Zapomnij o numerach wersji – najnowsza sztuczna inteligencja Google stawia na wydajność ponad wszystko inne

Podczas gdy świat technologii zazwyczaj czeka na kolejny wielki skok w inteligencji, ostatnie posunięcie Google sugeruje, że branża znajduje się obecnie w pętli udoskonalania. Firma ogłosiła niedawno model Gemini 3.6 Flash oraz wyspecjalizowany model do cyberbezpieczeństwa, jednocześnie przyznając, że jej szeroko zapowiadany model 3.5 Pro wciąż utknął w laboratorium. Ten wzorzec ujawnia zmianę w wyścigu zbrojeń AI. Przez miesiące narracja skupiała się na tym, która maszyna potrafi myśleć najbardziej jak człowiek. Teraz priorytetem jest to, która maszyna potrafi myśleć najbardziej jak tani, niestrudzony stażysta.

Google decyzja o wycofaniu Gemini 3.5 Flash zaledwie kilka miesięcy po debiucie jest niezwykła. Zazwyczaj wersje oprogramowania działają co najmniej rok, zanim zostaną zastąpione. Jednak model 3.5 Flash nie spełnił oczekiwań, które Google wyznaczyło podczas konferencji I/O w maju, szczególnie w zakresie kodowania. Nagły zwrot w stronę Gemini 3.6 Flash jest środkiem korygującym. Odpowiada on na rzeczywistość, w której programiści potrzebują narzędzi działających niezawodnie dzisiaj, a nie obietnic tego, co może zadziałać w przyszłym roku.

Niewidzialna matematyka chmury

Aby zrozumieć, dlaczego zmiana wersji o 0.1 ma znaczenie, należy spojrzeć na koszty utrzymania tych systemów. Modele AI przetwarzają informacje w porcjach zwanych tokenami. Za każdym razem, gdy prosisz chatbota o napisanie e-maila lub gdy programista prosi go o naprawienie błędu, zużywa on te tokeny. Dla dużej korporacji koszty te sumują się do milionów dolarów miesięcznie. To właśnie tutaj marka „Flash” udowadnia swoją wartość.

Gemini 3.6 Flash jest o około 17 procent wydajniejszy od swojego poprzednika. W praktyce oznacza to, że zużywa mniej zasobów obliczeniowych, aby dostarczyć tę samą odpowiedź. Dla przeciętnego użytkownika przekłada się to na szybszy czas reakcji w aplikacji Gemini. Dla firmy oznacza to niższy rachunek. Cena za tokeny wyjściowe spadła z 9 USD do 7,50 USD za milion. Choć brzmi to jak niewielka zmiana, jest to znacząca poprawa marży dla firm, które co godzinę wykonują tysiące zautomatyzowanych zadań.

Patrząc na szerszy obraz, ta wydajność pozwala na to, co inżynierowie nazywają przepływami pracy opartymi na agentach (agentic workflows). Są to systemy, w których AI nie tylko odpowiada na pytanie, ale wykonuje szereg kroków w celu ukończenia zadania, takiego jak rezerwacja lotu czy uporządkowanie arkusza kalkulacyjnego. Każdy krok kosztuje. Zmniejszając liczbę tokenów na krok, Google sprawia, że ci zautomatyzowani asystenci stają się bardziej opłacalni dla rynku masowego.

Postępy w kodowaniu i obsługa komputera

Google twierdzi, że Gemini 3.6 Flash lepiej radzi sobie z kodowaniem. Firma korzysta z benchmarku o nazwie DeepSWE, aby mierzyć, jak dobrze AI rozwiązuje rzeczywiste problemy z oprogramowaniem. Poprzedni model uzyskał wynik 37 procent, podczas gdy nowa wersja 3.6 osiągnęła 49 procent. To zauważalny skok jak na mniejszą aktualizację wersji. Sugeruje to, że Google dopracowuje sposób, w jaki model rozumie logikę i składnię, niekoniecznie czyniąc go większym lub wolniejszym.

Kolejnym dodatkiem jest standardowe włączenie funkcji „computer use” (obsługa komputera) do API. Pozwala to sztucznej inteligencji na interakcję z interfejsem komputera w sposób zbliżony do ludzkiego – przesuwanie kursora i klikanie przycisków w celu nawigacji po aplikacjach. Test OSWorld, który mierzy tę zdolność, odnotował wzrost z 78,4 procent do 83 procent. Choć nie jest to jeszcze idealny zamiennik dla ludzkiego operatora, jest to znak, że AI coraz lepiej radzi sobie z nawigowaniem po chaotycznym, niezoptymalizowanym oprogramowaniu, którego używamy na co dzień.

Dlaczego wyniki wyszukiwania mogą wydawać się inne

Wraz z wydaniem wersji 3.6, Google wprowadziło Gemini 3.5 Flash Lite. Jest to najmniejszy i najszybszy model w ich obecnej ofercie. Przetwarza on 350 tokenów na sekundę, co jest niemal natychmiastowe w przypadku większości zadań tekstowych. Google już integruje ten model z funkcją AI Overviews w wyszukiwarce Google.

Dla przeciętnego użytkownika jest to najbardziej namacalna zmiana. Gdy szukasz informacji o tym, „jak naprawić nieszczelny kran” i widzisz podsumowanie wygenerowane przez AI na górze strony, szybkość jest najważniejszym czynnikiem. Jeśli ładowanie podsumowania zajmie pięć sekund, prawdopodobnie je przewiniesz. Korzystając z modelu Flash Lite, Google zapewnia, że te podsumowania pojawiają się prawie tak szybko, jak tradycyjne niebieskie linki. Model ten ma moc obliczeniową zbliżoną do topowych modeli AI sprzed roku, ale jest wystarczająco tani, by obsługiwać miliardy ludzi jednocześnie.

Skarbiec cyberbezpieczeństwa

Jednym z bardziej wyspecjalizowanych wydań jest Gemini 3.5 Flash Cyber. Model ten został dostrojony specjalnie do znajdowania luk w kodzie oprogramowania i sugerowania poprawek. Według wewnętrznych testów radzi sobie on niemal tak dobrze, jak znacznie większe modele, takie jak Claude Mythos, zachowując przy tym szybkość mniejszego systemu. Nie można go jednak pobrać ani używać w standardowej aplikacji Gemini.

Google traktuje ten model jako technologię „podwójnego zastosowania”. W niewłaściwych rękach sztuczna inteligencja, która świetnie radzi sobie ze znajdowaniem luk w zabezpieczeniach, jest potężnym narzędziem dla hakerów. Ze względu na to ryzyko, Google trzyma ten model pod kluczem. Obecnie jest on dostępny tylko dla zaufanych partnerów i rządów za pośrednictwem narzędzia o nazwie CodeMender. To ostrożne podejście odzwierciedla rosnący trend w branży, w którym najpotężniejsze wyspecjalizowane narzędzia są ograniczane, aby zapobiec powszechnym zakłóceniom cyfrowym.

Brakujący flagowiec i droga do Gemini 4

Najbardziej rażącym brakiem w tym ogłoszeniu jest Gemini 3.5 Pro. Google pierwotnie obiecywało, że model ten pojawi się w czerwcu, aby konkurować z takimi gigantami jak GPT 5.6 i Claude Fable. Ten termin minął bez premiery. Firma twierdzi teraz, że 3.5 Pro jest w fazie testów z wybranymi partnerami i pojawi się, „gdy będzie gotowy”. Raporty branżowe sugerują, że opóźnienie wynika z niezdolności modelu do pokonania konkurentów w złożonych zadaniach programistycznych.

Nawet gdy Google zmaga się z ukończeniem generacji 3.5, rozpoczęło już wstępne szkolenie (pre-training) Gemini 4. Wstępne szkolenie to najdroższa i najbardziej czasochłonna część budowy AI. Polega ono na dostarczaniu systemowi bilionów punktów danych z całego internetu w celu zbudowania jego wiedzy podstawowej. Ogłaszając Gemini 4 już teraz, Google sygnalizuje inwestorom, że nie zostaje w tyle, nawet jeśli jego obecny harmonogram wydań jest nieco chaotyczny.

Porównanie nowej linii Gemini

Co to oznacza dla Ciebie

Z punktu widzenia konsumenta te aktualizacje oznaczają, że AI staje się niewidoczną częścią infrastruktury, a nie efektowną nową zabawką. Będziesz częściej widzieć podsumowania AI w wynikach wyszukiwania, ponieważ ich dostarczanie jest teraz dla Google tańsze i szybsze. Jeśli jesteś programistą, Twoje koszty właśnie spadły, a Twoje zautomatyzowane narzędzia powinny popełniać mniej błędów podczas pisania kodu.

Ostatecznie opóźnienie modelu „Pro” i pośpiech z wydaniem wersji „3.6” sugerują, że era masowych, nagłych przełomów zwolniła. Jesteśmy teraz w erze optymalizacji. Firmy technologiczne nie próbują już tylko zbudować najmądrzejszego mózgu na świecie. Próbują zbudować ten najwydajniejszy. Jako użytkownik powinieneś zwracać mniejszą uwagę na numery wersji, a większą na to, jak te narzędzia integrują się z Twoim codziennym przepływem pracy. Najbardziej przełomowa sztuczna inteligencja to nie ta, która przejdzie test Turinga, ale ta, która jest wystarczająco szybka i tania, by używać jej do każdego wyszukiwania i e-maila.

Źródła: Google DeepMind Technical Blog, OSWorld Benchmark Reports, DeepSWE Coding Performance Data.