Запуск Gemini 3.6 Flash вызвал насмешки из-за компромисса между экономией токенов и интеллектом

Если вы пользуетесь Gemini с прошлого года, то последняя популярная шутка звучит так: это всё равно что наблюдать, как ваш собственный брат постепенно теряет память из-за болезни Альцгеймера. Обычно, когда компания выпускает новую модель, она должна служить опровержением подобных шуток. Но сейчас, после того как Google представил три новые модели, вместо того чтобы отозвать это заявление, пользователи сети смеются ещё громче, создавая ощущение «они в вас не верили, а вы оказались самым разочаровывающим». Эти три модели — 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber для кибербезопасности. Формулировки в официальном блоге всё ещё знакомы: более эффективные, умные, созданные для масштабных ИИ-агентов, без единого сбоя. Однако реальный опыт кардинально отличается.

Начнём с флагманской модели 3.6 Flash. Это незначительное обновление версии 3.5 Flash, представленной на конференции I/O в мае этого года, официальная позиция которой заключается в том, что это рабочая лошадка. Главное преимущество этого поколения — экономия токенов: согласно данным Индекса Artificial Analysis, 3.6 Flash использует на 17% меньше выходных токенов, чем 3.5 Flash, и до 65% меньше в сценариях DeepSWE. При выполнении многошаговых задач также сокращается количество шагов рассуждения и вызовов инструментов. Цена действительно снизилась: 1,5 доллара за миллион входных токенов и 7,5 доллара за миллион выходных токенов, тогда как предыдущая версия 3.5 Flash стоила 9 долларов за выходные токены. Это напрямую снижает стоимость до 7,5 долларов, делая модель быстрее и экономичнее, при этом стоимость одной задачи агента значительно снижается.

В тестовых бенчмарках особое внимание уделялось способности к написанию кода: показатель DeepSWE вырос с 37% до 49%. Официально заявлено, что стало меньше ненужных изменений в коде, короче циклы выполнения, а сгенерированный код ближе к требованиям производства; в бенчмарке MLE Bench для исследований в области машинного обучения наблюдается более значительный рост с 49,7% до 63,9%; в OSWorld-Verified для компьютерных операций рост составил с 78,4% до 83%, а операции с компьютером стали встроенным инструментом в Gemini API и корпоративной версии, готовым к использованию сразу после запуска. Небольшое, но практичное обновление заключается в том, что дата окончания знаний наконец перенесена с января 2025 года на март 2026 года, окончательно отойдя от старого календаря. В плане безопасности, как заявили в Google, 3.6 Flash имеет обновлённую защиту Frontier Safety, ориентированную на два типа злоупотреблений: химическое, биологическое, радиологическое, ядерное и кибератаки, с более устойчивой защитой от взлома, при этом стараясь не вредить нормальным потребностям и минимизируя необоснованные отказы.

Следующий уровень — 3.5 Flash-Lite, который делает акцент на скорости и доступности, ориентирован на задачи с высокой пропускной способностью и низкой задержкой, такие как поиск агентов и обработка документов. Это самая быстрая модель в серии 3.5, способная генерировать 350 токенов в секунду, согласно измерениям Artificial Analysis. Цена чрезвычайно низкая: 0,3 доллара за входные и 2,5 доллара за выходные токены на миллион, при этом качество значительно лучше, чем у 3.1 Flash-Lite, выпущенной в марте. Поддерживается регулирование уровня рассуждения: для задач начального уровня можно запускать на минимальном уровне для скорости и эффективности, а при столкновении со сложными подзадачами, требующими нескольких шагов, можно повысить уровень мышления. Операции с компьютером также превращены во встроенный инструмент.

Значительные улучшения: Terminal-Bench2.1 для задач кода и агентов вырос с 31% до 54%, GDM-MRCR v2 для длинного контекста улучшился с 60,1% до 72,2%, а GDPval-AA v2 для выполнения реальных задач увеличился с 642 до 1140. Самое интересное заключается в том, что эта модель нижнего уровня фактически превзошла свою старшую версию 3Flash во многих задачах агентов и кода, таких как SWE-Bench Pro (54,2% против 49,6%) и OSWorld-Verified (74,0% против 65,1%), что означает, что задачи, ранее выполняемые 3Flash, теперь имеют более быстрый и мощный аналог. Официально предоставлено несколько примеров использования, включая извлечение характеристик продуктов из массивных данных электронной коммерции, роль помощника для 3.6 Flash для генерации 25 концепций веб-дизайна одновременно, пакетный перевод и суммирование чеков, а также игра и итерация для создания игр. Клиенты Ashler, Palo Alto Networks и Ramp также высоко оценили её скорость, интеллект и экономическую эффективность.

Последняя модель, 3.5 Flash Cyber, идёт по иному пути, специально разработанная для поиска и исправления уязвимостей безопасности в коде. Логика Google умна: скорость ИИ в поиске уязвимостей уже превзошла скорость существующих систем в их исправлении, что приводит к накоплению большего числа уязвимостей. Вместо этого они используют доступную и эффективную Flash для пакетного исправления. Эта модель была дообучена на основе 3.5 Flash и в паре с их собственным инструментом CodeMender, где несколько агентов Flash Cyber работают вместе, а затем сводят всё в отчёт. На широко известном в отрасли бенчмарке CyberGym она достигла уровня первого класса и использовала меньше токенов по сравнению с более крупными моделями. Однако эта модель в настоящее время недоступна, учитывая, что поиск уязвимостей — это обоюдоострый меч. Google последовал по стопам Anthropic, приняв нарратив безопасности, строго ограничив доступ и предоставив ограниченное доверенным партнёрам для внутреннего тестирования. Цель состоит в том, чтобы дать защитникам на передовой время на исправление уязвимостей до их эксплуатации, предотвращая при этом возможность misuse со стороны злоумышленников.

На этом этапе вы можете задаться вопросом: где же настоящий флагман, 3.5Pro? Согласно официальному объяснению, он всё ещё тестируется с партнёрами и будет запущен, как только будет готов. Однако история за этим заявлением может быть не такой гладкой. Согласно сообщениям Bloomberg и других источников, способность к генерации кода 3.5Pro никогда не соответствовала внутренним ожиданиям. Google обновил свои обучающие данные в конце июня, чтобы компенсировать недостатки кода, но результаты всё равно не улучшились. Существуют даже слухи, что Google полностью отказался от первоначального плана обучения и начал всё заново. Тем временем представитель Google AI Логан Килпатрик открыто пропустил 3.5Pro в публичных заявлениях, сместив фокус на Gemini4, утверждая, что самое большое и амбициозное предобучение Gemini4 уже началось, и прогресс впечатляет. Учитывая фон задержки флагмана, это кажется своего рода отвлекающим манёвром или обещанием продлить иллюзию.

Если смотреть только на модели Flash, выпущенные сегодня, пользователи сети не полностью верят в них. Третья сторона, агентство Artificial Analysis, заявила, что две новые модели действительно сократили время на задачу вдвое и улучшили эффективность токенов, при этом интеллектуальный индекс Flash-Lite вырос на 11 пунктов. Однако уровень интеллекта 3.6 Flash по сравнению с 3.5 Flash остался в основном неизменным. Цена не снизилась достаточно, чтобы игнорировать разрыв в возможностях, ни возможности не выросли достаточно, чтобы оправдать стоимость. На платформе X некоторые пользователи критиковали, что 3.6 Flash набрал ровно столько же баллов, сколько 3.5 Flash в Artificial Analysis, и он хуже конкурентов, таких как Meta Spark1.1, GLM-5.2, 5.6Luna, Sonnet5, Grok4.5, 5.6Terra, называя его просто ужасным.

Пользователь Angel подошёл с точки зрения соотношения цены и качества, указав, что стоимость использования 3.6 Flash выше, чем у GPT-5.6Sol medium, но её уровень интеллекта ниже, создавая неловкую комбинацию. В конце концов, основа серии Flash — это соотношение цены и качества, но теперь выясняется, что её ценность хуже, чем у конкурентов, что равносильно самоподрыву. В качестве сравнения, Тибо из OpenAI также недавно высказался, заявив, что из-за еженедельной активности пользователей, достигшей 10 миллионов, платные пользователи Codex и ChatGPT Work получили новый раунд сброса квот. Этот контраст и неравенство, разве люди всё ещё помнят Google Gemini3 у озера?

Реальные тестеры также подлили масла в огонь. Пользователь Balder прямо критиковал, сказав, что производительность этих трёх моделей хуже, чем у предыдущей 3.5 Flash, с проблемами, включая, но не ограничиваясь базовыми ошибками декодирования, странным выбором китайских слов, плохим качеством изображений и видео, несоответствием инструкциям, серьёзными ограничениями, частой путаницей памяти и неправильными вызовами инструментов. Он даже выдвинул теорию заговора, предположив, что Google сделал это, чтобы освободить вычислительные мощности для продажи Anthropic, иронично сказав, что это то, чего хочет Пичаи — Cloud First. Пользователь X Conor Dart провёл тест игры, сгенерированной ИИ, используя собственный инструмент Google Antigravity, в результате чего текстуры дерева и мрамор выглядели почти одинаково, но всё равно не могли быть использованы. Он прямо назвал это ещё одним провалом, сказав, что он предпочёл бы подождать Gemini3.5 или 3.6Pro.

С одной стороны, официальные аккаунты подчёркивают большую эффективность, более низкие цены и меньше токенов. С другой стороны, большинство пользователей сети дали отрицательные отзывы, наряду с рядом плохих новостей за моделями, таких как задержка флагмана, уход топ-талантов и сокращение рыночной стоимости. Трудно не задаться вопросом, действительно ли Google напутал со своим технологическим путём, сосредоточившись слишком сильно на экономии затрат и забыв об улучшении интеллекта, полагаясь лишь на несколько моделей Flash для стабилизации ситуации. В любом случае, предобучение Gemini4 уже началось. Если эта попытка также провалится, шутка об Альцгеймере может стать пророчеством.