und OSWorld-Verified (74,0 % vs. 65,1 %). Mit kleinem Einsatz große Wirkung – das hat wirklich etwas zu bedeuten: Es gibt jetzt eine schnellere und stärkere Alternative für Aufgaben, die zuvor mit 3 Flash ausgeführt wurden.

Die offizielle Seite nennt einige Anwendungsfälle: Extrahieren von Produktmerkmalen aus riesigen Mengen an E-Commerce-Daten, als Assistent von 3.6 Flash fungieren und auf einen Schlag 25 Webdesign-Entwürfe erstellen, Massenübersetzung und Zusammenfassung von Belegen, sowie die iterative Entwicklung kleiner Spiele während des Spielens. Kunden wie Ashler, Palo Alto Networks und Ramp loben es für die Kombination aus „Geschwindigkeit, Intelligenz und niedrigen Kosten“.

Das letzte Modell 3.5 Flash Cyber hat einen ganz anderen Fokus: Es ist speziell dafür entwickelt, Sicherheitslücken im Code zu finden und zu beheben.

Googles Logik ist sehr interessant: Heutzutage ist die Geschwindigkeit, mit der KI Sicherheitslücken findet, bereits schneller als die Geschwindigkeit, mit der vorhandene Systeme diese beheben. Da die Anzahl der Lücken immer größer wird, nutzt man einfach das günstige und effiziente Flash, um sie massenhaft zu schließen.

Dieses Modell wurde auf Basis von 3.5 Flash feinabgestimmt und wird in Kombination mit dem hauseigenen Tool CodeMender verwendet. In CodeMender laufen mehrere Flash-Cyber-Agenten, die zusammenarbeiten und am Ende einen gemeinsamen Bericht erstellen.

Bei dem bekannten Branchen-Benchmark CyberGym gibt die offizielle Seite an, dass es das Niveau der ersten Ebene erreicht hat und zudem weniger Tokens verbraucht als größere Modelle.

Aber wir können dieses Modell vorerst nicht nutzen.

Angesichts der Tatsache, dass die Fähigkeit zum Auffinden von Sicherheitslücken ein zweischneidiges Schwert ist, hat Google – der sonst so seriöse Anbieter – von Anthropic gelernt und eine Sicherheits-Erzählung aufgebaut. Das Modell wird streng abgeriegelt: Es wird nur in begrenzter Anzahl für „vertrauenswürdige Partner“ im Rahmen einer internen Testphase freigegeben. Das Ziel ist es, den Verteidigern an vorderster Front Zeit zu verschaffen, die Lücken zu beheben, bevor sie von Bösewichten ausgenutzt werden, und gleichzeitig zu verhindern, dass jemand es für schädliche Zwecke nutzt.

Wo ist das versprochene 3.5 Pro? Es kommt nicht

An dieser Stelle fragen Sie sich vielleicht: Nach all den veröffentlichten Flash-Modellen – wo ist das echte Flaggschiff 3.5 Pro?

Die offizielle Aussage lautet: „Wir testen es derzeit mit Partnern und werden es veröffentlichen, sobald es fertig ist.“ Aber die Geschichte hinter dieser Aussage ist wahrscheinlich nicht so positiv.

Laut Berichten von Medien wie Bloomberg hat die Code-Generierungsfähigkeit von 3.5 Pro die internen Erwartungen nie erfüllt. Google hat Ende Juni sogar speziell eine Version der Trainingsdaten aktualisiert, um diesen Mangel im Code-Bereich zu beheben, aber die Ergebnisse haben sich immer noch nicht verbessert. Es gibt sogar Gerüchte, dass Google das ursprüngliche Trainingsschema komplett verworfen und von Grund auf neu trainiert hat.

Und Logan Kilpatrick, der für die Öffentlichkeitsarbeit von Google KI zuständig ist, hat in der öffentlichen Diskussion direkt 3.5 Pro übersprungen und den Fokus der Ankündigungen auf Gemini 4 gelegt. Er behauptet, dass sie bereits die ehrgeizigste Gemini-4-Vortrainierung der Geschichte gestartet haben, und sagt, dass die Fortschritte aufregend sind.