Gemini 3.6 Flash i 3.5 Flash-Lite: co nowe modele Google zmieniają w marketingu

Gemini 3.6 Flash i 3.5 Flash-Lite: co nowe modele Google zmieniają w marketingu

21 lipca 2026 Google ogłosił trzy nowe modele z rodziny Gemini: 3.6 Flash, 3.5 Flash-Lite oraz wyspecjalizowany 3.5 Flash Cyber. Komunikat jest techniczny i pełen benchmarków programistycznych, więc łatwo go przeoczyć jako „kolejną aktualizację AI”. Szkoda, bo pod spodem kryje się zmiana, która dotyczy każdego, kto używa AI do produkcji treści, obsługi klienta czy automatyzacji: to samo zadanie kosztuje dziś wyraźnie mniej i wykonuje się szybciej.

Poniżej wyciągamy z ogłoszenia to, co ma znaczenie praktyczne — i tłumaczymy, dlaczego akurat te liczby są istotne.

Co dokładnie ogłoszono

Gemini 3.6 Flash to nowy model główny serii. Google pozycjonuje go jako mocniejszy w kodowaniu i pracy analitycznej od poprzednika, czyli 3.5 Flash.

Gemini 3.5 Flash-Lite to najszybszy model serii 3.5 — zaprojektowany pod zadania masowe, gdzie liczy się przepustowość i koszt jednostkowy, a nie maksymalna „inteligencja”.

Gemini 3.5 Flash Cyber to model wyspecjalizowany w cyberbezpieczeństwie, działający w ramach CodeMender. Nie jest dostępny publicznie — Google udostępnia go wyłącznie rządom i zaufanym partnerom w ograniczonym programie pilotażowym. Dla firm komercyjnych to na razie ciekawostka, nie narzędzie.

Liczby, które faktycznie mają znaczenie

Benchmarki AI potrafią być mylące, bo mierzą rzeczy odległe od codziennej pracy. Ale trzy z podanych przez Google przekładają się bezpośrednio na budżet i tempo.

17% mniej tokenów wyjściowych. Gemini 3.6 Flash zużywa o 17% mniej tokenów wyjściowych niż 3.5 Flash (pomiar wg Artificial Analysis Index). W praktyce: model odpowiada zwięźlej, żeby osiągnąć ten sam efekt. Ponieważ za tokeny wyjściowe płaci się najwięcej, jest to realna oszczędność na każdym wywołaniu — niezależnie od zmian w cenniku.

350 tokenów wyjściowych na sekundę w 3.5 Flash-Lite. To poziom, przy którym generowanie przestaje być odczuwalnym oczekiwaniem. Dla zastosowań interaktywnych — czat na stronie, asystent w panelu, podpowiedzi w formularzu — różnica między „czekam” a „dostaję natychmiast” decyduje o tym, czy ktoś w ogóle skorzysta z funkcji.

Skoki w zadaniach agentowych. Tu widać kierunek, w którym idzie cała branża:

Dla 3.5 Flash-Lite postęp jest jeszcze wyraźniejszy w niektórych testach: Terminal-Bench 2.1 to 54% wobec 31% modelu 3.1 Flash-Lite, a SWE-Bench Pro — 54,2% wobec 49,6% (3 Flash).

Te benchmarki mierzą zdolność modelu do wykonywania wieloetapowych zadań — obsługi środowiska, poprawiania własnych błędów, dokończenia roboty bez nadzoru. To dokładnie ta zdolność, która decyduje, czy automatyzacja marketingowa działa sama, czy wymaga człowieka przy każdym kroku.

Cennik: gdzie jest prawdziwa zmiana

Różnica między tymi modelami to pięciokrotność na wejściu i trzykrotność na wyjściu. I to jest najważniejszy wniosek praktyczny z całego ogłoszenia — ważniejszy niż którykolwiek benchmark.

Większość zadań marketingowych nie wymaga najmocniejszego modelu. Klasyfikacja zapytań z formularza, streszczanie opinii klientów, przepisywanie opisów produktów według szablonu, tagowanie treści, wstępna analiza fraz — to zadania powtarzalne i schematyczne. Uruchamianie ich na modelu flagowym to przepalanie budżetu.

Sensowna architektura jest dwupoziomowa: model tani do masy, model mocny do trudnych przypadków. Przy skali kilkudziesięciu tysięcy operacji miesięcznie różnica potrafi wynieść kilkaset dolarów — przy identycznym efekcie końcowym.

Dostępność

Gemini 3.6 Flash i 3.5 Flash-Lite są dostępne od razu dla deweloperów przez Google AI Studio, Android Studio, Gemini Enterprise Agent Platform oraz aplikację Gemini. Nie ma listy oczekujących.

Wśród firm, które potwierdzają postęp w kosztach i jakości 3.6 Flash, Google wymienia Figmę, Harvey, Hebbię i JetBrains. Przy 3.5 Flash-Lite na „unikalne połączenie szybkości, inteligencji i efektywności kosztowej” wskazują Ashler, Palo Alto Networks i Ramp. Warto pamiętać, że to referencje dobrane przez producenta — traktujmy je jako sygnał, że model wszedł do realnych wdrożeń, nie jako niezależny benchmark.

Co z tego wynika dla Twojej firmy

Po pierwsze — zweryfikuj, na jakim modelu działają Twoje automatyzacje. Jeśli cokolwiek u Ciebie generuje treść, klasyfikuje leady albo obsługuje czat, prawdopodobnie stoi na modelu sprzed kilku miesięcy. Sama podmiana na nowszy wariant potrafi obniżyć rachunek bez żadnej zmiany w promptach.

Po drugie — rozdziel zadania na dwa poziomy. Wypisz operacje, które AI wykonuje u Ciebie najczęściej, i szczerze oceń, które z nich są schematyczne. Te przenieś na model tani. To zwykle największa pojedyncza oszczędność, jaką da się zrobić w ciągu jednego popołudnia.

Po trzecie — nie myl benchmarku z wynikiem u siebie. Wzrost z 37% na 49% w DeepSWE nie oznacza, że Twoje treści będą o 12 punktów lepsze. Jedyny miarodajny test to porównanie na Twoich danych i Twoich zadaniach. Zanim przepniesz produkcję, przepuść przez nowy model reprezentatywną próbkę i oceń wynik ręcznie.

Po czwarte — tempo zmian samo w sobie jest informacją. Modele wymieniają się dziś co kilka miesięcy. Warto budować automatyzacje tak, żeby wybór modelu był jednym parametrem w konfiguracji, a nie decyzją wbetonowaną w kod. Wtedy kolejna premiera to zmiana jednej linii, a nie projekt wdrożeniowy.

Podsumowanie

Najważniejsza wiadomość z lipcowego ogłoszenia Google nie brzmi „AI jest mądrzejsze”. Brzmi: za tę samą pracę płacisz mniej i czekasz krócej. Model tańszy o rząd wielkości od flagowego radzi sobie z większością zadań marketingowych, a różnice w benchmarkach agentowych pokazują, że automatyzacje mogą przejmować coraz dłuższe łańcuchy czynności.

Jeśli chcesz sprawdzić, gdzie w Twoim marketingu AI realnie odciąży zespół — a gdzie tylko wygeneruje koszt i treści, których nikt nie przeczyta — odezwij się do nas . Zaczynamy od audytu tego, co już działa.

Źródło danych: oficjalny blog Google (otwiera się w nowej karcie) , 21 lipca 2026.