कोर्स
Google Gemini और NotebookLM के साथ प्रैक्टिकल AI
2 घंटा
10.1K
नोट: Google ने हाल ही में Gemini 3.8 Flash और 3.8 Flash Cyber की घोषणा की है। इसे ऐक्शन में देखें हमारे Gemini 3.8 Flash API ट्यूटोरियल में।
Google ने आज तीन Gemini मॉडल जारी किए हैं, जिनका साझा लक्ष्य है: कम टोकन्स में ज्यादा काम करना:
- 3.6 Flash
- 3.5 Flash-Lite, और
- 3.5 Flash Cyber.
3.6 Flash सामान्य-उद्देश्य वाला अपग्रेड है। Flash-Lite गति और कीमत के लिए गुणवत्ता से समझौता करता है। Cyber एक सीमित सुरक्षा टूल है, जिसकी पहुँच अधिकतर लोगों को नहीं मिलेगी।
नीचे देखें: हर मॉडल वास्तव में क्या करता है, बेंचमार्क कितने ठोस हैं, और इस सबमें Gemini 3.5 Pro कहाँ फिट बैठता है।
नए Gemini मॉडलों में से चुनना
हर मॉडल लागत-से-क्षमता वक्र पर अलग जगह बैठता है। यदि आप बेंचमार्क के आधार पर चुन रहे हैं, तो आगे बढ़ें; बेंचमार्क नीचे दिए गए हैं।
Gemini 3.6 Flash क्या है?
Gemini 3.6 Flash इस रिलीज़ का केंद्रबिंदु है। यह वह मॉडल है जिसे Google कोडिंग, नॉलेज वर्क, और किसी भी मल्टीमोडल काम के लिए आपका डिफ़ॉल्ट बनाना चाहता है।
Artificial Analysis Index के अनुसार, 3.6 Flash ने 3.5 Flash की तुलना में आउटपुट टोकन उपयोग 17% तक घटाया है, और Google व्यक्तिगत मूल्यांकनों जैसे DeepSWE पर 65% तक की कमी रिपोर्ट करता है। इसमें कुछ हिस्सा एक समझदार मॉडल का कम बोलना है। बाकी फायदा निष्कर्ष पर कम तर्क-चरणों और टूल कॉल्स में पहुँचने से आता है—यह अलग तरह की बढ़त है और इसे नकली दिखाना ज्यादा कठिन है।
3.6 Flash टेक्स्ट, इमेज, वीडियो, ऑडियो, और PDF इनपुट लेता है, 1-मिलियन-टोकन कॉन्टेक्स्ट विंडो चलाता है, और 64k आउटपुट कैप है। कंप्यूटर यूज़ अब Gemini API और Gemini Enterprise दोनों में बिल्ट-इन है, साथ में फंक्शन कॉलिंग, स्ट्रक्चर्ड आउटपुट, और सर्च-एज़-ए-टूल भी। (हालाँकि यह शायद अब सिर्फ 3.6 Flash तक सीमित नहीं है; अधिकतर फ्रंटियर लैब्स अब किसी न किसी रूप में कंप्यूटर यूज़ शिप कर रहे हैं।)
Gemini 3.6 Flash बनाम Gemini 3.5 Flash कैसा है?
अपने ही पूर्ववर्ती के मुकाबले, लगभग हर जगह उछाल असली है: DeepSWE लगभग दोगुना, MLE-Bench 49.7% से 63.9% पर, GDM-MRCR v2 पर लंबे संदर्भ का प्रदर्शन दहाई अंकों से बेहतर।
Gemini 3.5 Flash-Lite क्या है?
3.5 Flash-Lite लाइनअप में सबसे चतुर बनने की कोशिश नहीं कर रहा। यह सबसे तेज़ है—350 आउटपुट टोकन प्रति सेकंड—और सबसे सस्ता—$0.30 प्रति मिलियन इनपुट टोकन और $2.50 प्रति मिलियन आउटपुट टोकन।
यदि आपका वर्कलोड हाई-वॉल्यूम और लेटेंसी-सेंसिटिव है—जैसे एजेंटिक सर्च, थोक दस्तावेज़ प्रसंस्करण, या रोज़ाना हजारों बार चलने वाला कुछ—तो अन्य मॉडलों की गुणवत्ता-खाई को पाटने की लागत शायद वाजिब नहीं। Flash-Lite की शर्त यही है।
डेवलपर्स जॉब के हिसाब से थिंकिंग लेवल ऊपर-नीचे कर सकते हैं: सस्ता, तेज़, हाई-वॉल्यूम निष्पादन के लिए न्यूनतम या निम्न; या मल्टी-स्टेप सबएजेंट कार्यों के लिए ऊँचा, जहाँ वास्तव में तर्क करना ज़रूरी है।
Gemini 3.5 Flash-Lite बनाम Gemini 3.1 Flash-Lite कैसा है?
अपने ही पूर्ववर्ती 3.1 Flash-Lite के विरुद्ध तुलना एकतरफ़ा है: Terminal-Bench 2.1 31% से 54% पर, GDM-MRCR v2 60.1% से 72.2% पर, GDPVal-AA v2 642 से 1140 पर।
| बेंचमार्क | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite |
|---|---|---|
| Terminal-Bench 2.1 | 54% | 31% |
| GDM-MRCR v2 (लॉन्ग कॉन्टेक्स्ट) | 72.2% | 60.1% |
| GDPVal-AA v2 (Elo) | 1140 | 642 |
ईमानदारी से कहें तो, अधिक रोचक तुलना ऊपर की ओर है। कई एजेंटिक और कोडिंग मूल्यांकनों पर, 3.5 Flash-Lite अब पुराने, बड़े Gemini 3 Flash को सीधे मात देता है—खासकर SWE-Bench Pro (54.2% बनाम 49.6%), OSWorld-Verified (74.0% बनाम 65.1%)। यदि यह आपके वर्कलोड पर भी टिकता है, तो यह बिना गुणवत्ता-कर के सीधी लागत कटौती है।
Gemini 3.5 Flash Cyber क्या है?
आखिर में, Cyber है, जिसे यह पढ़ रहे ज़्यादातर लोग कभी छू नहीं पाएंगे। यह 3.5 Flash का फाइन-ट्यून संस्करण है, जो विशेष रूप से सुरक्षा कमजोरियाँ खोजने और पैच करने के लिए प्रशिक्षित है, और Google के CodeMender सिस्टम में लागू है, जहाँ कई Cyber-मॉडल एजेंट मिलकर काम करते हैं और एक संयुक्त रिपोर्ट लौटाते हैं।
Google कहता है कि छोटे आकार के बावजूद यह CyberGym—एक व्यापक रूप से प्रयुक्त साइबरसिक्योरिटी बेंचमार्क—पर फ्रंटियर-स्केल मॉडलों के बराबर प्रतिस्पर्धी है; और यदि यह टिकता है, तो तर्क किया जा सकता है कि यही इस पूरी रिलीज़ की सबसे दिलचस्प दक्षता कहानी है।
पहुँच CodeMender के पायलट प्रोग्राम के ज़रिए सरकारों और भरोसेमंद पार्टनरों तक सीमित है। न सार्वजनिक कीमत, न सामान्य रिलीज़ तिथि।
Gemini 3.6 Flash, 3.5 Flash-Lite, और 3.5 Flash Cyber बेंचमार्क
यहाँ बेंचमार्क परिणामों का सारांश है। मैंने कीमत की जानकारी भी जोड़ी है, जो चयन करते समय पहेली का एक महत्वपूर्ण हिस्सा है।
| बेंचमार्क | Gemini 3.6 Flash | Gemini 3.5 Flash | Gemini 3.1 Pro | GPT-5.6 Luna | Grok 4.5 | Claude Sonnet 5 |
|---|---|---|---|---|---|---|
| इनपुट कीमत ($/1M) | $1.50 | $1.50 | $2.00 | $1.00 | $2.00 | $3.00 |
| आउटपुट कीमत ($/1M) | $7.50 | $9.00 | $12.00 | $6.00 | $6.00 | $15.00 |
| SWE-Bench Pro | 58.7% | 55.1% | 54.2% | 62.7% | 64.7% | 63.2% |
| DeepSWE v1.1 | 49% | 37% | 12% | 67% | 54% | 54% |
| Terminal-Bench 2.1 | 78.0% | 76.2% | 73.8% | 84.7% | 83.3% | 80.4% |
| MLE-Bench | 63.9% | 49.7% | 42.6% | 47.6% | 43.2% | 66.9% |
| OSWorld-Verified | 83.0% | 78.4% | 76.2% | 72.6% | — | 81.2% |
| GDPVal-AA v2 (Elo) | 1421 | 1349 | 965 | 1584 | 1535 | 1607 |
| CharXiv Reasoning (कोई टूल नहीं) | 85.2% | 84.2% | 83.3% | 82.7% | 81.6% | 77.0% |
| GDM-MRCR v2, 128k | 91.8% | 77.3% | 84.9% | 74.8% | 81.4% | 71.6% |
बाहरी प्रतिस्पर्धियों के खिलाफ नतीजा मिला-जुला है। GPT-5.6 Luna और Grok 4.5 कोडिंग-प्रधान बेंचमार्क—SWE-Bench Pro, DeepSWE—पर आगे हैं; और यदि आपका वर्कलोड सच में कोडिंग-प्रधान है, न कि कोडिंग-संबद्ध, तो यह वास्तविक खाई है।
ज्ञान-कार्य और MLE-Bench पर Claude Sonnet 5 आगे है।
जहाँ 3.6 Flash वास्तव में जीतता है, वह है लॉन्ग-कॉन्टेक्स्ट रिट्रीवल और चार्ट-आधारित तर्क, और यह अंतर इतना चौड़ा है कि करीबी नहीं कहा जा सकता; साथ ही आउटपुट कीमत पर यह सूची के हर मॉडल से सस्ता है, सिवाय GPT-5.6 Luna और Grok 4.5 के।
रिलीज़ तिथि, उपलब्धता, और मूल्य निर्धारण
3.6 Flash और 3.5 Flash-Lite अभी लाइव हैं—Gemini API, Google AI Studio, Android Studio, और खास तौर पर 3.6 Flash के लिए Google Antigravity में भी। एंटरप्राइज़ ग्राहकों को दोनों Gemini Enterprise Agent Platform के ज़रिए मिलते हैं, और 3.6 Flash Gemini Enterprise ऐप में भी है। उपभोक्ता पक्ष पर, दोनों Gemini ऐप में हैं, और Flash-Lite Google Search के AI Mode में दिखना शुरू हो गया है।
कीमतें, यदि आप सीधे उसी पर आए हैं:
- 3.6 Flash: $1.50/1M इनपुट टोकन, $7.50/1M आउटपुट टोकन
- 3.5 Flash-Lite: $0.30/1M इनपुट टोकन, $2.50/1M आउटपुट टोकन
- 3.5 Flash Cyber: सार्वजनिक रूप से मूल्य निर्धारित नहीं—CodeMender पायलट प्रोग्राम तक सीमित
Gemini 3.6 Flash सुरक्षा: फ्रंटियर सेफगार्ड्स और जेलब्रेक प्रतिरोध
3.6 Flash CBRN और साइबर-आक्रामक दुरुपयोग के इर्द-गिर्द Google के शब्दों में उन्नत Frontier Safety सेफगार्ड्स के साथ आता है—यानी मानक भाषा में: "हमने जेलब्रेक करना कठिन बनाने की कोशिश की, बिना मॉडल को झुँझलाहट भरा बनाए,"—वह संतुलन जिसका दावा हर लैब करती है, हालाँकि X पर टिप्पणियाँ अक्सर कुछ और कहती हैं।
Cyber का सीमित रोलआउट मूलतः उसी प्रवृत्ति का अलग अनुप्रयोग है। कमजोरियाँ खोजने के लिए बने मॉडल को सामान्य रिलीज़ के लिए सेफ़्टी-ट्यून करने की बजाय, Google ने उसे सामान्य रूप से जारी ही नहीं किया।
आगे क्या: 3.5 Pro और Gemini 4 की रिलीज़ टाइमलाइन
3.5 Pro अभी भी पार्टनर टेस्टिंग में है; Google का कहना है कि जब यह तैयार होगा, तब सामान्य उपलब्धता आ जाएगी।
और महत्वपूर्ण बात यह है कि Google ने पुष्टि की है कि उसने Gemini 4 का प्रीट्रेनिंग शुरू कर दिया है, जिसे अब तक की उसकी सबसे महत्वाकांक्षी प्रीट्रेनिंग रन कहा गया है। नवीनतम AI समाचारों से अपडेट रहने के लिए हमारे न्यूज़लेटर The Median की सदस्यता लें; हम आपको ऐसे महत्वपूर्ण मॉडल रिलीज़ के बारे में सूचित करते रहेंगे।
निष्कर्ष
इन तीनों मॉडलों में से कोई भी हर लीडरबोर्ड में शीर्ष पर पहुँचने की कोशिश नहीं कर रहा, और शायद यही सही निर्णय है। 3.6 Flash कोडिंग बेंचमार्क्स पर GPT-5.6 Luna और Grok 4.5 से, और ज्ञान-कार्य पर Claude Sonnet 5 से जमीन छोड़ता है—इसके बदले अपने पूर्ववर्ती की तुलना में वास्तविक दक्षता उछाल और लॉन्ग-कॉन्टेक्स्ट रिट्रीवल में साफ़ बढ़त देता है।
3.5 Flash-Lite गुणवत्ता पर प्रतिस्पर्धा करने की कोशिश ही नहीं करता। यह दाँव लगाता है कि एजेंटिक वर्कलोड्स के एक बड़े हिस्से के लिए, एक बिंदु के बाद गुणवत्ता की अहमियत उतनी नहीं रहती जितनी गति और लागत की। यह शायद सच है। यह वैसा दाँव भी है जो तब तक बिल्कुल सही लगता है जब तक कोई एजेंट ऐसा गलत निर्णय न ले ले, जिसे एक अधिक समझदार मॉडल नहीं लेता।
Cyber तो किसी लीडरबोर्ड पर है ही नहीं। यह एक संकीर्ण टूल है, एक काम के लिए बना, और उन लोगों तक सीमित जिन पर Google भरोसा करता है कि वे इसे जिम्मेदारी से इस्तेमाल करेंगे—जो ऊपर सेफ़्टी सेक्शन की किसी भी बात जितना ही यह बताता है कि Google कमजोरी-खोज जोखिम को कितनी गंभीरता से ले रहा है।
मिलाकर देखें, तो यह तीन अलग-अलग लॉन्च से कम और ज्यादा ऐसा लगता है कि Google पूरे Flash टियर को बड़े पैमाने पर एजेंटिक वर्कलोड्स के लिए ट्यून कर रहा है, जबकि वास्तविक रूप से महत्वाकांक्षी मॉडल—3.5 Pro, Gemini 4—को तब तक रोके हुए है जब तक वे तैयार न हों।
Author
Josef Waples