Google, kurumsal kullanım senaryolarında çalışan yapay zeka ajanları için yeni Gemini modellerini duyurdu. Şirketin bu haftaki güncellemesi üç farklı odağa ayrılıyor: kodlama ve çok modlu akıl yürütme için Gemini 3.6 Flash, yüksek hacimli ve düşük gecikmeli işler için Gemini 3.5 Flash-Lite ve güvenlik açığı giderme amacıyla kısıtlı erişime sahip Gemini 3.5 Flash Cyber.
Bu duyurunun merkezinde performans kadar maliyet de yer alıyor. Üretim ortamında arka planda çalışan otonom yazılım ajanlarında asıl denklem, çok adımlı görevleri yeterli doğrulukla tamamlayabilmek ve bunu yaparken üretilen token miktarını kontrol altında tutmak. Çünkü eklenen her token, yoğun çalışan iş akışlarında hem gecikmeyi artırıyor hem de doğrudan maliyete yansıyor.
Google’ın burada benimsediği yaklaşım, tek bir büyük modelle her işi çözmek yerine farklı yük tipleri için ayrı katmanlar sunmak. Sohbet arayüzlerinden çok belge işleme, kod üretimi, araştırma ve arka plan otomasyonu gibi görevleri hedefleyen ekipler için bu ayrım pratik önem taşıyor. Yüksek hacimli basit talepler ile daha derin akıl yürütme gerektiren işler aynı modelde toplandığında verimlilik düşebiliyor.
Gemini 3.6 Flash tarafında öne çıkan veri, önceki Gemini 3.5 Flash sürümüne kıyasla yüzde 17 daha az çıktı tokenı üretmesi. Bu ölçüm, Artificial Analysis Index verilerine dayanıyor. Google, bazı sentetik testlerde ise token kullanımındaki düşüşün yüzde 65’e kadar ulaşabildiğini belirtiyor. Bu da özellikle sürekli çalışan ajan senaryolarında, modelin yalnızca daha hızlı değil aynı zamanda daha ekonomik kullanılabileceği anlamına geliyor.
Fiyatlandırma da bu konumlandırmayı destekliyor. Gemini 3.6 Flash için giriş fiyatı 1 milyon input token başına $1.50, output token başına ise $7.50 olarak açıklanmış durumda. Bu seviye, modeli tek seferlik sorgulardan çok, tekrar eden akıl yürütme döngülerinde kullanılacak bir iş yükü motoru haline getiriyor.
Performans tarafında Google birkaç kıyaslama sonucu paylaştı. Datacurve DeepSWE testinde Gemini 3.6 Flash, önceki sürümün yüzde 37’lik başarımına karşı yüzde 49 başarı oranına ulaşıyor. MLE Bench skorunda sonuç yüzde 49.7’den yüzde 63.9’a çıkıyor. Gerçek dünyaya daha yakın bilgi işi senaryolarını ölçmeyi hedefleyen GDPval-AA v2 testinde ise yeni model 1349’a karşı 1421 puan alıyor.
Bu kazanımlar yalnızca laboratuvar testleriyle sınırlı değil. Figma, Gemini 3.6 Flash’ı prototipleme altyapısına entegre etmiş durumda. Şirketin aktardığı tabloya göre model, geliştiricilerin tasarım iterasyonlarını daha hızlı ilerletmesini sağlarken çıktı kalitesinde düşüş yaratmıyor. Bu da özellikle tasarım ve geliştirme döngülerinin sık tekrarlandığı ekipler için önemli bir kullanım örneği sunuyor.
Harvey ve Hebbia da modeli çok modlu belge işleme tarafında kullanıyor. Buradaki iş akışı, ham finansal kayıtların sisteme alınması, belge yapısının ayrıştırılması, gömülü grafiklerin okunması ve son aşamada insan incelemesine sunulacak taslak raporların hazırlanmasını kapsıyor. Bu örnekler, Gemini 3.6 Flash’ın yalnızca kod yazan bir model değil, aynı zamanda metin ve görsel bileşenleri birlikte işleyebilen bir iş akışı aracı olarak konumlandırıldığını gösteriyor.
Google ayrıca istemci tarafında çalışan bir computer-use aracını doğrudan Gemini API ve Gemini Enterprise platformlarına ekledi. Böylece mühendislerin, modeli bir işletim sistemi üzerinde işlem yapabilir hale getirmek için daha önce araya koyduğu özel yazılımlara olan ihtiyaç azaltılmış oluyor. Şirket, OSWorld-Verified skorunun yüzde 78.4’ten yüzde 83.0’a yükseldiğini belirtiyor.
Güvenlik tarafında da ek güncellemeler var. Google, kimyasal, biyolojik, radyolojik ve nükleer kötüye kullanım senaryolarına karşı korumaların güncellendiğini ve bunun zararsız isteklerde reddetme oranını artırmadan jailbreak girişimlerine karşı direnci iyileştirdiğini söylüyor. Burada verilen mesaj, kurumsal ortamlarda daha fazla otonomi sunulurken güvenlik bariyerlerinin de aynı anda sıkılaştırıldığı yönünde.
Gemini 3.5 Flash-Lite ise daha farklı bir göreve odaklanıyor. Bu modelin hedefi, derin akıl yürütme yerine yüksek hacimli belge işleme ve ajan tabanlı arama gibi işlerde mümkün olan en düşük gecikmeyi sunmak. Artificial Analysis Index ölçümüne göre model saniyede 350 output token hızına ulaşıyor. Google, bunun 3.5 serisindeki en hızlı model olduğunu ifade ediyor.
Fiyatlandırma bu sınıfta daha agresif. Gemini 3.5 Flash-Lite için 1 milyon input token başına $0.3, output token başına ise $2.5 ücret belirlenmiş durumda. Bu maliyet seviyesi, mühendislik ekiplerinin basit ama yoğun alt ajan isteklerini daha düşük “thinking” düzeyinde bu modele yönlendirmesine, çok adımlı ve daha zor işleri ise daha güçlü modellere bırakmasına imkan veriyor.
Başarım rakamları burada da dikkat çekici. GDM-MRCR v2 uzun bağlam testinde Gemini 3.5 Flash-Lite, selefinin yüzde 60.1’lik sonucuna karşı yüzde 72.2 başarı oranı elde ediyor. GDPval-AA v2 skorunda ise 642’den 1140’a yakın iki katlık bir artış görülüyor. Üstelik model, 3.6 Flash ile aynı yerel computer-use aracını da taşıyor; yani yalnızca ucuz ve hızlı değil, aynı zamanda otomasyon katmanına da doğrudan bağlanabiliyor.
Google, Gemini 3.5 Pro’nun tam çıkış öncesinde iş ortaklarıyla test edilmeye devam ettiğini de belirtiyor. Buna ek olarak bir sonraki Gemini 4 mimarisi için ön eğitim çalışmalarının başladığı bilgisi paylaşıldı. Şirket böylece hem mevcut ürün hattını genişletiyor hem de bir sonraki nesle hazırlık yaptığını açıkça göstermiş oluyor.
Duyurudaki üçüncü model olan Gemini 3.5 Flash Cyber ise genel kullanıma açık değil. Bu model, kod tabanlarındaki güvenlik açıklarını doğrulamak ve gidermek için tasarlanmış kısıtlı erişimli bir sürüm. Google, CyberGym benchmark üzerinde performansının üst düzey modellerle rekabetçi olduğunu söylüyor; ancak tüketici odaklı duyurulardaki kadar ayrıntılı sayısal sonuç paylaşılmış değil.
Dağıtımın yalnızca devlet kurumları ve doğrulanmış iş ortaklarıyla sınırlı bir pilot program üzerinden yapılması da dikkat çekiyor. Google bunu, modelin saldırı amaçlı exploit kod üretiminde kullanılmasını önlemeye yönelik bir güvenlik tedbiri olarak çerçeveliyor. Yani modelin yetenekleri kadar erişim sınırları da ürün tasarımının parçası haline getirilmiş durumda.
Google’ın CodeMender adlı güvenlik ajanı içinde birden fazla Gemini 3.5 Flash Cyber örneği paralel biçimde çalışıyor. Bu örnekler birbirlerinin bulgularını çapraz kontrol ettikten sonra tek bir düzeltme raporu üretiyor ve son onay bir insan denetçiden geçiyor. Tam otomasyon yerine insan onaylı yarı otonom bir modelin tercih edilmesi, güvenlik alanındaki hata maliyetinin ne kadar yüksek olduğuna işaret ediyor.
Yeni modelleri entegre etmek isteyen ekipler, erişimi Gemini API üzerinden Google AI Studio, Android Studio veya Gemini Enterprise Agent Platform aracılığıyla sağlayabiliyor. Tüketici tarafında ise yeni modeller Gemini uygulamasında kullanılabiliyor. Ayrıca Gemini 3.5 Flash-Lite’ın Google Search içinde de kademeli olarak kullanıma sunulduğu belirtiliyor.
Genel tabloya bakıldığında Google’ın bu güncellemede ham model büyüklüğünden çok verimliliğe, çıktı başına maliyete ve ajan iş yüklerine odaklandığı görülüyor. Özellikle kurumsal tarafta, aynı doğruluk seviyesine daha az token ve daha düşük gecikmeyle ulaşmak çoğu zaman yeni özelliklerden daha değerli olabiliyor. Gemini 3.6 Flash ve 3.5 Flash-Lite da tam olarak bu ihtiyaca yanıt vermeyi amaçlıyor.
