Ein Team aus Spezialisten: einer schnell bei Routineaufgaben, einer präzise, ein dritter Experte für Sicherheitsfragen. So positioniert Google seine neuen Gemini-Modelle. Mit Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber erhalten Entwickler und Unternehmen Werkzeuge für KI-Agenten – Systeme, die eigenständig Aufgaben erledigen, Werkzeuge nutzen und Entscheidungen treffen.
Wer KI-Agenten einsetzt, kennt das Problem: Die Modelle müssen schnell und günstig sein, aber auch zuverlässig und präzise. Bisher war Gemini 3.5 Flash der Allrounder. Jetzt kommen drei neue Modelle, die jeweils eine eigene Nische besetzen. Google sagt, die Flash-Serie ziele auf den Punkt zwischen Effizienz und Qualität, um agentische Workflows skalierbar zu machen.
Gemini 3.6 Flash: Mehr Leistung, weniger Verbrauch
Gemini 3.6 Flash bezeichnet Google als Arbeitstier der Familie. Es basiert auf Feedback zu 3.5 Flash und liefert einen Sprung bei Code- und Wissensarbeit. Obwohl es leistungsfähiger ist, verbraucht es weniger Token. Laut Artificial Analysis Index reduziert 3.6 Flash den Output-Token-Verbrauch um 17 Prozent im Vergleich zu 3.5 Flash. Im Coding-Test DeepSWE von Datacurve sind es bis zu 65 Prozent weniger Token – bei einem niedrigeren Preis pro Output-Token.
Ein Entwickler, der einen mehrschrittigen Programmierauftrag an den Agenten übergibt, bekommt Ergebnisse mit weniger unnötigen Code-Editierungen und kürzeren Ausführungsschleifen. Im DeepSWE-Benchmark erreicht 3.6 Flash 49 Prozent Trefferquote (3.5 Flash lag bei 37 Prozent). Bei ML-Forschungsaufgaben (MLE Bench) steigt die Leistung von 49,7 auf 63,9 Prozent. Bei der Computer-Nutzung – wenn das Modell selbstständig in einer Desktop-Umgebung agiert – zeigt es Verbesserungen von 78,4 auf 83 Prozent im OSWorld-Verified-Test. Die Computer-Use-Funktion ist nun als eingebautes Client-seitiges Tool über die Gemini API und Gemini Enterprise verfügbar. Der Preis: 1,50 Dollar pro Million Input-Token und 7,50 Dollar pro Million Output-Token – günstiger als 3.5 Flash. Kunden wie Hebbia und Harvey bestätigen, dass das Modell bei multimodalen Aufgaben punktet, etwa beim Parsen von Dokumenten oder der Erstellung von Berichten.
3.5 Flash-Lite: Schnell für hohen Durchsatz
Neben dem Arbeitstier bringt Google einen Sprinter: Gemini 3.5 Flash-Lite. Eine abgespeckte, aber extrem schnelle Variante. Laut Artificial Analysis Index erreicht es 350 Output-Token pro Sekunde – mehr als doppelt so schnell wie viele vergleichbare Modelle. Entwickelt für Aufgaben mit niedriger Latenz und hohem Durchsatz, etwa bei agentischen Suchen oder der Verarbeitung großer Dokumentenmengen.
Der Preis: 0,30 Dollar pro Million Input-Token und 2,50 Dollar pro Million Output-Token. Trotz der Leichtbauweise übertrifft 3.5 Flash-Lite den Vorgänger 3.1 Flash-Lite in fast jeder Hinsicht. Im Terminal-Bench 2.1 liegt der Wert bei 54 Prozent gegenüber 31 Prozent. Beim Langzeitkontext-Benchmark GDM-MRCR v2 steigt die Punktzahl von 60,1 auf 72,2 Prozent. Im Test GDPval-AA v2 verdoppelt sich der Wert von 642 auf 1140. In vielen agentischen und Coding-Evaluierungen übertrifft 3.5 Flash-Lite sogar das bisherige 3 Flash-Modell – etwa im SWE-Bench Pro mit 54,2 Prozent gegenüber 49,6 Prozent. Entwickler, die bisher auf 2.5 oder 3 Flash gesetzt haben, bekommen mit 3.5 Flash-Lite eine schnellere und leistungsfähigere Alternative zu einem niedrigeren Preis.
Das Modell unterstützt verschiedene Denkniveaus. Je nach Aufgabe kann der Entwickler einstellen, ob das Modell schnell und sparsam arbeiten soll oder bei komplexen mehrschrittigen Aufgaben ein höheres Denkniveau aktiviert. Auch Computer-Use ist als eingebautes Tool verfügbar.
3.5 Flash Cyber in CodeMender: Spezialisiert auf Sicherheitslücken
Das dritte Modell ist ein Spezialist. Gemini 3.5 Flash Cyber basiert auf 3.5 Flash und wurde für die Erkennung und Behebung von Cybersicherheitslücken trainiert. Google argumentiert, dass KI-Modelle heute Sicherheitslücken finden können, aber die bestehenden Systeme oft nicht hinterherkommen, diese zu beheben. Flash Cyber soll dieses Ungleichgewicht beseitigen – zu einem niedrigeren Preis pro Token als größere Modelle.
Das Modell wird nicht einzeln angeboten, sondern im Verbund mit einem neuen Agenten namens CodeMender. Mehrere 3.5 Flash Cyber-Modelle arbeiten darin zusammen, um einen gemeinsamen Bericht zu erstellen. Im Benchmark CyberGym erreicht diese Kombination laut Google konkurrenzfähige Ergebnisse an der Spitze der Rangliste. Der Zugang ist eingeschränkt: Aufgrund der dualen Natur – die Technologie kann sowohl für Verteidigung als auch für Angriffe genutzt werden – wird das Modell zunächst nur Regierungen und vertrauenswürdigen Partnern im Rahmen eines Pilotprogramms zur Verfügung gestellt. Ziel: Frontline-Verteidiger erhalten einen Vorsprung, bevor Angreifer die Lücken ausnutzen können. Gleichzeitig will Google Missbrauch verhindern.
Zusätzlich gibt Google einen Ausblick: Gemini 3.5 Pro befinde sich derzeit im Test mit Partnern und werde so bald wie möglich breit verfügbar gemacht. Parallel laufe der ambitionierteste Pre-Training-Run aller Zeiten für Gemini 4.
Sicherheit als integraler Bestandteil
Ein zentrales Thema ist bei allen Neuvorstellungen die Sicherheit. Besonders 3.6 Flash wird mit verbesserten Frontier-Safety-Safeguards ausgeliefert. Diese Absicherungen decken die Bereiche chemische, biologische, radiologische und nukleare Gefahren (CBRN) sowie Cyber-Offensive ab. Laut Google macht das das Modell widerstandsfähiger gegen Jailbreak-Versuche. Gleichzeitig wurde das Modell so trainiert, dass es bei legitimen Anfragen selten ablehnend reagiert – ein häufiges Problem bei sicherheitsoptimierten Modellen.
Für Entwickler und Unternehmen ist das wichtig: Wer KI-Agenten in sensiblen Umgebungen einsetzt, braucht nicht nur Leistung und Effizienz, sondern auch die Gewissheit, dass das Modell nicht manipuliert werden kann oder ungewollt schädliche Aktionen ausführt. Die neuen Safeguards adressieren diesen Punkt, ohne die Nutzerfreundlichkeit übermäßig einzuschränken.
Was das für Entwickler und Unternehmen bedeutet
Die drei neuen Modelle sind ab sofort verfügbar: über die Gemini API in Google AI Studio, Android Studio und Google Antigravity (für 3.6 Flash), sowie über die Gemini Enterprise App und das Gemini Enterprise Agent Platform. 3.5 Flash-Lite wird zudem schrittweise in die Google-Suche integriert. Google lädt Entwickler ein, Feedback zu geben.
Wer KI-Agenten baut, hat eine klarere Wahl: Für rechenintensive, mehrschrittige Aufgaben mit hohen Qualitätsanforderungen ist 3.6 Flash das Modell der Wahl – spart Token und Geld. Für Massenoperationen, wie das parallele Verarbeiten tausender Dokumente, bei denen jede Millisekunde zählt, bietet 3.5 Flash-Lite Geschwindigkeit zum Sparpreis. Für Cybersicherheit gibt es mit 3.5 Flash Cyber einen spezialisierten Agenten, der Lücken gezielt findet und schließt – vorerst für einen eingeschränkten Nutzerkreis.
Google setzt nicht auf ein einzelnes Supermodell, sondern auf eine Familie von Spezialisten. Ein pragmatischer Ansatz, der den unterschiedlichen Anforderungen der Praxis gerecht wird. Statt ein riesiges Modell für alles zu verwenden, können Entwickler genau das Werkzeug wählen, das ihre Aufgabe am besten und günstigsten erledigt. Mit dem Blick auf Gemini 4 zeichnet sich ab, dass diese Strategie weitergehen wird.
Quelle: blog.google
