Gemini 3.5 Flash Lite & Gemini 3.6 Flash

Google, 21 Temmuz 2026'da Gemini ailesine üç yeni model ekledi: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite ve sınırlı erişimli Gemini 3.5 Flash Cyber. Duyurunun ana teması bu kez ham zeka değil; token verimliliği, gecikme süresi ve üretim ortamındaki güvenilirlik.

Bu tercih tesadüf değil. Mayıs ayındaki Google I/O'da tanıtılan Gemini 3.5 Flash sonrası geri bildirimlerin büyük kısmı, ajan tabanlı iş akışlarını ölçeklendirmenin asıl maliyetinin model kalitesi değil, harcanan token ve adım sayısı olduğu yönündeydi. 3.6 Flash ve 3.5 Flash-Lite tam olarak bu soruna yanıt veriyor.

Gemini 3.6 Flash: Daha az token, daha düşük fiyat

3.6 Flash, doğrudan 3.5 Flash üzerine inşa edilmiş bir yenileme. Google'ın "iş atı" (workhorse) olarak konumlandırdığı model, aynı işi daha az konuşarak yapmayı hedefliyor.

Verimlilik tarafında öne çıkanlar:

• Artificial Analysis Index verilerine göre 3.5 Flash'a kıyasla %17 daha az çıktı tokenı tüketiyor. Datacurve'ün DeepSWE değerlendirmesi gibi bazı senaryolarda bu fark %65'e kadar çıkıyor.

• Çok adımlı iş akışlarını daha az akıl yürütme adımı ve daha az araç çağrısıyla tamamlıyor; yürütme döngülerine takılma eğilimi azalmış.

• Fiyat da düştü: 1M girdi tokenı için 1,50 $, 1M çıktı tokenı için 7,50 $. 3.5 Flash'ta çıktı fiyatı 9,00 $ idi; girdi fiyatı aynı kaldı.

Kalite tarafında 3.5 Flash ile karşılaştırma:

Google'ın kendi notlarına göre modelin belirgin bir davranış değişikliği de var: 3.6 Flash, değişiklik yapmadan önce tanılama amaçlı kod çalıştırmayı daha sık tercih ediyor. Bu, karmaşık görevlerde doğruluğu artırıyor ama basit frontend işlerinde fazladan keşif adımları ekleyebiliyor.

Bir de dürüst bir uyarı var: değerlendiriciler görsel düzen ve stil konusunda önceki modelleri tercih etmiş. Model işlevsel kod üretmede daha iyi, ancak estetik sonuç istiyorsanız prompt'ta açık tasarım yönergeleri vermeniz öneriliyor.

Computer Use artık Gemini API ve Gemini Enterprise üzerinden yerleşik bir araç olarak sunuluyor. Ayrıca 3.6 Flash, Antigravity ajanının yeni varsayılan modeli.

Gemini 3.5 Flash-Lite: Hız ve hacim odaklı

3.5 Flash-Lite, 3.5 serisinin en hızlı ve en ucuz üyesi. Hedef kitle net: yüksek hacimli veri işleme, doküman ayrıştırma, sınıflandırma, yönlendirme ve otonom alt-ajan (subagent) yürütmesi.

• Saniyede 350 çıktı tokenı (Artificial Analysis ölçümü).

• Fiyat: 1M girdi için 0,30 $, 1M çıktı için 2,50 $.

• Varsayılan düşünme seviyesi minimal — maksimum throughput için tasarlanmış.

Bir önceki nesil 3.1 Flash-Lite ile karşılaştırma:

İlginç olan kısım şu: Flash-Lite, bazı ajan ve kodlama testlerinde bir üst sınıftan 3 Flash'ı geçiyor — SWE-Bench Pro'da %54,2'ye karşı %49,6, OSWorld-Verified'da %74,0'a karşı %65,1. Yani 2.5 Flash veya 3 Flash üzerinde çalışan iş yükleri için hem daha hızlı hem daha yetenekli bir seçenek haline geliyor.

Düşünme seviyesi ayarlanabilir olduğu için model tek bir profile hapsolmuyor: yüksek hacimli çıkarım işleri için minimal, araç çağrısı ve çok adımlı planlama gerektiren alt-ajanlar için medium veya high öneriliyor.

3.5 Flash Cyber: Herkese açık değil

Üçüncü model, 3.5 Flash üzerine güvenlik açıklarını bulup yamamak için ince ayar yapılmış Gemini 3.5 Flash Cyber. Google'ın CodeMender kod güvenliği ajanı içinde birden fazla Flash Cyber ajanı birlikte çalışarak tek bir birleşik rapor üretiyor ve CyberGym benchmark'ında sınır seviyeye yakın performans gösteriyor.

Teknolojinin çift kullanımlı doğası nedeniyle model kamuya açılmıyor: yalnızca devletler ve güvenilir iş ortakları için sınırlı erişimli bir pilot program kapsamında CodeMender üzerinden sunulacak.

Teknik özellikler ve API değişiklikleri

Her iki model de 1M token bağlam penceresi ve 64K çıktı tokenı destekliyor. Girdi olarak metin, görsel, video, ses ve PDF kabul ediyorlar; çıktı yalnızca metin.

Geçiş yaparken dikkat edilmesi gerekenler. Bu iki modelden itibaren geçerli olacak ve sonraki tüm Gemini sürümlerini kapsayacak iki kırıcı değişiklik var:

1. temperature, top_p ve top_k kullanımdan kaldırıldı. Şu an yok sayılıyorlar, sonraki model nesillerinde hata döndürecekler. Determinizm istiyorsanız çözüm system instruction içinde açık kurallar tanımlamak.

2. Model turn ön doldurma (prefill) artık desteklenmiyor. İsteğin son boş olmayan turu model rolündeyse API 400 hatası veriyor. Önek metnini bastırmak veya JSON formatı zorlamak için prefill kullanıyorsanız, bunun yerine system_instruction veya Structured Outputs kullanmalısınız.

Ek olarak thinking_budget yerine thinking_level string enum'ı, candidate_count ise Gemini 3.x'te tamamen kaldırılmış durumda.

Nereden erişilebilir?

• Geliştiriciler: Google AI Studio ve Android Studio üzerinden Gemini API. 3.6 Flash ayrıca Google Antigravity'de.

• Kurumlar: Gemini Enterprise Agent Platform; 3.6 Flash ayrıca Gemini Enterprise uygulamasında.

• Son kullanıcılar: Gemini uygulaması. 3.5 Flash-Lite ayrıca Google Search'e dağıtılıyor.

Hangi modeli seçmeli?

Karar aslında iş yükünüzün karakterine bağlı:

• Kod üretimi, çok adımlı ajan iş akışları, multimodal ve mekânsal akıl yürütme → 3.6 Flash. 3.5 Flash, 3 Flash (Preview) veya 3.1 Pro kullanıyorsanız doğal geçiş hedefi bu.

• Yüksek hacimli veri analizi, doküman çıkarımı, yapılandırılmış JSON ayrıştırma, otonom alt-ajanlar → 3.5 Flash-Lite. 3.1 Flash-Lite veya 2.5 Flash kullanıcıları için önerilen hedef.

Pratikte en verimli mimari ikisini birlikte kullanmak: orkestrasyonu 3.6 Flash'a, paralel çalışan hacimli alt görevleri 3.5 Flash-Lite'a bırakmak. Google'ın duyuruda paylaştığı örneklerden biri tam olarak bu — 3.6 Flash ana ajan olarak çalışırken 3.5 Flash-Lite anlık olarak onlarca web tasarım konsepti üretiyor.

Sonuç

Bu iki modelin ortak noktası, kalite artışının verimlilik artışıyla birlikte gelmesi. 3.6 Flash aynı işi daha az token ve daha düşük fiyatla yapıyor; 3.5 Flash-Lite ise hız ve maliyet öncelikli iş yükleri için benzer bir kazanım sunuyor. Ajan tabanlı sistemler kuranlar için pratik sonuç şu: hangi görevi hangi modele vereceğinizi doğru seçmek, artık model kalitesi kadar maliyeti de doğrudan etkiliyor.