Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Google ha lanciato tre nuovi modelli della serie Gemini Flash pensati per tagliare costi e latenza nei carichi di lavoro agentici su larga scala. Gemini 3.6 Flash, 3.5 Flash-Lite e il modello specializzato in cybersecurity 3.5 Flash Cyber portano incrementi di efficienza misurabili in percentuali di token risparmiati e benchmark di coding in netto miglioramento. L’aggiornamento però conferma un’assenza che pesa: il modello di punta Gemini 3.5 Pro, annunciato da mesi, non è ancora disponibile, mentre OpenAI e Anthropic continuano a sfornare modelli di frontiera.
Gemini 3.6 Flash: meno token, più efficienza
Gemini 3.6 Flash è il nuovo «modello da lavoro» di Google DeepMind. Rispetto al suo predecessore 3.5 Flash riduce l’uso di token in output del 17% secondo l’Artificial Analysis Index, con punte del 65% su benchmark come DeepSWE. I prezzi scendono a 1,50 dollari per milione di token in input e 7,50 dollari per milione di token in output.
I benchmark confermano che efficienza e qualità possono crescere insieme: DeepSWE passa da 37% a 49%, MLE Bench da 49,7% a 63,9%, OSWorld-Verified da 78,4% a 83,0%. Sul fronte della conoscenza, il punteggio GDPval-AA v2 sale da 1.349 a 1.421. Secondo Logan Kilpatrick, product lead di DeepMind, «l’obiettivo esplicito era efficienza, usabilità e costi più bassi, e le prestazioni sono comunque migliorate». Il modello è già disponibile nell’API Gemini, in Google AI Studio, Android Studio e Google Antigravity.
3.5 Flash-Lite: velocità e costo ridotto per volumi elevati
Gemini 3.5 Flash-Lite è la soluzione più economica della famiglia. Con una velocità di 350 token al secondo (dati Artificial Analysis) e prezzi di 0,30 dollari per milione di token input e 2,50 dollari per milione di token output, è pensato per attività ad alta produttività come ricerca agentica ed elaborazione documenti.
Rispetto al precedente 3.1 Flash-Lite, i progressi nei benchmark agentici sono netti:
| Benchmark | 3.1 Flash-Lite | 3.5 Flash-Lite |
|---|---|---|
| Terminal-Bench 2.1 | 31% | 54% |
| GDM-MRCR v2 (contesto lungo) | 60,1% | 72,2% |
| GDPval-AA v2 | 642 | 1.140 |
Più sorprendente è il confronto con il più grande Gemini 3 Flash: 3.5 Flash-Lite lo supera su SWE-Bench Pro (54,2% contro 49,6%) e OSWorld-Verified (74,0% contro 65,1%). Un modello più piccolo, veloce ed economico che batte il fratello maggiore su task di coding e uso del computer: il guadagno di efficienza generazionale è palpabile.
3.5 Flash Cyber: sicurezza per pochi
Gemini 3.5 Flash Cyber è un modello specializzato nella ricerca e correzione di vulnerabilità, messo a punto sul 3.5 Flash e integrato nell’agente CodeMender. Su CyberGym, il benchmark di cybersecurity, arriva a 83,2%, a circa 2,4 punti da GPT-5.5-Cyber (85,6%) nonostante sia un modello molto più piccolo.
L’efficacia operativa è già stata testata dal team Big Sleep di Google: nell’analisi del motore JavaScript V8, Flash Cyber ha individuato 55 vulnerabilità confermate uniche, contro le 47 di Gemini 3.5 Flash e le 36 di Claude Opus 4.6. Dieci di queste vulnerabilità non sono state trovate da nessun altro modello. In un’altra prova, il team di ricerca sulle vulnerabilità cloud ha scovato bug con esecuzione di codice remoto in due ore, producendo un exploit funzionante.
Proprio per questa efficacia sia difensiva che offensiva, Google limita l’accesso: 3.5 Flash Cyber sarà disponibile solo a governi e partner fidati attraverso un programma pilota con accesso controllato. CodeMender, l’agente che lo utilizza, è invece in anteprima per tutti gli utenti della piattaforma enterprise, ma gira sui modelli Gemini standard.
Dov’è Gemini 3.5 Pro? Il ritardo che pesa sulla competizione
La domanda che accompagna ogni annuncio Google da maggio 2026 è sempre la stessa. Gemini 3.5 Pro, il modello di punta atteso per ragionamento complesso e coding avanzato, non è ancora pronto. Logan Kilpatrick, product lead di DeepMind, ha dichiarato che l’azienda lo sta testando con i partner e spera di rilasciarlo «presto», ma non esiste una data pubblica.
Secondo quanto riportato da Bloomberg, il progetto è in ritardo di mesi per difficoltà nel raggiungere gli obiettivi di performance interna, in particolare sul coding. Nel frattempo OpenAI ha rilasciato GPT-5.5 e avviato il rollout di GPT-5.6, Anthropic ha lanciato Claude Opus 4.8, Claude Sonnet 5 e il modello di frontiera Fable 5. Google sta intanto eseguendo il pre-training di Gemini 4, definito da DeepMind «il run di addestramento più ambizioso mai tentato» — una dichiarazione che suona più come rassicurazione che come notizia, mentre il mercato chiede un modello Pro oggi, non una promessa per domani.
Senza un’offerta competitiva nella fascia alta, Google rischia di restare il fornitore economico per flussi agentici su larga scala, con modelli Flash eccellenti nel rapporto qualità-prezzo ma nessuna risposta alle capacità di ragionamento avanzato dei rivali. Il paradosso è che proprio mentre i Flash migliorano vistosamente, il vero vuoto in gamma si allarga.
Fonti
