Google hat am 21. Juli drei Flash-Modelle auf einmal vorgestellt. Auf den ersten Blick ist es ein weiteres Gemini-Update. Zusammen gelesen zeigen Preis, Geschwindigkeit und Einsatzfeld aber eine klarere Richtung: Google will agentische und unternehmensnahe KI billiger, schneller und stärker nach Workload trennen.
Gemini 3.6 Flash ist das breitere Arbeitsmodell, Gemini 3.5 Flash-Lite zielt auf niedrige Kosten und hohen Durchsatz, Gemini 3.5 Flash Cyber auf Sicherheitsaufgaben. Der Wettbewerb verschiebt sich vom einzelnen Spitzenmodell zur Gestaltung einzelner Arbeitslasten.
Häufige Aufrufe brauchen günstige Modelle
Google sagt, das neue Flash-Lite liefere Echtzeitausgaben 17% schneller als die vorige Generation und erreiche in unabhängigen Tests rund 350 tokens/s. Die DeepMind-Modellseite nennt Preise von 0,30 Dollar pro Million Eingabetoken und 2,50 Dollar pro Million Ausgabetoken.
Bei Chatbots zählt die Antwortqualität. Bei Agenten, Support-Routing, Browserautomatisierung und Massendokumenten entscheidet, ob Hunderte kleine Aufrufe innerhalb von Latenz- und Budgetgrenzen bleiben.
Sicherheit wird ein eigenes Modell
Flash Cyber ist der zugespitzte Teil der Ankündigung. Google beschreibt es für Sicherheitsanalyse, Schwachstellenforschung, Malware-Analyse und Incident Response, nicht für allgemeinen Chat.
DeepMind listet Ergebnisse in CTI-MCQ, CTI-RCM, MARS-EVAL und CyberSecEval. Google spricht von bis zu 65% Verbesserung gegenüber 3.5 Flash auf ausgewählten Cybersecurity-Benchmarks. Diese Zahl gehört zu den genannten Benchmarks; in Unternehmen zählen zusätzlich Fehlalarme, verpasste Befunde und Prüfkosten.
Google-CEO Sundar Pichai hat die KI-Chance als außerordentlich groß beschrieben.
Kunden kaufen eine Balance
Auf Googles Modellseite steht ein Satz von Figma-Engineeringchef Vincent van der Meulen: Bei Modellen für Figma Make sucht Figma die Balance aus Qualität, Geschwindigkeit und Kosten.
Das ist die Geschäftslogik hinter Flash. Designwerkzeuge, Codeassistenten, Tabellenanalysen und Supportsysteme benötigen nicht in jedem Schritt dasselbe Modell. Häufige, prüfbare Schritte können ein günstiges Modell nutzen; sensible Aufgaben wechseln auf stärkere Modelle.
Die echte Last entscheidet
Die 350 tokens/s bei Flash-Lite stammen aus einem Benchmark-Kontext. Produktive Latenz hängt von Promptlänge, Toolnutzung, Netzwerk und Rate Limits ab. Auch die 65% bei Flash Cyber gelten für die genannten Sicherheitsbenchmarks.
Google hat nicht nur ein stärkeres Modell vorgestellt. Das Unternehmen trennt verschiedene Workloads in verschiedene Produkte. Die nächste Modellrunde wird über Kosten, Latenz, Sicherheitsgrenzen und Workflow-Passung entschieden.
Quellen: offizieller Google-Blog, Google-DeepMind-Modellseiten, Axios, Business Insider, Artificial Analysis, CocoLoop; geprüft wurden Rollen der drei Flash-Modelle, tokens/s-Kontext, Preise pro Million Token, Cybersecurity-Benchmark-Gewinne, Kundenzitat und Verfügbarkeit.