Google Rilis Gemini 3.6 Flash: Model Cepat, Murah, dan Aman

Google DeepMind resmi meluncurkan tiga model terbaru di lini Gemini Flash: Gemini 3.6 Flash, 3.5 Flash-Lite, dan 3.5 Flash Cyber. Ketiga model ini dirancang untuk menjawab kebutuhan pengembang yang membangun agen AI berskala produksi, dengan fokus pada efisiensi token yang lebih tinggi, latensi rendah, dan performa lebih andal.

Apa yang Baru dari Gemini 3.6 Flash?

Gemini 3.6 Flash hadir sebagai "model pekerja keras" (workhorse) penerus 3.5 Flash, dengan lompatan performa di coding, pekerjaan berbasis pengetahuan (knowledge work), dan kemampuan multimodal. Berdasarkan Artificial Analysis Index, model ini menggunakan token keluaran 17% lebih sedikit dibanding pendahulunya. Bahkan pada benchmark DeepSWE, penghematan token mencapai hingga 65%.

Efisiensi tidak mengorbankan kualitas. Skor DeepSWE naik dari 37% (3.5 Flash) menjadi 49% (3.6 Flash). Di MLE Bench, kemampuan riset ML melonjak dari 49,7% ke 63,9%. Adapun kemampuan computer use di OSWorld-Verified tercatat 83,0%, naik dari 78,4%. Sumbu pengetahuan diukur dengan GDPval-AA v2 pun meningkat dari 1349 ke 1421.

Harga model ini juga lebih murah: US$1,50 per 1 juta token input dan US$7,50 per 1 juta token output. "Pelanggan melaporkan 3.6 Flash adalah langkah maju dalam biaya dan kualitas, menyeimbangkan efisiensi token, akurasi, dan kecepatan di berbagai alur kerja kompleks," tulis Google DeepMind.

Dari sisi keamanan, 3.6 Flash dilengkapi pengaman Frontier Safety yang lebih ketat terhadap penyalahgunaan CBRN dan cyber offense, serta lebih tahan jailbreak tanpa mengurangi kegunaan untuk aplikasi yang sah.

Gemini 3.5 Flash-Lite: Model Tercepat dan Paling Hemat Biaya?

Dirancang untuk tugas bervolume tinggi dan latensi rendah, Gemini 3.5 Flash-Lite menawarkan kecepatan 350 token output per detik (berdasarkan Artificial Analysis). Dengan harga US$0,30/1M token input dan US$2,5/1M token output, model ini memiliki rasio harga-ke-performa yang agresif.

Dibanding 3.1 Flash-Lite, peningkatannya signifikan: skor Terminal-Bench 2.1 (54% vs 31%), GDM-MRCR v2 untuk konteks panjang (72,2% vs 60,1%), dan GDPval-AA v2 (1140 vs 642). Bahkan di sejumlah pengujian agen dan coding, 3.5 Flash-Lite melampaui Gemini 3 Flash, seperti pada SWE-Bench Pro (54,2% vs 49,6%) dan OSWorld-Verified (74,0% vs 65,1%).

Model ini mendukung tingkat berpikir (thinking levels) yang bisa dikonfigurasi: minimal atau rendah untuk prioritas latensi dan biaya, atau tingkat tinggi untuk tugas sub-agen multi-langkah. Computer use juga sudah menjadi tool bawaan.

3.5 Flash Cyber dan CodeMender untuk Keamanan Siber

Versi khusus keamanan, Gemini 3.5 Flash Cyber, merupakan model yang disetel-ulang untuk mendeteksi, memvalidasi, dan memperbaiki kerentanan kode. Model ini diintegrasikan dalam CodeMender, sebuah agen keamanan kode yang menggunakan beberapa agen 3.5 Flash Cyber untuk menghasilkan laporan gabungan.

Pada benchmark CyberGym, kombinasi ini menunjukkan performa kompetitif di garis depan. Karena sifat teknologi ganda, model ini hanya akan tersedia melalui program akses terbatas bagi pemerintah dan mitra tepercaya. "Ini memberi kesempatan awal bagi para pembela untuk menemukan dan memperbaiki kerentanan kritis sebelum dieksploitasi," jelas Google DeepMind.

Apa Artinya untuk Pengembang di Indonesia?

Bagi pengembang dan perusahaan di Indonesia, kehadiran model-model ini membuka peluang membangun agen AI yang lebih efisien dan murah melalui Gemini API di Google AI Studio, Android Studio, dan Google Antigravity. Dukungan multimodal dan computer use bawaan memudahkan otomatisasi tugas seperti analisis dokumen, pengolahan data, atau pembuatan prototipe antarmuka. Model 3.5 Flash-Lite bahkan sudah digulirkan di Google Search. Sambil menunggu kehadiran Gemini 3.5 Pro yang sedang diuji, pengembang sudah bisa bereksperimen dan mengintegrasikan model Flash ini untuk menekan biaya operasional sekaligus meningkatkan performa.