Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber

Artigo original ↗ Discussão no Hacker News ↗

O lançamento dos modelos Gemini 3.6 Flash e 3.5 Flash-Lite pelo Google é visto como uma atualização modesta, focada em velocidade, em vez de um avanço de fronteira, com muitos notando que o desempenho fica aproximadamente no mesmo nível de rivais populares como o GLM 5.2, ao mesmo tempo em que frequentemente custa mais. Os comentaristas destacam que as camadas Flash e Flash-Lite podem ser muito eficazes para cargas multimodais ou agentic baratas e de alto volume, mas expressam frustração com as frequentes descontinuações de modelos do Google, a pilha de produtos confusa e os custos crescentes que tornam arriscada a dependência de longo prazo. A ausência de um novo modelo competitivo “Pro” ou de fronteira, combinada com ofertas abertas e chinesas mais fortes, alimenta a preocupação de que o Google esteja cedendo o topo do mercado de IA, mesmo enquanto aposta em modelos rápidos e escaláveis para seu próprio ecossistema e busca.

Sentimento geral

  • Muitos veem o lançamento como incremental e uma espécie de “prova de vida” em vez de algo que avance a fronteira.
  • Alguns estão impressionados com a velocidade e a usabilidade prática; outros o consideram decepcionante em comparação com modelos recentes dos EUA e da China.
  • A decepção é amplificada pela ausência contínua de Gemini 3.5 Pro / modelos de fronteira.

Benchmarks e inteligência

  • Os benchmarks no post do Google são criticados por serem em grande parte comparações internas (contra Gemini anteriores) em vez de contra Fable, GPT-5.6, GLM 5.2, DeepSeek, Kimi, etc.
  • A Artificial Analysis e outros benchmarks personalizados geralmente colocam o 3.6 Flash em torno do território do Sonnet-5-High / Opus-4.8-Medium, aproximadamente comparável ao GLM-5.2, abaixo dos principais modelos de fronteira.
  • Alguns testes independentes e testes no estilo “pelican/MacBook SVG” acham o 3.6 Flash surpreendentemente forte; outros dizem que ele iguala o 3.5 Flash no geral, apenas trocando pontos fortes.

Velocidade, eficiência de tokens e preços

  • O 3.6 Flash é descrito repetidamente como “muito rápido”, às vezes o modelo mais rápido em certos rankings.
  • O Google afirma maior eficiência de tokens e menor custo por tarefa em relação ao 3.5; os próprios benchmarks de vários usuários o consideram menos eficiente em tokens, então os custos reais no mundo real podem ficar iguais ou mais altos.
  • Os preços do Flash-Lite aumentaram fortemente ao longo das gerações; pessoas que executam cargas sensíveis a preço ou de alto volume se sentem “cozidas” à medida que modelos mais antigos e baratos são descontinuados.
  • Vários comentários argumentam que comparações simples de $/token são enganosas; “custo por tarefa” e verbosidade importam.

Pontos fortes e uso no mundo real

  • Flash/Flash-Lite são elogiados por:
    • Baixa latência e uso de ferramentas estável e previsível em agentes de longa duração.
    • Bom desempenho multimodal, especialmente para compreensão de imagens e revisão em idiomas não ingleses.
    • Alto valor para tarefas baratas de classificação, extração e processamento de documentos.
  • Alguns preferem o Gemini para tarefas de “pesquise isso para mim” / conhecimento por causa da integração com Search e Knowledge Graph.

Pontos fracos e regressões

  • Programação e programação agentic são vistas como os pontos fracos do Gemini; vários relatam que o 3.6/3.5 Flash ou o 3.5 Flash-Lite quebram fluxos de trabalho existentes de chamada de ferramentas ou produzem código frágil.
  • Muitos dizem que Claude/Codex/outras ferramentas continuam claramente superiores para trabalho sério de programação.

Produto, ecossistema e confiança

  • Críticas pesadas a:
    • Branding confuso (Flash vs Flash-Lite vs Nano, variantes Antigravity, consumidor vs Workspace vs enterprise).
    • Descontinuações abruptas e mudanças de preço que quebram fluxos de trabalho em produção.
    • Ferramentas de desenvolvedor fracas ou desajeitadas (especialmente Antigravity e a perda do CLI antigo).
  • Algumas empresas ainda escolhem Gemini por compliance, geografia e conforto com “um grande fornecedor”, apesar das desvantagens técnicas.

Concorrência e estratégia

  • Há uma forte sensação de que o Google está cedendo a liderança de fronteira à OpenAI/Anthropic e, cada vez mais, aos laboratórios chineses de pesos abertos.
  • Uma hipótese comum: o Google está otimizando modelos baratos e rápidos para alimentar a Search e recursos de consumo em escala massiva, e não para vencer benchmarks de programação/fronteira.