Модели
Google выпускает более дешевые модели Gemini, так как стоимость агентов становится передовой проблемой ИИ
Выпуски Google Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber показывают, что гонка моделей ИИ движется в сторону эффективности, специализированной работы по безопасности и экономики производственных агентов.
Патрик Т ·
Google выпустила три новые Близнецы модели, построенные вокруг рыночной реальности, которую становится всё труднее игнорировать поставщикам ИИ: разработчикам и предприятиям нужны не только более мощные модели, но и более дешёвые модели, которые могут многократно выполнять агентские рабочие процессы, не превращая каждую задачу в борьбу за бюджет. Компания представила Gemini 3.6 Flash, Gemini 3.5 Flash-Lite и Gemini 3.5 Flash Cyber 21 июля, позиционируя релизы вокруг эффективности, задержки, надёжности и специализации задач, а не вокруг единственного утверждения о лидерстве на передовой. Сообщение прямое. По мере того как агенты переходят от демонстраций к реальному производству, стоимость выполнения одного рабочего процесса важна не меньше, чем рейтинг в таблице лидеров.
Флагманская модель группы — Gemini 3.6 Flash, которую Google описывает как универсальную модель для программирования, работы с знаниями и мультимодальных задач. Google сообщает, что она использует на 17% меньше выходных токенов, чем Gemini 3.5 Flash по Индексу Искусственного Анализа, и может еще более значительно сокращать использование токенов на некоторых тестах по программированию. Компания установила на нее цену $1,50 за миллион входных токенов и $7,50 за миллион выходных токенов, явно связывая ценность модели с затратами на выполнение агентских задач. Такая формулировка важна, потому что AI-агенты часто тратят деньги через повторные попытки, вызовы инструментов, промежуточные рассуждения и контекстно-насыщенные циклы, а не на получение одного ответа.
Gemini 3.5 Flash-Lite продвигает ту же аргументацию дальше. Google утверждает, что это самая быстрая и экономически эффективная модель в серии 3.5, работающая со скоростью 350 выходных токенов в секунду согласно Artificial Analysis и стоит $0.30 за миллион входных токенов и $2.50 за миллион выходных токенов. Это делает его кандидатом для высокопроизводительных задач, таких как поиск, обработка документов, перевод чеков и менее рискованные задачи подагентов. Стратегический момент заключается в том, что не каждый шаг в конвейере агента требует премиальной модели. Производственная система может распределять работу по портфелю, используя более дешевые модели для объема и более мощные модели, когда сложность оправдывает стоимость.
Самый специализированный выпуск — Gemini 3.5 Flash Cyber, модель, созданная на основе 3.5 Flash и дообученная для поиска, проверки и исправления уязвимостей с помощью CodeMender от Google . Google DeepMind заявляет, что модель изначально будет доступна через пилотный проект с ограниченным доступом для правительств и доверенных партнеров, что отражает двойное назначение автоматического поиска уязвимостей. В тестах на движке JavaScript V8 компании Google было обнаружено, что Flash Cyber выявил 55 уникальных подтвержденных проблем, по сравнению с 47 у основной версии Gemini 3.5 Flash и 36 у Claude Opus 4.6, включая 10 проблем, которые другие протестированные модели не зафиксировали.
Модель безопасности показывает, как Google хочет конкурировать. Вместо того чтобы утверждать, что одна большая модель должна решать любую проблему кибербезопасности, Google утверждает, что более легкую модель можно вызывать многократно по большому коду, позволяя агенту исследовать больше путей перед составлением окончательного отчета. Это практическое утверждение о работе с безопасностью программного обеспечения. Обнаружение уязвимостей — это не только дело блестящего одного решения. Часто это вопрос охвата, настойчивости, проверки и экономики поиска в очень большом пространстве без застревания на первой правдоподобной уязвимости.
Выпуски также оставляют заметный пробел. Gemini 3.5 Pro, модель, которую многие разработчики ожидали как следующий крупный шаг Google, всё ещё тестируется с партнёрами. Google заявляет, что планирует сделать её широко доступной, когда она будет готова, и уже начала амбициозный этап предварительного обучения для Gemini 4. Эта деталь смягчает разочарование, но не устраняет его полностью. Конкурентный рынок развивается быстро: OpenAI, Anthropic, xAI, Meta и китайские лаборатории открытых моделей все пытаются формировать ожидания разработчиков. Google сообщает рынку, что, пока продолжается работа над более крупными моделями, их краткосрочное решение — это более широкий и более дешёвый портфель Gemini.
Для корпоративных покупателей это может быть более полезным релизом в любом случае. Компании, которые вышли за рамки пилотных проектов, все чаще спрашивают, как AI-воркфлоу ведет себя в течение месяца использования: сколько токенов он потребляет, как часто он повторяет действия, может ли безопасно использовать инструменты, не переоценивает ли код и может ли более дешевый модель справляться с большинством рутинных задач. Gemini 3.6 Flash и Flash-Lite нацелены на этот разговор о покупке. Они не просто продукты; они являются доказательством того, что стек AI становится операционным рынком, где маршрутизация, политика, наблюдаемость и единичная экономика определяют, будут ли агенты успешны после развертывания.
В выпуске также говорится, что название модели становится менее важным, чем её размещение. Разработчик, создающий агент, может использовать высококлассную модель для разложения задачи, более дешёвую модель для классификации документов, специализированную модель для программирования для написания патча, визуальную модель для проверки скриншотов и кибер-модель для проверки изменения безопасности. Такой рабочий процесс труднее продвигать на рынке, чем один флагманский выпуск, но он ближе к тому, как создаются производственные системы. Ценность заключается в том, чтобы выбирать нужные возможности в нужный момент цепочки, а затем измерять, была ли общая задача выполнена точно и недорого.
Заявления Google о стоимости следует рассматривать в этом производственном контексте. Более низкая цена за токен полезна только в том случае, если модель не создаёт дополнительных повторных попыток, ручной очистки или ошибок на последующих этапах. Компании будут тестировать эти системы с точки зрения общей стоимости, а не только опубликованных тарифов. Они спросят, может ли Flash-Lite надежно извлекать структурированные данные, может ли Flash 3.6 сохранять изменения в коде минимальными, даёт ли Cyber результаты, на которые надеются инженеры по безопасности, и предотвращает ли логика маршрутизации использование недорогих моделей для задач, требующих более глубокого рассуждения. Следовательно, экономическая часть неотделима от оценки и наблюдаемости.
Задержка имеет значение по той же причине. Ассистент, взаимодействующий с пользователем, который слишком долго делает паузы между шагами, кажется сломанным, даже если конечный ответ правильный. Внутренний агент, который тратит минуты на проработку рутинного рабочего процесса, может обходиться дороже, чем сэкономленное время сотрудника. Более быстрые модели позволяют разработчикам создавать более отзывчивые интерфейсы, но скорость также может стимулировать больше вызовов, больше подагентов и больше скрытых промежуточных задач. Следующее поколение инфраструктуры ИИ будет нуждаться в панелях мониторинга, которые показывают не только расход токенов, но и количество шагов, количество вызовов инструментов, уровень ошибок и частоту вмешательства человека.
Gemini 3.5 Flash Cyber — самая политически чувствительная часть объявления, потому что она указывает на мир, в котором поставщики продают узкоспециализированные высокорисковые возможности в рамках контролируемых программ. Решение Google DeepMind опробовать модель вместе с правительствами и доверенными партнерами признает, что автоматическое обнаружение уязвимостей — это не просто удобство для разработчиков. Инструмент, который находит ошибки безопасности, может укреплять программное обеспечение, если его используют защитники, но он также может снижать стоимость разведки и разработки эксплойтов, если доступ к нему неконтролируемый. Та же логика двойного назначения в конечном итоге может применяться к моделям, настроенным для биологического проектирования, тестирования убеждений или других чувствительных областей.
Сравнение с Claude Opus 4.6 в тесте Google V8 имеет коммерческий подтекст, но не следует воспринимать его как полную картину. Оценки, проводимые самими поставщиками, часто отражают конкретные условия, настройки инструментов, подсказки и методы оценки. Существенный сигнал заключается в том, что модель, оптимизированная для узкого процесса безопасности, может превзойти более крупную универсальную модель в этой конкретной задаче. Это неудивительно, но имеет стратегическое значение. Это означает, что конкуренция на передовом уровне уже не только о том, у кого самый способный общий помощник. Речь также идет о том, кто может упаковать экспертные знания в модели, которым предприятия могут доверять для повторяемой работы.
Выпуск Flash-Lite может иметь наибольшее повседневное влияние, потому что многие рабочие нагрузки ИИ рутинны. Обработка запросов в службу поддержки, извлечение метаданных, расширение поиска, классификация политик, перевод, создание итогов встреч и очистка документов не всегда требуют самой мощной доступной модели. Им нужны стабильность, скорость и цена, достаточно низкая, чтобы компании могли использовать их в крупном масштабе. Если Google сможет сделать Gemini практическим стандартом для этих уровней, он сможет завоевать популярность, даже если другая компания привлечет внимание более продвинутой системой.
Новые модели также появляются в тот момент, когда разработчики становятся более скептичными по поводу маркетинга, основанного на чистом размере контекстного окна и бенчмарках. Большое контекстное окно полезно только если модель может находить релевантный материал и следовать инструкциям на протяжении долгой сессии. Балл за кодирование полезен только если сгенерированные изменения компилируются, проходят тесты и избегают широких переписей. Низкая цена за токен полезна только если модель не требует повторной коррекции. Google пытается обратиться к более зрелому покупателю с выпуском, ориентированным на экономику рабочего инструмента, а не на эффектное представление.
Это не означает, что передовые показатели больше не имеют значения. Самые сильные универсальные модели по-прежнему формируют ожидания разработчиков, привлекают внимание предприятий и справляются с самыми сложными задачами в рабочем процессе. Но портфель моделей позволяет поставщику превращать передовые разработки в практические уровни. Флагманская модель может решать сложные задачи планирования и рассуждения. Flash-модели могут выполнять повторяющуюся среднюю работу. Специализированные варианты могут справляться с областями, где важна целевая тренировка. Если маршрутизация работает, клиент получает один опыт с системой. Под капотом поставщик оптимизирует стоимость, задержку и риск между несколькими движками.
Google также реагирует на конкурентное давление со стороны открытых и китайских поставщиков моделей, которые сделали способные модели с низкой стоимостью своей основной продаваемой особенностью. Разработчики, которые могут размещать модели самостоятельно или использовать более дешевые API, имеют больше рычагов влияния, чем в начале бума чат-ботов. Поставщик премиум-класса должен оправдать свою цену надежностью, инструментами, гарантией, безопасностью и интеграцией. Gemini 3.6 Flash и Flash-Lite являются признаком того, что Google не хочет уступать более дешевый производственный уровень конкурентам, пока готовится представить более крупные системы.
Для команд по безопасности Flash Cyber может стать проверкой того, можно ли доверять специализированному защитному ИИ в реальных программах управления уязвимостями. Модель, которая находит больше проблем в эталонном тесте, полезна, но команды по безопасности также заботятся о ложных срабатываниях, качестве патчей, рейтинге эксплуатационной уязвимости, воспроизводимости и интеграции с существующими системами тикетов и обзора кода. Если ИИ-система заваливает инженеров правдоподобными, но малоценными находками, это может тратить ограниченное человеческое внимание, которое она должна была сэкономить. Следовательно, пилотная программа должна оцениваться по операционным результатам, а не только по количеству обнаружений.
Более широкий рынок моделей движется в направлении оркестрации как продукта. Клиентам понадобятся средства контроля, которые будут определять, какая модель обрабатывает какую подзадачу, сколько бюджета может потратить каждый рабочий процесс, когда переходить к более мощной модели, когда требовать одобрения человека, и как проверять результаты. Анонс Google предоставляет разработчикам больше компонентов. Следующий вопрос заключается в том, смогут ли Google Cloud и API Gemini сделать эти компоненты легко управляемыми в масштабе. Выбор модели становится решением во время выполнения, а не одноразовым решением о закупке.
Выпуски также отражают более тихое разочарование разработчиков: изменения модели могут нарушить тщательно настроенные рабочие процессы. Когда поставщики вводят новые системы, клиентам приходится заново тестировать запросы, схемы инструментов, поведение в области безопасности, форматы вывода и предположения о задержках. Более широкое семейство моделей дает Google больше гибкости, но также увеличивает нагрузку на совместимость. Предприятия будут ожидать стабильные версии, четкие сроки устаревания, инструменты оценки и рекомендации по миграции. Производственные клиенты ИИ менее снисходительны, чем ранние пользователи, потому что обновление модели теперь может повлиять на очереди поддержки, конвейеры кода, проверки на соответствие требованиям и функции, взаимодействующие с клиентами.
Прозрачность ценообразования будет иметь такое же значение, как и качество модели. Агентные системы могут скрывать затраты на промежуточных этапах, которые пользователи никогда не видят. Рабочий процесс может извлекать сотни страниц, вызывать модель планирования, запускать несколько субагентов, просить кибер-модель проверить патч и затем суммировать результат. Если прогнозировать цены трудно, владельцы бизнеса будут ограничивать использование или замедлять внедрение. Более дешевые тарифные планы Google являются ответом на такие сомнения, но клиентам все равно понадобятся средства контроля бюджета и отчётность, связывающая расходы с достигнутыми бизнес-результатами.
Отсутствие широко доступной версии Gemini 3.5 Pro также сохраняет конкурентное давление на Google. Разработчики могут ценить более дешевые модели Flash, одновременно задаваясь вопросом, имеет ли Google самую сильную систему для самых сложных задач. Компания, по-видимому, разделяет гонку символических фронтов и гонку производственной экономики. Это может быть целесообразным, но создает проблему в коммуникации. Google нужно убедить клиентов, что портфель продуктов не является утешительным призом, пока более крупные модели находятся на стадии тестирования.
Следовательно, выпуск функционирует как рыночный сигнал не меньше, чем как обновление продукта. Google сообщает разработчикам, что хочет, чтобы Gemini использовался в обычной работе, а не только в демонстрациях для заголовков. Это означает, что модели должны быть достаточно дешевыми для многократного использования, достаточно специализированными для работы с конфиденциальными процессами и достаточно стабильными для команд закупок, которые больше не рассматривают ИИ как эксперимент. Если эти условия выполняются, модели Flash могут стать слоем, который пользователи редко замечают, но который компании используют постоянно.
Существует стратегия платформы под стратегией модели. Google может связать Gemini с Android, Workspace, Cloud, Chrome, Поиском, продуктами безопасности и инструментами для разработчиков. Более дешевые модели Flash дают этой платформе больше возможностей внедрять ИИ без экономической нагрузки на каждую функцию. Рабочий процесс в Gmail, помощник BigQuery, инструмент для проверки кода или сканер безопасности — каждый из них может обращаться к разной модели Gemini «под капотом». Клиенту может быть все равно, какая из них ответила, но Google будет заботиться об этом, потому что такие обращения углубляют зависимость от его ИИ-стека.
Открытый вопрос заключается в том, примут ли разработчики большее фрагментирование моделей. Портфель дает инженерам гибкость, но также увеличивает операционную нагрузку. Команду нуждаются в правилах маршрутизации, стратегиях резервного копирования, наборах для оценки, оценках стоимости и политиках безопасности для каждого класса моделей. Если Google хочет, чтобы системы Flash, Flash-Lite, Cyber, Pro и будущие системы Gemini 4 сосуществовали, ему потребуются инструменты, которые делают выбор и мониторинг простыми. Компании, которые добьются успеха в производственном ИИ, могут быть теми, кто снижает когнитивную нагрузку при выборе между моделями, а не только теми, кто выпускает их больше.
Кибер-пилот поднимает отдельный вопрос управления. Google ограничивает Flash Cyber, потому что та же система, которая помогает защитникам находить уязвимости, может помочь злоумышленникам при широком неправильном использовании. Такой контроль доступа, вероятно, станет более распространённым для специализированных моделей. Общий помощник может быть широко доступен, в то время как кибер-, биологические или другие чувствительные варианты направляются через доверенные программы, контролируемые развертывания и обязательства клиентов. Гонка моделей, таким образом, делится одновременно на два соревнования: соревнование по стоимости для повседневных задач агентов и соревнование с контролируемым доступом для специализированных возможностей с высоким риском.
Выпуск Google не развеял сомнений в том, сможет ли компания снова занять символическое лидерство в передовом ИИ. Он показывает, что компания относится к производственному рынку всерьез. Если агенты будут работать внутри кодовых баз, браузеров, корпоративных документов и систем безопасности, они должны быть достаточно доступными для многократного вызова и достаточно надежными, чтобы оставлять меньше беспорядка. Самым важным объявлением Gemini на этой неделе, возможно, является не название какой-либо отдельной модели. Возможно, это признание того, что следующая борьба в области ИИ будет измеряться завершенными рабочими процессами, а не только скриншотами бенчмарков.
Темы: Google, Gemini, агенты ИИ, кибербезопасность