Google ha appena rilasciato tre nuovi modelli Gemini pensati per chi costruisce agenti AI in produzione. E stavolta non si tratta solo di ‘più potente’ — la parola chiave è efficienza.
Gemini 3.6 Flash è il cavallo di battaglia. Secondo l’Artificial Analysis Index, consuma il 17% di token in meno rispetto alla versione 3.5 Flash. Diciassette percento. E su certi benchmark come DeepSWE di Datacurve si arriva a risparmiare fino al 65% di token. Il tutto mentre il prezzo per token in output scende.
Tradotto: meno chiacchiere inutili dal modello, meno passaggi di ragionamento per arrivare al risultato, meno chiamate a tool esterni. E costa anche meno — 1,50 dollari per milione di token in input, 7,50 per milione in output. Per chi fa girare agenti su larga scala, sono numeri che cambiano i conti in banca.
Più efficiente non significa peggiore
Anzi. Il 3.6 Flash migliora rispetto al 3.5 su coding e lavoro di conoscenza. Su DeepSWE passa dal 37% al 49% di precisione — meno modifiche al codice non richieste, meno loop di esecuzione. Su MLE Bench, che misura capacità di ricerca in machine learning, salta dal 49,7% al 63,9%.
E poi c’è il ‘computer use’, quella cosa per cui il modello controlla direttamente un computer. Su OSWorld-Verified passa dal 78,4% all’83%. Ora è integrato come tool client-side sia nell’API Gemini che in Gemini Enterprise.
Clienti come Hebbia e Harvey lo stanno usando per parsing di documenti, analisi di chart e dati, stesura di report. Multimodalità applicata, non demo da keynote.
3.5 Flash-Lite: il velocista
Poi c’è Gemini 3.5 Flash-Lite, che punta tutto su latenza e throughput. Artificial Analysis lo misura a 350 token in output al secondo. Veloce veloce.
Costa ancora meno: 0,30 dollari per milione di token in input, 2,50 in output. È pensato per task ad alto volume — ricerca agenticale, elaborazione documenti, tutto quello che richiede di macinare richieste in massa.
La qualità rispetto al 3.1 Flash-Lite è un salto netto. Su Terminal-Bench 2.1 passa dal 31% al 54%. Su contesti lunghi (GDM-MRCR v2) va dal 60,1% al 72,2%. Su molti benchmark batte persino il vecchio 3 Flash — tipo su SWE-Bench Pro (54,2% contro 49,6%) e OSWorld-Verified (74% contro 65,1%).
Diciamo che se avevate workload su 2.5 o 3 Flash, questo è più veloce e pure più capace. Non male come upgrade.
Livelli di ‘pensiero’ configurabili
Flash-Lite ha una cosa interessante: puoi configurare quanto deve ‘pensare’. Per task semplici e ad alto volume, usi i livelli minimal o low — latenza minima, costo minimo. Per workflow multi-step più complessi, alzi il livello di thinking e il modello diventa più riflessivo.
È come avere un dimmer per l’intelligenza. O per il costo, dipende da come lo guardi.
3.5 Flash Cyber: quello per le vulnerabilità
Terzo modello, uso molto specifico. Gemini 3.5 Flash Cyber è fine-tuned per trovare e fixare vulnerabilità di sicurezza nel codice. Viene usato dentro CodeMender, un sistema agenticale fatto di più istanze del modello che lavorano insieme per produrre un report combinato.
Su CyberGym, un benchmark popolare per cybersecurity, raggiunge performance competitive rispetto ai modelli di frontiera. Ma costa meno, perché è basato su Flash.
Però — e questo è importante — non è disponibile pubblicamente. Google lo rilascerà ‘solo a governi e partner fidati’ tramite un programma pilota ad accesso limitato. Motivazione ufficiale: dare un vantaggio ai difensori prima che gli attaccanti possano sfruttare le stesse capacità. Dual-use technology, insomma.
E Gemini 3.5 Pro? E Gemini 4?
3.5 Pro è in test con alcuni partner. Google dice che lo rilascerà ‘non appena sarà pronto’. Nel frattempo, stanno già addestrando Gemini 4 — lo definiscono ‘il pre-training run più ambizioso mai fatto finora’. Parole grosse, vedremo.
Disponibilità
3.6 Flash e 3.5 Flash-Lite sono disponibili da oggi:
- Per sviluppatori tramite Gemini API, Google AI Studio, Android Studio. 3.6 Flash anche in Google Antigravity.
- Per aziende in Gemini Enterprise Agent Platform. 3.6 Flash anche nell’app Gemini Enterprise.
- Per tutti tramite l’app Gemini. 3.5 Flash-Lite sta arrivando anche in Google Search.
Tutto già live. Niente waitlist, niente ‘coming soon’ — almeno per questi due modelli.
Il focus su efficienza ha senso. Gli agenti AI in produzione fanno migliaia o milioni di chiamate. Ogni percentuale risparmiata in token o latenza si moltiplica. E se il modello è anche più preciso, meglio ancora. Resta da vedere se 17% in meno di verbosità basta a cambiare davvero l’economia degli agenti AI, o se servono salti ancora più grandi. Ma la direzione è chiara.
