Google DeepMind ha rilasciato tre nuovi modelli della serie Gemini: 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber. Nessuno dei tre è il modello di punta che il mercato aspettava. Gemini 3.5 Pro, annunciato a maggio all’I/O con la promessa di arrivare “il mese prossimo”, non c’è ancora. Ma su questo si torna dopo.
Gemini 3.6 Flash è il nuovo modello di riferimento della gamma Flash, pensato per coding, knowledge work e task multimodali. Il punto chiave è l’efficienza: secondo l’Artificial Analysis Index, consuma il 17% di token in output in meno rispetto al predecessore 3.5 Flash, e su benchmark specifici come DeepSWE la riduzione arriva fino al 65%. Sui benchmark di qualità i miglioramenti sono concreti: su DeepSWE segna 49% contro il 37% di 3.5 Flash, su MLE Bench 63,9% contro 49,7%. Il prezzo scende da $9 a $7,50 per milione di token in output, con input a $1,50 per milione. Meno token usati più prezzo più basso per token: per i sistemi agentici che girano milioni di chiamate al giorno, la differenza sul conto finale può essere considerevole.
Gemini 3.5 Flash-Lite occupa l’estremo più economico della lineup. Costa $0,30 per milione di token in input e $2,50 in output, gira a 350 token al secondo secondo l’Artificial Analysis Index, ed è pensato per volumi altissimi: ricerca agentiva, classificazione di documenti, subtask dentro pipeline più grandi. Entrambi i modelli pubblici hanno una finestra di contesto da 1 milione di token, output massimo a 64k, input multimodale nativo e accesso allo strumento Computer Use integrato. Sono disponibili subito tramite Gemini API in Google AI Studio e Android Studio, oltre che nell’app Gemini e in Google Search.
Il terzo modello è diverso per natura e per accesso. Gemini 3.5 Flash Cyber è costruito sopra 3.5 Flash, affinato per individuare e correggere vulnerabilità nel codice. Non ha prezzi pubblici né accesso self-serve: sarà disponibile esclusivamente a governi e partner selezionati attraverso CodeMender, l’agente AI di Google per la correzione di bug, in un programma ad accesso limitato. La logica è dichiarata da Google stessa: la natura dual-use della tecnologia ha imposto un approccio di distribuzione controllata. Ogni patch proposta richiede l’approvazione esplicita dello sviluppatore prima del deploy. Sul benchmark CyberGym, secondo Google, il modello raggiunge prestazioni competitive rispetto ai modelli di frontiera di dimensioni maggiori, come il Mythos di Anthropic.
Sullo sfondo rimane il problema più imbarazzante. Gemini 3.5 Pro doveva uscire a giugno: lo aveva detto Sundar Pichai all’I/O di maggio, e il blog ufficiale di Google ribadiva che il modello era già in uso interno e sarebbe arrivato “il mese dopo”. Siamo a luglio inoltrato e non c’è ancora. Bloomberg ha riportato, citando dieci dipendenti ed ex dipendenti, che il ritardo è causato da performance insufficienti sul coding rispetto agli obiettivi interni. Google ha aggiornato i dati di training nel tentativo di migliorare quelle capacità, ma i risultati sarebbero stati deludenti. Dentro l’azienda c’è frustrazione: OpenAI e Anthropic continuano a rilasciare modelli che su quel fronte battono Gemini. Un portavoce di Google ha confermato che il modello è in test con partner selezionati e con il governo americano, senza indicare date.
Tre modelli Flash in un giorno, zero notizie sul flagship. La mossa ha una logica: presidiare la fascia di prezzo più contesa mentre il modello di punta non è ancora pronto. Se e quando 3.5 Pro arriverà, dovrà confrontarsi con un mercato che nel frattempo non è rimasto fermo. Google ha già fatto sapere che il training di Gemini 4 è avviato. Ma il prossimo banco di prova reale resta uno solo: far uscire il Pro con numeri sul coding che reggano al confronto diretto.
