Google memperkenalkan Gemini 3.6 Flash dengan klaim penggunaan token yang lebih efisien dibandingkan pendahulunya. Model AI ini juga disebut membutuhkan lebih sedikit langkah penalaran dan alat tambahan saat menangani tugas yang terdiri dari beberapa tahap.
Efisiensi tersebut menjadi perhatian karena Gemini 3.6 Flash diposisikan untuk pekerjaan yang membutuhkan kemampuan coding, pengetahuan, hingga pengoperasian antarmuka komputer. Google turut menyiapkan Gemini 3.5 Flash-Lite untuk kebutuhan berkecepatan tinggi dengan latensi rendah.
Token Lebih Hemat, Biaya Lebih Rendah
Gemini 3.6 Flash menggunakan token 17% lebih sedikit dibandingkan Gemini 3.5 Flash pada berbagai tugas. Model ini diperkenalkan setelah perilisan sebelumnya di I/O 2026 dengan membawa masukan dari pengembang dan pelanggan.
Dari sisi biaya, Gemini 3.6 Flash dipatok USD 1,50 per 1 juta token input serta USD 7,50 per 1 juta token output. Sementara itu, Gemini 3.5 Flash-Lite memiliki tarif lebih rendah untuk penggunaan yang mengutamakan kecepatan.
| Model | Fokus Penggunaan | Harga Input per 1 Juta Token | Harga Output per 1 Juta Token |
|---|---|---|---|
| Gemini 3.6 Flash | Tugas multilangkah, coding, dan antarmuka komputer | USD 1,50 | USD 7,50 |
| Gemini 3.5 Flash-Lite | Pencarian berbasis agen dan pemrosesan dokumen | USD 0,30 | USD 2,50 |
Kemampuan Coding dan Pengetahuan Meningkat
Menurut Liputan6.com yang mengutip 9to5Google, Gemini 3.6 Flash dinilai lebih akurat dalam pekerjaan coding dibandingkan model sebelumnya. Model ini disebut membutuhkan lebih sedikit pengeditan kode serta mengurangi proses perbaikan kode yang berulang.
Pada benchmark DeepSWE, skor kualitas kode Gemini 3.6 Flash naik dari 37% menjadi 49%. Peningkatan juga terlihat pada penelitian machine learning, dari 49,7% menjadi 63,9%.
Untuk kemampuan pengetahuan, model ini mencatat skor 1421 pada GDPval-AA, naik dari 1349 pada model pembandingnya. Batas pengetahuannya juga diperbarui dari Januari 2025 menjadi Maret 2026.
Kemampuan menjalankan antarmuka komputer turut mengalami peningkatan pada pengujian OSWorld-Verified. Skornya naik dari 78,4% menjadi 83%.
Flash-Lite untuk Tugas Cepat dan Berbasis Agen
Gemini 3.5 Flash-Lite ditujukan untuk tugas yang menuntut respons cepat dan latensi rendah, termasuk pencarian berbasis agen serta pemrosesan dokumen. Google menyatakan kualitas model ini jauh lebih baik dibandingkan Gemini 3.1 Flash-Lite yang diluncurkan pada Maret.
Pada Terminal-Bench 2.1, kemampuan pemrograman dan tugas berbasis agen Flash-Lite meningkat dari 31% menjadi 54%. Untuk pemrosesan konteks panjang di GDM-MRCR v2, skornya naik dari 60,1% menjadi 72,2%.
Model ini juga mencatat kenaikan pada OSWorld-Verified, dari 65,1% menjadi 74,0%. Dalam SWE-Bench Pro, Gemini 3.5 Flash-Lite meraih 54,2%, lebih tinggi daripada Gemini 3 Flash yang mencatat 49,6%.
Versi Cyber untuk Menangani Kerentanan Kode
Google turut menyiapkan Gemini 3.5 Flash Cyber yang dirancang untuk menemukan serta memperbaiki kerentanan keamanan. Performa dan efisiensi model Flash menjadi dasar untuk mendeteksi, memvalidasi, dan menambal celah pada kode dalam skala besar.
Alat CodeMender milik Google memanfaatkan sejumlah agen Gemini 3.5 Flash Cyber. Akses awal model tersebut diberikan kepada pemerintah dan mitra terpercaya melalui program uji coba berskala kecil.
Ketersediaan Model Gemini
Gemini 3.6 Flash dan Gemini 3.5 Flash-Lite sudah tersedia untuk umum melalui aplikasi Gemini. Pengembang dapat mengakses keduanya melalui Google Antigravity, AI Studio, dan Android Studio.
Google menyatakan Gemini 3.5 Pro masih berada dalam tahap uji coba bersama para mitra. Model tersebut akan tersedia secara lebih luas setelah dinilai siap, sementara tim DeepMind melanjutkan pengembangan model berikutnya.
