Google põe Gemini 3.6 Flash à prova com ganho de 17% em tokens
Modelo lançado em 21 de julho de 2026 promete menor custo, mas mistura dois resultados no benchmark DeepSWE.
O Google apresentou o Gemini 3.6 Flash em 21 de julho de 2026 para criar agentes de inteligência artificial. O modelo usa 17% menos tokens de saída que o Gemini 3.5 Flash, segundo o Artificial Analysis Index. A empresa também cita resultados de até 65% no DeepSWE, mas informa 49% contra 37% ao comparar a precisão dos dois modelos. Essa diferença virou o principal ponto técnico do debate entre desenvolvedores.
O Google mistura eficiência e precisão no DeepSWE
O Gemini 3.6 Flash é o modelo principal de uma nova leva que também inclui o Gemini 3.5 Flash-Lite e o Gemini 3.5 Flash Cyber. O Google descreve o 3.6 Flash como um modelo para programação, trabalho de conhecimento e tarefas multimodais. A empresa projetou a linha Flash para fluxos com agentes, que executam tarefas em várias etapas e usam ferramentas externas.
Usar menos tokens reduz o volume de texto gerado pelo modelo. Isso pode diminuir o custo de chamadas longas. O Google afirma que o 3.6 Flash também dá menos passos de raciocínio e faz menos chamadas de ferramentas em tarefas complexas.
A página cita o Artificial Analysis Index para sustentar a redução de 17% nos tokens de saída. Depois, menciona o DeepSWE, da Datacurve, e diz que observou redução de até 65% em alguns benchmarks. O texto associa esse resultado a um custo menor por token de saída, mas não explica qual métrica produziu o percentual.
Em outro trecho, o Google afirma que o 3.6 Flash alcançou 49% no DeepSWE, contra 37% do 3.5 Flash. Nesse caso, a empresa mede precisão, menos edições indesejadas de código e menos loops de execução. A publicação não informa se o índice de 65% mede consumo de tokens, precisão ou outra dimensão do teste.
O usuário dumberquestions resumiu a contradição: “Em alguns benchmarks, como o DeepSWE da Datacurve, observamos até 65%, tudo com menor custo por token de saída. O 3.6 Flash entrega maior precisão, com menos edições indesejadas de código e menos loops de execução, como visto no DeepSWE (49% contra 37%). Então qual é: 65% ou 49%?” A pergunta cobra uma distinção que a página não apresenta.
Os outros números favorecem o modelo, mas não fecham a conta
O Google mostra vantagem do 3.6 Flash em outros testes. No MLE Bench, o modelo marcou 63,9%, contra 49,7% do 3.5 Flash. No OSWorld-Verified, alcançou 83,0%, contra 78,4%, e no GDPval-AA v2 ficou em 1421, contra 1349.
Esses resultados cobrem programação, uso de computador e trabalho de conhecimento. A Gemini API e o Gemini Enterprise agora oferecem uso de computador como ferramenta integrada no cliente. Hebbia e Harvey avaliaram o modelo em tarefas multimodais, como leitura de documentos, análise de gráficos e dados e elaboração de relatórios.
A comparação, porém, continua concentrada nas versões do próprio Google. Velominati criticou essa escolha: “O Google nem se dá ao trabalho de mostrar benchmarks desses modelos comparados com os modelos de fronteira e os laboratórios chineses; mostra apenas contra versões anteriores.” Sem essa referência, os números demonstram avanço sobre o 3.5 Flash, mas não mostram a posição do 3.6 Flash diante de outros modelos.
O thread no Hacker News alcançou 760 pontos e 577 comentários. A análise reuniu seis comentários. O volume mostra interesse no anúncio, mas não transforma as opiniões em validação independente dos benchmarks.
Nsbk defendeu o ganho operacional: “Ele é 17% mais eficiente em tokens que o 3.5 e tem desempenho significativamente melhor em benchmarks de programação e uso de ferramentas.” O comentário também destacou o custo menor informado pelo Google: $1.50/1M de tokens de entrada e $7.50/1M de tokens de saída. Esses valores podem ajudar quem calcula custo por tarefa, desde que o fluxo use as mesmas condições dos testes.
O usuário npn apresentou uma ressalva diferente após testar os modelos no AI Studio. “Apesar de o knowledge cutoff ser março de 2026, ele ainda não sabe nada sobre 2025”, escreveu. Ele também afirmou que a busca retornava sugestões desatualizadas para tecnologias e bibliotecas recentes. O relato mostra um teste individual, não uma medição controlada.
O debate converge em dois pontos: o 3.6 Flash melhora os números contra o 3.5 Flash e a eficiência importa para agentes que chamam ferramentas repetidamente. O que permanece aberto é o significado exato dos 65% e dos 49% no DeepSWE. Quem escolhe um modelo para produção precisa reproduzir as tarefas, medir tokens, chamadas, precisão e custo no próprio fluxo, sem tratar os percentuais como equivalentes.
Fontes
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.