Google lancia Gemini 3.6 Flash e prepara il modello Cyber per CodeMender

🤖 Cosa cambia

• Gemini 3.6 Flash migliora coding, computer use e analisi multimodale, riducendo token, passaggi di ragionamento e costo delle attività agentiche.
• Gemini 3.5 Flash-Lite raggiunge 350 token al secondo e punta su ricerca agentica, document processing e workload produttivi ad alto volume.
• Gemini 3.5 Flash Cyber sarà distribuito con accesso limitato attraverso CodeMender, mentre l’app macOS adotta il design Neural Expressive.

Google amplia la famiglia Gemini con tre modelli destinati a carichi di lavoro distinti. Gemini 3.6 Flash diventa il nuovo modello generalista per agenti, coding e analisi multimodale; Gemini 3.5 Flash-Lite privilegia velocità e contenimento dei costi; Gemini 3.5 Flash Cyber viene specializzato nella ricerca e correzione delle vulnerabilità attraverso CodeMender. Le prime due versioni sono già disponibili tramite Gemini API, AI Studio, Android Studio e piattaforme enterprise, mentre il modello cyber sarà riservato inizialmente a governi e partner selezionati. Parallelamente, l’app Gemini per macOS adotta l’interfaccia Neural Expressive già introdotta sulle altre piattaforme.

Gemini 3.6 Flash riduce token e costo degli agenti

Gemini 3.6 Flash nasce come evoluzione diretta di 3.5 Flash e punta a migliorare l’efficienza dei sistemi agentici, nei quali ogni attività può generare numerosi passaggi di ragionamento, chiamate agli strumenti e token di output. Secondo Google, il nuovo modello utilizza il 17% di token in uscita in meno nell’Artificial Analysis Index e arriva a una riduzione del 65% in alcune prove DeepSWE. Il prezzo è fissato a 1,50 dollari per milione di token in input e 7,50 dollari per milione in output, inferiore a quello del predecessore.

La differenza assume rilievo nelle applicazioni che eseguono migliaia di attività ripetute, perché una riduzione della verbosità e dei cicli non necessari produce risparmi su scala industriale. L’evoluzione prosegue il lavoro avviato con Gemini 3.5 Flash e le sue capacità multimodali, ma sposta l’attenzione dalla sola velocità alla quantità complessiva di risorse impiegate per raggiungere il risultato. Google sostiene inoltre che il modello richieda meno tool call per completare procedure articolate, riducendo latenza, possibilità di errore e costo delle integrazioni esterne.

Coding e computer use migliorano senza aumentare la latenza

I benchmark pubblicati indicano progressi nel coding, nella ricerca tecnica e nell’interazione con le interfacce. In DeepSWE, Gemini 3.6 Flash raggiunge il 49% contro il 37% di 3.5 Flash, mentre in MLE-Bench passa dal 49,7% al 63,9%. Su OSWorld-Verified, utilizzato per valutare la capacità di operare in ambienti desktop, il punteggio sale dal 78,4% all’83%. Google rende inoltre il computer use uno strumento integrato lato client attraverso Gemini API e Gemini Enterprise, permettendo agli sviluppatori di costruire agenti capaci di osservare interfacce, selezionare elementi e completare azioni.

Il miglioramento si inserisce nella trasformazione di Gemini da assistente conversazionale a sistema operativo per workflow, già evidente nella Gemini Enterprise Agent Platform. Sul lavoro documentale, il modello può analizzare grafici, dati finanziari, report e documenti complessi, mentre una maggiore precisione nel coding dovrebbe ridurre modifiche indesiderate e cicli di correzione. Google ha accompagnato il rilascio con nuove protezioni contro gli abusi cyber e CBRN, cercando di limitare i jailbreak senza aumentare eccessivamente i rifiuti nelle richieste legittime.

Flash-Lite raggiunge 350 token al secondo

Gemini 3.5 Flash-Lite è progettato per applicazioni dove throughput e latenza contano più della capacità di ragionamento massima. Il modello raggiunge 350 token di output al secondo secondo Artificial Analysis e costa 0,30 dollari per milione di token in input e 2,50 dollari per milione in output.

Google lo propone per ricerca agentica, elaborazione di documenti, estrazione di dati da cataloghi, traduzione di ricevute e generazione parallela di numerose alternative. Gli sviluppatori possono regolare il livello di thinking, privilegiando risposte rapide ed economiche oppure attivando un’elaborazione più profonda per task affidati a sotto-agenti.

Nonostante il posizionamento leggero, Flash-Lite supera 3.1 Flash-Lite in coding, contesto lungo ed esecuzione di attività reali e, in alcuni test, anche modelli di fascia superiore: raggiunge il 54,2% su SWE-Bench Pro e il 74% su OSWorld-Verified. La disponibilità tramite Google AI Studio rafforza un ambiente che Google aveva già ampliato con strumenti per sviluppo rapido e gestione dei flussi di dati. Il modello è inoltre in distribuzione dentro Google Search, dove velocità e costo per richiesta risultano decisivi.

Flash Cyber cerca e corregge vulnerabilità con CodeMender

La novità più delicata è Gemini 3.5 Flash Cyber, variante addestrata specificamente per individuare, validare e correggere vulnerabilità software. Il modello opera dentro CodeMender, infrastruttura agentica che coordina più istanze specializzate e combina i risultati in un unico rapporto. Google dichiara prestazioni competitive sul benchmark CyberGym e un costo per token inferiore rispetto ai modelli generalisti più grandi. La piattaforma punta a rispondere a un problema sempre più evidente: l’AI accelera la scoperta e lo sfruttamento delle falle più rapidamente di quanto molte organizzazioni riescano a correggerle. Questo scenario era già emerso nell’analisi sull’uso dell’intelligenza artificiale per generare zero-day e malware autonomi. Proprio per la natura dual-use della tecnologia, Flash Cyber non sarà distribuito attraverso una normale API pubblica. Google prevede un programma pilota limitato a governi e partner fidati, con l’obiettivo di offrire ai difensori un vantaggio iniziale senza rendere immediatamente disponibile un modello utilizzabile anche per sviluppare exploit. La scelta limita la diffusione, ma attribuisce a Google un ruolo diretto nella selezione dei soggetti autorizzati ad accedere alle capacità cyber più avanzate.

Gemini 3.5 Pro resta in test mentre parte Gemini 4

Google ha confermato che Gemini 3.5 Pro è ancora in fase di test con alcuni partner e sarà distribuito più ampiamente soltanto quando avrà raggiunto il livello di affidabilità previsto. Parallelamente, l’azienda ha avviato quello che definisce il proprio programma di pre-training più ambizioso, destinato a Gemini 4. La scelta di lanciare prima Flash, Flash-Lite e la variante Cyber mostra una segmentazione più netta della gamma: un modello efficiente per il lavoro generale, uno economico per i grandi volumi e uno specializzato per la sicurezza del codice. Gemini 3.6 Flash e 3.5 Flash-Lite sono disponibili nella Gemini API tramite AI Studio e Android Studio, nelle piattaforme Gemini Enterprise e nell’app Gemini. Il modello 3.6 compare anche in Google Antigravity, mentre Flash-Lite raggiunge progressivamente Search. Questa distribuzione permette a Google di usare la stessa famiglia su superfici consumer, strumenti di sviluppo e infrastrutture aziendali, riducendo la distanza tra prototipazione e produzione.

L’app Gemini per macOS adotta Neural Expressive

L’app Gemini per macOS 1.86 riceve infine il redesign Neural Expressive già introdotto su Android, iOS e web. L’interfaccia utilizza un gradiente colorato intorno alla barra del prompt, icone con contorni più sottili, pulsanti arrotondati e indicatori a pillola nel menu di navigazione. Vengono aggiornati anche i comandi per input vocale, chat temporanee, pannello laterale e passaggio tra visualizzazione completa e mini. L’intervento non modifica le capacità del modello, ma uniforma l’esperienza tra dispositivi dopo il lancio della versione nativa di Gemini per macOS con condivisione dello schermo. Google ha ridisegnato anche AI Mode su Android, sostituendo il pannello ancorato in basso con un contenitore flottante. Il pannello laterale Gemini di Chrome conserva invece per ora il precedente linguaggio grafico. La convergenza visiva accompagna quella tecnica: i nuovi modelli Flash diventano disponibili su più piattaforme, mentre Google prepara un ecosistema nel quale modello, strumenti e interfaccia condividono lo stesso flusso agentico.