Gemini 3.6 Flash erscheint, Spott über den Kompromiss zwischen Token-Einsparungen und Intelligenz

Wenn Sie Gemini seit letztem Jahr nutzen, ist der neueste populäre Witz: Es ist, als würde man zusehen, wie der eigene Bruder allmählich Alzheimer entwickelt. Normalerweise sollte ein neu veröffentlichtes Modell eines Unternehmens genau dazu dienen, solche Witze zu widerlegen. Doch gerade jetzt, nachdem Google drei neue Modelle vorgestellt hat, lachten die Internetnutzer noch lauter, statt diese Aussage zurückzunehmen, was den Eindruck erweckte: „Ihr habt nicht an euch geglaubt, und trotzdem seid ihr die größte Enttäuschung.“ Diese drei Modelle sind 3.6 Flash, 3.5 Flash-Lite und 3.5 Flash Cyber für Cybersicherheit. Die Formulierung im offiziellen Blog ist vertraut: effizienter, intelligenter, entwickelt für große KI-Agenten, ohne einen Takt zu verpassen. Die tatsächliche Erfahrung unterscheidet sich jedoch drastisch.

Beginnen wir mit dem Flaggschiff 3.6 Flash. Es ist ein Minor-Upgrade des 3.5 Flash von der I/O-Konferenz im Mai dieses Jahres, und die offizielle Positionierung ist die eines Arbeitstiers. Das größte Verkaufsargument dieser Generation ist das Einsparen von Tokens: Laut Daten des Artificial Analysis Index verwendet 3.6 Flash 17 % weniger Ausgabetokens als 3.5 Flash und bis zu 65 % weniger in DeepSWE-Szenarien. Bei der Ausführung mehrstufiger Aufgaben werden auch die Anzahl der Reasoning-Schritte und Tool-Aufrufe reduziert. Der Preis ist tatsächlich gesunken, bei 1,5 US-Dollar pro Million Eingabetokens und 7,5 US-Dollar pro Million Ausgabetokens, während der vorherige Preis für 3.5 Flash bei 9 US-Dollar lag. Dies senkt die Kosten direkt auf 7,5 US-Dollar, macht es schneller und kosteneffektiver, wobei die Kosten für eine einzelne Agent-Aufgabe erheblich reduziert werden.

In Benchmark-Tests war die Code-Fähigkeit ein Schwerpunkt, wobei DeepSWE von 37 % auf 49 % stieg. Google behauptet, es gäbe weniger unnötige Code-Änderungen, kürzere Ausführungszyklen und generierten Code, der näher an den Produktionsanforderungen liegt; die MLE Bench für maschinelles Lernenforschung verzeichnete einen deutlicheren Anstieg von 49,7 % auf 63,9 %; OSWorld-Verified für Computeroperationen stieg von 78,4 % auf 83 %, und Computeroperationen sind nun ein integriertes Tool in der Gemini-API und der Enterprise-Edition, das sofort einsatzbereit ist. Eine kleine, aber praktische Aktualisierung ist, dass das Wissens-Stichtag endlich von Januar 2025 auf März 2026 verschoben wurde und wir uns endlich vom alten Kalender verabschieden. In Bezug auf die Sicherheit sagte Google, dass 3.6 Flash über einen verbesserten Frontier-Safety-Schutz verfügt, der sich auf zwei Arten von Missbrauch konzentriert: chemische, biologische, radiologische, nukleare und Cyber-Angriffe, mit stärkerer Resistenz gegen Jailbreaking, während versucht wird, normale Bedürfnisse nicht zu schädigen und unnötige Ablehnungen zu minimieren.

Die nächste Stufe darunter ist 3.5 Flash-Lite, die sich auf Geschwindigkeit und Erschwinglichkeit konzentriert und auf Hochdurchsatz- und Niedriglatenz-Aufgaben abzielt, wie Agentensuche und Dokumentverarbeitung. Es ist das schnellste in der 3.5-Serie und kann laut Messungen von Artificial Analysis 350 Tokens pro Sekunde generieren. Der Preis ist extrem günstig, bei 0,3 US-Dollar für Eingabe und 2,5 US-Dollar für Ausgabe pro Million Tokens, wobei die Qualität deutlich besser ist als das im März veröffentlichte 3.1 Flash-Lite. Es unterstützt die Anpassung des Reasoning-Niveaus, wobei Aufgaben der unteren Ebene auf dem niedrigsten Niveau für Geschwindigkeit und Effizienz ausgeführt werden können, und wenn komplexe Unteraufgaben mit mehreren Schritten anstehen, kann das Denklevel nach oben angepasst werden. Computeroperationen wurden ebenfalls zu einem integrierten Tool gemacht.

Signifikante Verbesserungen: Terminal-Bench2.1 für Code- und Agent-Aufgaben sprang von 31 % auf 54 %, GDM-MRCR v2 für lange Kontexte verbesserte sich von 60,1 % auf 72,2 %, und GDPval-AA v2 für die Ausführung realer Aufgaben stieg von 642 auf 1140. Am interessantesten ist, dass dieses untere Modell in vielen Agent- und Code-Aufgaben sein höherwertiges Gegenstück 3Flash tatsächlich übertraf, wie SWE-Bench Pro (54,2 % gegenüber 49,6 %) und OSWorld-Verified (74,0 % gegenüber 65,1 %), was bedeutet, dass Aufgaben, die zuvor von 3Flash erledigt wurden, nun eine schnellere und stärkere Alternative haben. Google stellte mehrere Anwendungsfälle vor, darunter das Extrahieren von Produktmerkmalen aus massiven E-Commerce-Daten, das Agieren als Sidekick für 3.6 Flash zur Generierung von 25 Webdesign-Konzepten auf einmal, das Batch-Übersetzen und Zusammenfassen von Quittungen sowie das Spielen und Iterieren, um Spiele zu erstellen. Kunden von Ashler, Palo Alto Networks und Ramp lobten ebenfalls seine Geschwindigkeit, Intelligenz und Kosteneffektivität.

Das letzte Modell, 3.5 Flash Cyber, geht einen anderen Ansatz ein und wurde speziell für das Finden und Beheben von Sicherheitslücken im Code entwickelt. Googles Logik ist clever: Die Geschwindigkeit der KI beim Finden von Sicherheitslücken hat bereits die Geschwindigkeit bestehender Systeme beim Beheben übertroffen, was dazu führt, dass sich mehr Sicherheitslücken ansammeln. Stattdessen nutzen sie das erschwingliche und effiziente Flash, um sie in Batches zu beheben. Dieses Modell wurde vom 3.5 Flash feinabgestimmt und mit ihrem eigenen CodeMender-Tool kombiniert, wobei mehrere Flash-Cyber-Agenten zusammenarbeiten und dann einen Bericht zusammenfassen. Auf dem branchenweit bekannten CyberGym-Benchmark erreichte es erstklassige Niveaus und verwendete im Vergleich zu größeren Modellen weniger Tokens. Dieses Modell ist jedoch derzeit nicht verfügbar, da das Finden von Sicherheitslücken ein zweischneidiges Schwert ist. Google ist den Schritten von Anthropic gefolgt und hat eine Sicherheitsnarrative übernommen, es streng gesichert und nur begrenzten Zugang für vertrauenswürdige Partner zu internen Tests gewährt. Das Ziel ist es, Frontline-Verteidigern Zeit zu geben, Sicherheitslücken zu beheben, bevor sie ausgenutzt werden, während gleichzeitig verhindert wird, dass Menschen es missbrauchen.

An dieser Stelle fragen Sie sich vielleicht: Wo ist das wahre Flaggschiff, 3.5Pro? Laut offizieller Erklärung wird es noch mit Partnern getestet und wird gestartet, sobald es bereit ist. Die Geschichte hinter dieser Aussage ist jedoch möglicherweise nicht so reibungslos. Berichten von Bloomberg und anderen zufolge hat die Code-Generierungsfähigkeit von 3.5Pro die internen Erwartungen nie erfüllt. Google aktualisierte seine Trainingsdaten Ende Juni erneut, um die Code-Mängel auszugleichen, aber die Ergebnisse verbesserten sich immer noch nicht. Es gibt sogar Gerüchte, dass Google den ursprünglichen Trainingsplan komplett verworfen und von vorne begonnen hat. Gleichzeitig übersprach der Google-KI-Sprecher Logan Kilpatrick 3.5Pro in öffentlichen Aussagen offen und verlagerte den Fokus auf Gemini4, wobei er behauptete, dass das größte und ambitionierteste Vortraining von Gemini4 bereits begonnen habe und der Fortschritt aufregend sei. Vor dem Hintergrund der Verzögerung des Flaggschiffs wirkt dies irgendwie wie eine Ablenkung oder ein Versprechen, die Illusion in die Länge zu ziehen.

Wenn man sich nur die heute veröffentlichten Flash-Modelle ansieht, kaufen die Internetnutzer sie nicht vollständig. Die dritte Bewertungsagentur Artificial Analysis stellte fest, dass die beiden neuen Modelle die Zeit pro Aufgabe tatsächlich halbiert und die Token-Effizienz verbessert haben, wobei der Intelligenzindex von Flash-Lite um 11 Punkte stieg. Das Intelligenzniveau von 3.6 Flash im Vergleich zu 3.5 Flash blieb jedoch im Wesentlichen unverändert. Der Preis ist nicht stark genug gesunken, um die Fähigkeitslücke zu ignorieren, noch ist die Fähigkeit stark genug gestiegen, um die Kosten zu rechtfertigen. Auf der X-Plattform kritisierten einige Benutzer, dass 3.6 Flash bei Artificial Analysis genau die gleiche Punktzahl wie 3.5 Flash erreichte und schlechter war als Wettbewerber wie Meta Spark1.1, GLM-5.2, 5.6Luna, Sonnet5, Grok4.5, 5.6Terra, und nannten es einfach schrecklich.

Der Benutzer Angel ging aus der Perspektive des Preis-Leistungs-Verhältnisses heran und wies darauf hin, dass die Nutzungskosten von 3.6 Flash höher sind als die von GPT-5.6Sol Medium, aber sein Intelligenzniveau niedriger ist, was eine unangenehme Kombination schafft. Schließlich basiert die Flash-Serie auf dem Preis-Leistungs-Verhältnis, aber jetzt wird darauf hingewiesen, dass ihr Wert schlechter ist als der der Wettbewerber, was gleichbedeutend mit Selbstsabotage ist. Zum Vergleich hat auch OpenAI's Tibo kürzlich gesprochen und erklärt, dass die wöchentlich aktiven Nutzer 10 Millionen erreicht haben, sodass die zahlenden Nutzer von Codex und ChatGPT Work eine neue Runde der Kontingent-Neuzuweisung erhalten haben. Dieser Kontrast und diese Diskrepanz – erinnern sich die Leute noch an Google Gemini3 am See?

Echtwelt-Tester schürten das Feuer zusätzlich. Der Benutzer Balder kritisierte direkt und sagte, die Leistung dieser drei Modelle sei schlechter als die des vorherigen 3.5 Flash, mit Problemen, die unter anderem grundlegende Decodierungsfehler, seltsame chinesische Wortwahl, schlechte Bild- und Videoqualität, Nichtübereinstimmung mit Anweisungen, strenge Einschränkungen, häufige Gedächtnisverwirrung und falsche Tool-Aufrufe umfassen. Er brachte sogar eine Verschwörungstheorie ins Spiel, indem er vorschlug, dass Google dies tat, um Rechenleistung für den Verkauf an Anthropic freizugeben, und sagte spöttisch, das sei es, was Pichai will – Cloud First. Der X-Benutzer Conor Dart führte einen von KI generierten Spieltest mit Googles eigenem Antigravity durch, was zu schlechteren Holztexturen und Marmor führte, die fast ähnlich aussahen, aber dennoch nicht verwendet werden konnten. Er nannte es direkt einen weiteren Misserfolg und sagte, er warte lieber auf Gemini3.5 oder 3.6Pro.

Auf der einen Seite betonen die offiziellen Konten mehr Effizienz, günstigere Preise und weniger Tokens. Auf der anderen Seite gaben die meisten Internetnutzer negatives Feedback, zusammen mit einer Reihe schlechter Nachrichten hinter den Modellen, wie der Verzögerung des Flaggschiffs, dem Abgang von Top-Talenten und dem schrumpfenden Marktwert. Man kann sich kaum fragen, ob Google seinen technologischen Pfad wirklich vermasselt hat, indem es sich zu sehr auf Kosteneinsparungen konzentrierte und das Verbessern der Intelligenz vergaß, und sich nur auf einige Flash-Modelle verließ, um die Situation zu stabilisieren. Unabhängig davon hat das Vortraining von Gemini4 bereits begonnen. Wenn auch dieser Versuch fehlschlägt, könnte der Witz über Alzheimer wirklich zu einer Prophezeiung werden.