Հուլիսի 21-ին Google-ը ներկայացրեց Gemini 3.6 Flash, 3.5 Flash-Lite և 3.5 Flash Cyber — երեք նոր AI մոդելներ, մինչդեռ իր ֆլագմանային Gemini 3.5 Pro-ն ամիսներով հետ է մնում ժամանակացույցից՝ հարցեր առաջացնելով Google-ի մրցակցային դիրքի վերաբերյալ:

Google-ի եռակի Flash գործարկումը — ի՞նչ է թաքնված դրա հետևում

2026 թվականի հուլիսի 21-ին Google-ը միաժամանակ հայտարարեց երեք նոր Gemini Flash մոդելների մասին՝ Gemini 3.6 Flash, Gemini 3.5 Flash-Lite և Gemini 3.5 Flash Cyber: Այս քայլը ցույց է տալիս Google-ի ռազմավարությունը՝ ընդլայնելու AI մոդելների էկոհամակարգը մասնագիտացված առաջադրանքների համար՝ մշակողների գործիքներից մինչև կիբեռանվտանգություն: Յուրաքանչյուր մոդել ուղղված է կոնկրետ լսարանի՝ 3.6 Flash՝ մշակողների և ծրագրավորողների համար, Flash-Lite՝ բարձր ծավալի արտադրական օգտագործման համար, իսկ Flash Cyber՝ կիբեռանվտանգության փորձագետների և պետական մարմինների համար:

Սակայն երեք գործարկումների ֆոնին գլխավոր հարցը մնում է անպատասխան. որտե՞ղ է Gemini 3.5 Pro-ն: Google DeepMind-ի ֆլագմանային մոդելը, որը պետք է մրցակցեր OpenAI-ի GPT-5.6 Sol-ի և Anthropic-ի Fable-ի հետ, ամիսներով ուշանում է: Այն ժամանակ, երբ մրցակիցները մեկը մյուսի հետևից թողարկում են frontier մոդելներ — Anthropic-ն արդեն աշխատում է Fable-ի և Mythos-ի վրա, OpenAI-ն թողարկել է GPT-5.6 Sol-ը — Google-ը ստիպված է ամրապնդել դիրքերը Flash տարբերակներով: Սա ստեղծում է հետաքրքիր դինամիկա. Google-ն ամրապնդում է իր միջին սեգմենտը, բայց ամենաբարձր մակարդակում մնում է խոցելի:

Gemini 3.6 Flash — արդյունավետություն և արագություն

Gemini 3.6 Flash-ը Google-ի նոր ֆլագմանն է Flash գծում: Մոդելն օգտագործում է մոտ 17%-ով ավելի քիչ ելքային տոկեն, քան Gemini 3.5 Flash-ը, ինչը նշանակում է ավելի արդյունավետ գեներացիա և ցածր ծախսեր: Գները կազմում են $1.50 միլիոն մուտքային տոկենի համար և $7.50 միլիոն ելքային տոկենի համար, ինչը այն դարձնում է մրցունակ պրեմիում սեգմենտում:

Մոդելը զգալի բարելավումներ ցույց տվեց ծրագրավորման բենչմարքներում: DeepSWE-ն 37%-ից հասավ 49%-ի, MLE Bench-ը՝ 49.7%-ից 63.9%-ի, իսկ OSWorld-Verified-ը՝ 78.4%-ից 83%-ի: 1 միլիոն տոկենի կոնտեքստային պատուհանը թույլ է տալիս նրան աշխատել մեծ ծածկագրերի բազաների հետ, իսկ ներկառուցված Computer Use գործիքը՝ հաճախորդի կողմի ավտոմատացում:

Google-ն ընդգծեց, որ 3.6 Flash-ը հագեցած է Frontier Safety պաշտպանական մեխանիզմներով — ընկերության ամենախիստ անվտանգության չափանիշներով: Սա կրիտիկական գործոն է, հատկապես հաշվի առնելով Computer Use ֆունկցիան, որը ներառում է իրական համակարգերի հասանելիություն: Computer Use գործիքը թույլ է տալիս մոդելին ուղղակիորեն փոխազդել օգտագործողի ինտերֆեյսների հետ — սեղմել կոճակներ, լրացնել ձևեր, նավիգացիա կատարել վեբ էջերում: Սա հատկապես օգտակար է QA ավտոմատացման, տվյալների հավաքագրման և DevOps գործընթացների համար, բայց նաև մեծացնում է պոտենցիալ ռիսկերը, ինչը բացատրում է Frontier Safety-ի խիստ միջոցառումների անհրաժեշտությունը:

Gemini 3.5 Flash-Lite — արագություն մատչելի գնով

Gemini 3.5 Flash-Lite-ը նախատեսված է բարձր ծավալի, ցածր ուշացման առաջադրանքների համար: Այն ապահովում է 350 ելքային տոկեն վայրկյանում — սա նշանակում է, որ օգտագործողը տեքստի գեներացիան ստանում է գրեթե ակնթարթորեն: Գները կազմում են $0.30 միլիոն մուտքային տոկենի համար և $2.50 միլիոն ելքային տոկենի համար, ինչը Flash-Lite-ը դարձնում է շուկայի ամենաէժան մոդելներից մեկը: Terminal-Bench 2.1-ում մոդելը ցույց տվեց 31%-ից 54% բարելավում նախորդի համեմատ, ինչը այն դարձնում է իդեալական տերմինալային առաջադրանքների համար — հրամանների կատարում, լոգերի վերլուծություն, սերվերի կառավարում:

Flash-Lite-ի դիրքավորումը պարզ է. Google-ը ձգտում է մշակողներին առաջարկել էժան, արագ այլընտրանք բարձր ծավալի արտադրական օգտագործման համար՝ առանց որակի զիջումների: Սա հատկապես կարևոր է սթարթափների և փոքր թիմերի համար, որոնց AI ինտեգրացիա է անհրաժեշտ սահմանափակ բյուջեով: Օրինակ, չաթ-բոտի ինտեգրացիա կամ տվյալների ավտոմատ մշակում, որոնք նախկինում անհասանելի էին բարձր արժեքի պատճառով — Flash-Lite-ի հետ այդ ծախսերը կտրուկ նվազում են:

Gemini 3.5 Flash Cyber — մասնագիտացված կիբեռանվտանգության մոդել

Ամենահետաքրքիր թողարկումը Gemini 3.5 Flash Cyber-ն է — մոդել, որը հատուկ պատրաստված է կիբեռանվտանգության համար՝ ինտեգրված Google-ի CodeMender հարթակին՝ AI-ի վրա հիմնված ծածկագրի վերանորոգման համակարգին: CodeMender-ը թույլ է տալիս Flash Cyber-ին ավտոմատ կերպով հայտնաբերել խոցելիություններ, առաջարկել ուղղումներ և գեներացնել patches իրական ժամանակում:

CyberGym բենչմարքում Flash Cyber-ը ցույց տվեց 83.2%, համեմատած GPT-5.5-Cyber-ի 85.6%-ի հետ: Սակայն այն, ինչ այն իսկապես առանձնացնում է, Google-ի Big Sleep թիմի արդյունքներն են. Flash Cyber-ը հայտնաբերեց 55 Chrome V8 խոցելիություն, զգալիորեն գերազանցելով Claude Opus 4.6-ի 36-ը և Gemini 3.5 Flash-ի 47-ը: Սա 53%-ով ավելի է, քան Claude Opus 4.6-ը և 17%-ով ավելի, քան Gemini 3.5 Flash-ը: Դրանցից 10 խոցելիություն եզակի էին Flash Cyber-ի համար — ոչ մի այլ մոդել չի հայտնաբերել դրանք, ինչը ցույց է տալիս մոդելի եզակի հնարավորությունները:

Հատկապես ուշագրավ է, որ մոդելը կարող է գտնել Remote Code Execution (RCE) խոցելիություններ 2 ժամվա ընթացքում՝ աշխատող էքսպլոյտով: RCE խոցելիությունները համարվում են ամենակրիտիկականներից մեկը — դրանք թույլ են տալիս հարձակվողին հեռակա կերպով կատարել ցանկացած ծածկագիր խոցելի համակարգում: Flash Cyber-ը կարող է դրանք հայտնաբերել և գեներացնել էքսպլոյտ ընդամենը երկու ժամում — սա աննախադեպ հնարավորություն է, որը բացատրում է, թե ինչու է մոդելը հասանելի միայն կառավարություններին և վստահելի գործընկերներին: Flash Cyber-ի սահմանափակումներն ընդգծում են կրկնակի օգտագործման ռիսկերը, որոնք բնորոշ են հզոր AI կիբեռանվտանգության գործիքներին:

3.5 Pro-ի ուշացումը — Google-ի frontier հավակնությունների փորձությունը

Չնայած երեք Flash մոդելների թողարկմանը, Google-ը չի թաքցրել, որ Gemini 3.5 Pro-ի թողարկումը հետաձգվել է: Մինչ Google-ը հայտարարեց "զգալի բարելավումներ" 3.5 Pro-ում, "ավելի լայն տարածումը դեռ շարունակվում է" — սա ցույց է տալիս, որ մոդելը դեռ պատրաստ չէ լայն լսարանի համար: Մինչդեռ, Gemini 4-ի նախնական ուսուցումն արդեն ընթացքի մեջ է, որը Google-ն անվանում է "իր ամենահավակնոտ ուսուցման գործընթացը": Սա ստեղծում է հետաքրքիր իրավիճակ. Google-ի ֆլագմանային մոդելը (3.5 Pro) դեռ թողարկված չէ, բայց դրա իրավահաջորդի (Gemini 4) ուսուցումն արդեն սկսվել է:

Մրցակցային ճնշումը մեծանում է: OpenAI-ն վերջերս թողարկել է GPT-5.6 Sol-ը — մոդել, որը սահմանում է frontier AI-ի նոր ստանդարտ: Anthropic-ը նույնպես չի զիջում. նրանց Fable մոդելը արդեն հասանելի է API-ի միջոցով, իսկ Mythos-ի վրա աշխատանքը շարունակվում է: Չինական լաբորատորիաները — DeepSeek-ը, Alibaba-ի Qwen-ը, ByteDance-ը — զգալիորեն բարելավել են սեփական մոդելները: DeepSeek-ի վերջին մոդելը՝ V4-ը, բացահայտ մրցակցում է արևմտյան մոդելների հետ բազմաթիվ բենչմարքներում: Google-ի դիրքը frontier AI մրցավազքում — OpenAI-ի և Anthropic-ի կողքին — վտանգված է, մինչ 3.5 Pro-ն ուշանում է:

Google-ի ներկայիս ռազմավարությունն այն է, որ Flash մոդելները — հատկապես 3.5 Flash Cyber-ը — լրացնում են այն տեղերը, որոնք մրցակիցները դեռ չեն ծածկում: Նիշային AI-ի այս մոտեցումը Google-ին թույլ է տալիս մնալ արդիական շուկայում, նույնիսկ առանց ֆլագմանային մոդելի: Սակայն առանց 3.5 Pro-ի, Google-ին պակասում է արժանի մրցակից frontier մոդելների համար: Եթե Gemini 4-ը հաջողությամբ չավարտվի, Google-ը կարող է հետ մնալ այն մրցավազքում, որն ինքն օգնեց սկսել Gemini-ի թողարկումով 2023 թվականին:

Ի՞նչ է սա նշանակում մշակողների համար

Մշակողների համար այս թողարկումը Google-ի աճող ներդրումների նշան է Flash էկոհամակարգում: Gemini 3.6 Flash-ում ներկառուցված Computer Use գործիքը բացում է նոր հնարավորություններ — զննարկչի ավտոմատացումից և վեբ սկրեյպինգից մինչև UI թեստավորման լիարժեք խողովակաշարեր: Պատկերացրեք, որ ձեր AI օգնականը ինքնուրույն ստուգում է վեբ հավելվածը, լրացնում ձևերը և ստուգում ֆունկցիոնալությունը — Computer Use-ով դա հնարավոր է դառնում: 1M տոկենի կոնտեքստային պատուհանը նշանակում է, որ ամբողջ ծածկագրերի բազաները կարելի է վերլուծել մեկ հարցումով — ամբողջ նախագծի ըմբռնում, սխալների հայտնաբերում, ռեֆակտորինգի առաջարկում:

Flash-Lite-ը ժողովրդավարացնում է արագ AI հասանելիությունը — $0.30 միլիոն մուտքային տոկենի համար AI ինտեգրացիան դառնում է իրագործելի անկախ թիմերի և կողմնակի նախագծերի համար: Եթե դուք վրացական սթարթափ եք, որը AI չաթբոտի ինտեգրացիայի կարիք ունի, Flash-Lite-ի գները զգալիորեն նվազեցնում են մուտքի արգելքը: 350 տոկեն վայրկյանում նշանակում է, որ օգտագործողները պատասխանները կստանան գրեթե ակնթարթորեն:

Flash Cyber-ը, չնայած իր սահմանափակումներին, ցույց է տալիս AI-ի ներուժը կիբեռանվտանգության ավտոմատացման մեջ: 55 V8 խոցելիության հայտնաբերումը — 10-ը եզակի — ցուցադրում է, որ մասնագիտացված AI-ն կարող է հասնել այնպիսի արդյունքների, որոնք անհասանելի են ընդհանուր մոդելների համար: Այս միտումը — մոդելների մասնագիտացումը կոնկրետ ոլորտների համար — հավանաբար կուժեղանա: Մինչ Google-ը շարունակում է ամրապնդել Flash գիծը, մշակողները ստանում են ավելի շատ գործիքներ, ավելի շատ ճկունություն և ավելի շատ ընտրություն:

Այնուամենայնիվ, 3.5 Pro-ի բացակայությունը միանշանակ ազդանշան է. Google-ի frontier մոդելը ուշանում է: Gemini 4-ի հաջողությունը վճռորոշ կլինի այն հարցում, թե արդյոք Google-ը կկարողանա պահպանել իր դիրքը — թե կվերածվի օժանդակ դերի AI մրցավազքում, որն ավելի ու ավելի է սահմանվում frontier առաջնորդների կողմից:

📖 Աղբյուր՝ The Decoder