Google a lancé trois nouveaux modèles d'IA aujourd'hui : Gemini 3.6 Flash, 3.5 Flash-Lite et 3.5 Flash Cyber. Ce n'était pas ce à quoi la plupart des gens s'attendaient.
Après avoir dévoilé Gemini 3.5 Flash lors de la conférence Google I/O 2026 en mai et promis une version Pro dans un mois, Google a discrètement manqué sa propre échéance. Gemini 3.5 Pro a été retardé car il n'a pas atteint les objectifs internes, selon Bloomberg, en particulier sur les tâches de codage. Une tentative fin juin de le corriger en mettant à jour les données d'entraînement—les vastes ensembles de données à partir desquels un modèle apprend—a produit des résultats décevants. Le cours de l'action Alphabet a chuté d'environ 4,4% suite à ce rapport, effaçant une capitalisation boursière estimée à 200 milliards de dollars en une seule séance.
Le dernier modèle de niveau Pro expédié par Google était le successeur de Gemini 3, Gemini 3.1 Pro, en février.
La série Flash est la gamme de modèles optimisés pour la vitesse de Google—rapides, rentables et conçus pour les agents IA, qui sont des programmes fonctionnant de manière semi-autonome pour gérer des tâches comme la gestion de documents, le traitement de pipelines de données ou la navigation sur le web sans intervention humaine à chaque étape. Les modèles Pro sont les plus puissants : plus lents, plus chers et conçus pour un raisonnement complexe où la puissance brute compte plus que la vitesse.
Gemini 3.6 Flash est la principale version. Il utilise 17% moins de tokens de sortie—les tokens étant l'unité de base que l'IA traite, représentant environ les trois quarts d'un mot—que 3.5 Flash, selon l'Artificial Analysis Index. Il est également moins cher : 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie, contre 9 $ du côté de la sortie pour 3.5 Flash. Pour les entreprises qui exécutent des agents à grande échelle, cette différence s'accumule rapidement.
Sur les benchmarks—des tests standardisés qui évaluent l'IA par le pourcentage de tâches correctement accomplies—3.6 Flash a atteint 49% sur DeepSWE v1.1, qui teste l'ingénierie logicielle à long terme comme la construction et le débogage de bases de code complètes, contre 37% pour 3.5 Flash. Sur MLE-Bench, un test d'ingénierie en apprentissage automatique, il a obtenu un score de 63,9% contre 49,7%. Il a dominé le classement sur OSWorld-Verified—un test où l'IA prend le contrôle d'un écran d'ordinateur pour accomplir des tâches réelles—avec 83,0%, devançant Claude Sonnet 5 (81,2%) et GPT-5.6 Luna (72,6%).
Les rivaux de la même catégorie sont toujours en tête ailleurs : GPT-5.6 Luna obtient 67% sur DeepSWE et 84,7% sur Terminal-Bench 2.1, qui teste le codage de terminal avec des agents. Claude Sonnet 5 domine le travail de connaissance sur GDPval-AA v2—un benchmark noté sur une échelle de classement Elo comme aux échecs, où des nombres plus élevés signifient une meilleure performance dans des tâches réelles—avec 1607 contre 1421 pour 3.6 Flash.
Nous avons essayé le modèle pour le codage et les résultats ont été... décevants, c'est le moins qu'on puisse dire.
Notre simple test de codage a abouti à un fichier inutilisable. Le HTML n'était pas correctement formaté et les éléments n'étaient pas rendus correctement. Les tentatives ultérieures de "vibe code" pour résoudre les problèmes n'ont pas été couronnées de succès.
Nous avons demandé à Deepseek de transformer le premier modèle en quelque chose de jouable en corrigeant simplement les bogues. Il a identifié 11 bogues et mis en œuvre 8 correctifs clés, ce qui a abouti à un jeu décent.
Les petits ajustements de Deepseek ont corrigé le jeu, ce qui signifie que le raisonnement fondamental de Gemini était correct, mais les détails et les inexactitudes ont rendu le résultat inutile. Préparez-vous à de longues sessions de "vibe coding" avec un modèle bon marché mais peu performant si vous comptez utiliser le modèle à cette fin.
Le deuxième modèle lancé par Google, Gemini 3.5 Flash-Lite, est conçu purement pour le volume : 350 tokens de sortie par seconde à 0,30 $/million d'entrée et 2,50 $/million de sortie. Il est destiné aux pipelines à haut débit—pensez au traitement de documents à grande échelle ou aux systèmes de recherche basés sur des agents—et surpasse l'ancien 3 Flash sur les tâches de codage clés, y compris Terminal-Bench 2.1 (54% contre 31%), bien qu'il soit nettement moins cher.
Il pourrait également être un excellent compacteur de session (analysant de longues sessions et extrayant les éléments clés pour que votre agent ne s'effondre pas sous le bruit) pour ceux qui comptent sur Hermes et Openclaw.
Le troisième modèle, Gemini 3.5 Flash Cyber, ne sera pas disponible publiquement. Google le réserve aux gouvernements et aux partenaires agréés qui ont besoin de trouver et de corriger les vulnérabilités logicielles—une capacité à double usage que l'entreprise n'est pas à l'aise de diffuser largement.
Pendant ce temps, l'équipe DeepMind de Google passe déjà à l'étape suivante. Google a confirmé dans l'annonce officielle avoir commencé "notre exécution de pré-entraînement la plus ambitieuse à ce jour, pour Gemini 4", et l'équipe en fait déjà la promotion.
Le pré-entraînement est la phase fondamentale où un modèle apprend à partir d'énormes ensembles de données avant que le réglage fin spécifique à la tâche ne commence—ce qui signifie que Gemini 4 est en cours de construction, et non seulement planifié.
We have started our most ambitious pre-training run yet, for Gemini 4, and are excited by the progress : )
— Logan Kilpatrick (@OfficialLoganK) July 21, 2026
Les deux modèles, 3.6 Flash et 3.5 Flash-Lite, sont disponibles dès aujourd'hui dans l'application Gemini, Google AI Studio et via l'API. Gemini 3.5 Pro sera expédié, selon Google, "dès qu'il sera prêt", peu importe quand cela arrivera.
