Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber: Googles neue Modelle

Hinweis: Inzwischen hat Google auch Gemini 3.8 Flash und 3.8 Flash Cyber angekündigt. Sieh dir die Modelle in Aktion in unserem Gemini 3.8 Flash API-Tutorial an.

Google hat heute drei Gemini-Modelle veröffentlicht, alle mit demselben Ziel: mehr erreichen mit weniger Tokens:

\n
• 3.6 Flash
\n
• 3.5 Flash-Lite und
\n
• 3.5 Flash Cyber. 
\n

3.6 Flash ist das Allzweck-Upgrade. Flash-Lite tauscht etwas Qualität gegen Tempo und Preisvorteile. Cyber ist ein spezialisiertes Security-Tool, auf das die meisten keinen Zugriff bekommen werden.

Unten: Was jedes Modell konkret leistet, wie belastbar die Benchmarks sind und wo Gemini 3.5 Pro in dieses Bild passt. 

Die richtigen Gemini-Modelle wählen

Jedes Modell positioniert sich anders auf der Kurve zwischen Kosten und Leistungsfähigkeit. Wenn du nach Benchmarks auswählst, spring nach unten — dort findest du sie.

Was ist Gemini 3.6 Flash?

Gemini 3.6 Flash ist das Herzstück dieses Releases. Es ist das Modell, zu dem Google standardmäßig für Coding, Wissensarbeit und alles Multimodale rät. 

Laut dem Artificial Analysis Index senkt 3.6 Flash die Ausgabetokens um 17% gegenüber 3.5 Flash; Google berichtet in einzelnen Evals wie DeepSWE sogar von bis zu 65%. Ein Teil davon ist ein schlaueres Modell, das prägnanter antwortet. Der Rest kommt daher, dass es mit weniger Denkschritten und Toolaufrufen zum Ergebnis kommt — ein anderer, schwerer zu simulierender Effizienzgewinn.

3.6 Flash nimmt Text, Bild, Video, Audio und PDF als Input, bietet ein Kontextfenster von 1 Million Tokens und eine Output-Grenze von 64k. Computer Use ist jetzt sowohl in der Gemini API als auch in Gemini Enterprise integriert, neben Function Calling, strukturiertem Output und Search-as-a-Tool. (Wobei das vermutlich nicht mehr exklusiv für 3.6 Flash ist; die meisten Frontier-Labs liefern inzwischen irgendeine Form von Computer Use.) 

Und Gemini 3.6 Flash vs. Gemini 3.5 Flash? 

Gegenüber dem eigenen Vorgänger ist der Sprung fast überall deutlich: DeepSWE legt nahezu doppelt zu, MLE-Bench steigt von 49,7% auf 63,9%, Long-Context-Leistung auf GDM-MRCR v2 verbessert sich zweistellig.

Was ist Gemini 3.5 Flash-Lite?

3.5 Flash-Lite will nicht das schlauste Modell im Line-up sein. Es ist das schnellste mit 350 Ausgabetokens pro Sekunde und das günstigste mit $0,30 pro Million Input-Tokens und $2,50 pro Million Output-Tokens.

Wenn dein Workload hohes Volumen und niedrige Latenz braucht — denk an agentische Suche, Massenverarbeitung von Dokumenten, alles, was tausendfach am Tag läuft — ist die Qualitätslücke der anderen Modelle den Aufpreis oft nicht wert. Genau darauf setzt Flash-Lite.

Entwickler können das Denklevel je Auftrag justieren: minimal oder niedrig für günstige, schnelle, hochvolumige Ausführung, oder höher für mehrschrittige Subagenten-Aufgaben, die echte Schlussfolgerungen brauchen.

Und Gemini 3.5 Flash-Lite vs. Gemini 3.1 Flash-Lite? 

Der Vergleich mit dem Vorgänger 3.1 Flash-Lite ist eindeutig: Terminal-Bench 2.1 steigt von 31% auf 54%, GDM-MRCR v2 von 60,1% auf 72,2%, GDPVal-AA v2 von 642 auf 1140.

Der spannendere Vergleich ist ehrlich gesagt nach oben. In mehreren agentischen und Coding-Evals schlägt 3.5 Flash-Lite inzwischen das ältere, größere Gemini 3 Flash klar — SWE-Bench Pro (54,2% vs. 49,6%), OSWorld-Verified (74,0% vs. 65,1%). Wenn sich das in deinem Workload bestätigt, ist es eine einfache Kostenreduktion ohne Qualitätseinbuße.

Was ist Gemini 3.5 Flash Cyber?

Und dann ist da noch Cyber, das die meisten hier nie zu Gesicht bekommen werden. Es ist 3.5 Flash, speziell feinabgestimmt zum Finden und Beheben von Sicherheitslücken, bereitgestellt im Google-CodeMender-System, wo mehrere Cyber-Agenten zusammenarbeiten und einen kombinierten Bericht liefern.

Google sagt, es sei auf CyberGym, einem weit verbreiteten Cybersecurity-Benchmark, trotz kleinerem Footprint konkurrenzfähig mit Frontier-Modellen — was, falls es hält, die spannendere Effizienzstory dieses gesamten Releases wäre.

Der Zugang ist im Rahmen eines Piloten über CodeMender auf Regierungen und vertrauenswürdige Partner beschränkt. Keine öffentlichen Preise, kein allgemeiner Release-Termin. 

Benchmarks: Gemini 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber

Hier ist eine Zusammenfassung der Benchmark-Ergebnisse. Ich habe auch die Preise ergänzt — ein wichtiges Puzzleteil bei der Auswahl.

Gegen die externe Konkurrenz ergibt sich ein gemischtes Bild. GPT-5.6 Luna und Grok 4.5 führen bei den stark coding-lastigen Benchmarks — SWE-Bench Pro, DeepSWE — und das ist eine echte Lücke, wenn dein Workload wirklich coding-lastig ist und nicht nur angrenzend.

Claude Sonnet 5 führt bei Wissensarbeit und MLE-Bench.

Wo 3.6 Flash tatsächlich gewinnt, sind Long-Context-Retrieval und Diagramm-basiertes Reasoning — mit deutlichem Abstand — und es unterbietet beim Output-Preis alle Modelle auf der Liste außer GPT-5.6 Luna und Grok 4.5. 

Release, Verfügbarkeit und Preise

3.6 Flash und 3.5 Flash-Lite sind jetzt live — in der Gemini API, Google AI Studio, Android Studio und speziell für 3.6 Flash auch in Google Antigravity. Enterprise-Kunden erhalten beide über die Gemini Enterprise Agent Platform, mit 3.6 Flash zusätzlich in der Gemini Enterprise App. Für Consumer sind beide in der Gemini App verfügbar, und Flash-Lite taucht nach und nach im KI-Modus der Google-Suche auf.

Die Preise, falls du direkt hierher gesprungen bist:

\n
• 3.6 Flash: $1,50/1M Input-Tokens, $7,50/1M Output-Tokens
\n
• 3.5 Flash-Lite: $0,30/1M Input-Tokens, $2,50/1M Output-Tokens
\n
• 3.5 Flash Cyber: keine öffentlichen Preise — nur im CodeMender-Pilotprogramm
\n

Sicherheit bei Gemini 3.6 Flash: Frontier-Safeguards und Jailbreak-Resistenz

3.6 Flash kommt mit dem, was Google erweiterte Frontier-Safety-Schutzmaßnahmen gegen CBRN- und Cyber-Offense-Missbrauch nennt — die Standardformel für: \"Wir wollten Jailbreaks erschweren, ohne die Nutzung zu nervig zu machen\". Ein Balanceakt, den jedes Lab für sich beansprucht, während die Kommentare auf X oft anderes behaupten.

Die eingeschränkte Einführung von Cyber folgt demselben Instinkt, nur anders umgesetzt. Statt ein Verwundbarkeits-Finder-Modell für den Massenmarkt sicherheitszutunen, hat Google es schlicht nicht allgemein veröffentlicht.

Wie geht es weiter: 3.5 Pro und Zeitplan für Gemini 4

3.5 Pro ist weiterhin im Partnertest. Google sagt, die allgemeine Verfügbarkeit kommt, sobald es so weit ist.

Bemerkenswerter ist: Google hat bestätigt, dass das Pretraining von Gemini 4 begonnen hat — das bislang ambitionierteste Pretraining. Um bei KI-News auf dem Laufenden zu bleiben, abonniere unseren Newsletter The Median, und wir informieren dich über wichtige Modellreleases wie dieses. 

Fazit

Keines der drei Modelle versucht, jede Bestenliste anzuführen — und das ist wahrscheinlich richtig. 3.6 Flash gibt bei Coding-Benchmarks Boden an GPT-5.6 Luna und Grok 4.5 ab und bei Wissensarbeit an Claude Sonnet 5, bekommt dafür aber einen echten Effizienzsprung gegenüber dem Vorgänger und einen klaren Vorsprung bei Long-Context-Retrieval.

3.5 Flash-Lite will gar nicht über Qualität punkten. Die Wette: Für einen großen Teil agentischer Workloads zählt Qualität jenseits eines bestimmten Punkts weniger als Tempo und Kosten. Das ist wahrscheinlich richtig. Es ist aber auch die Art Wette, die eindeutig wirkt — bis ein Agent eine falsche Entscheidung trifft, die ein schlaueres Modell vermieden hätte.

Cyber taucht in keiner Bestenliste auf. Es ist ein schmales Werkzeug für einen Job, zugangsbeschränkt für Leute, denen Google verantwortungsvollen Umgang zutraut — was mindestens so viel über die Ernsthaftigkeit beim Umgang mit Verwundbarkeits-Risiken aussagt wie der Safety-Abschnitt oben.

In Summe liest sich das weniger wie drei einzelne Launches und mehr wie eine Feinabstimmung der gesamten Flash-Tier für agentische Workloads im großen Maßstab, während die wirklich ambitionierten Modelle — 3.5 Pro, Gemini 4 — in Reserve bleiben, bis sie bereit sind.