Google lanserar lättviktsmodell specialbyggd för cybersäkerhet – och tre nya Gemini-modeller som skär ner kostnaderna

Google slår tre flugor i en smäll

Bara månader efter att Gemini 3.5 Flash hyllades som höjdpunkten på Googles utvecklarkonferens I/O är den modellen redan historia. Det är det tempo vi lever i nu – och Google DeepMind verkar ha accepterat det fullt ut.

I veckan presenterade Google tre nya modeller: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite och den som verkligen fick mig att lyfta på ögonbrynen – Gemini 3.5 Flash Cyber. Tillsammans täcker de in tre strategiska fronter: effektivitet för företagsagenter, lägre kostnad för massbearbetning och – för första gången i sitt slag – en lättviktsmodell specialbyggd för cybersäkerhet.

Snabbare, billigare, smartare på kod

Gemini 3.6 Flash är tänkt att ta över som Googles primära arbetsmodell för kod, kunskapsarbete och multimodala uppgifter. Siffrorna talar för sig själva: i kodningsprovet DeepSWE stiger träffsäkerheten från 37 till 49 procent, och på MLE Bench – som mäter förmågan att bedriva maskininlärningsforskning – hoppar resultatet från 49,7 till hela 63,9 procent, enligt DeepMinds egen blogg.

Men det kanske mest imponerande är vad modellen inte gör: den genererar i genomsnitt 17 procent färre utdatatecken än sin föregångare, rapporterar Ars Technica och AI News samstämmigt. I vissa riktmärken uppgår minskningen till hela 65 procent. Det låter kanske tekniskt – men för ett företag som kör AI-agenter tusentals gånger i timmen är det skillnaden mellan ett system som är lönsamt och ett som blöder pengar.

Prisbilden är tydlig: 1,50 dollar per miljon inmatningstecken och 7,50 dollar per miljon utdatatecken. Företag som Figma, det juridiska teknikbolaget Harvey och analysverktyget Hebbia uppges redan ha börjat använda modellen för att tolka finansiella dokument och ta fram rapportutkast.

För den som behöver ännu lägre kostnad finns Gemini 3.5 Flash-Lite – en ännu mer ekonomisk variant riktad mot enklare massbearbetning där volymen är hög men uppgifterna mer okomplicerade.

Cybersäkerhet: en helt ny front

Sen är det Gemini 3.5 Flash Cyber – och här blir det verkligt intressant.

Problemet som Google DeepMind pekar på är välkänt inom säkerhetsbranschen: AI-verktyg blir allt bättre på att hitta säkerhetsbrister i programkod, men angripare tar till sig dessa verktyg snabbare än försvarare hinner täppa till hålen. Svaret är en modell som är fintränad specifikt för att identifiera, bekräfta och åtgärda säkerhetsproblem – utan att kräva de beräkningsresurser som ett tungt flaggskeppsmodell innebär.

Det smarta med arkitekturvalet är att Flash-basen är känd för sin snabbhet och kostnadseffektivitet. Genom att finträna den för säkerhetsändamål har Google skapat något som kan kallas upprepade gånger av kodgranskningsverktyget CodeMender, där flera underagenter parallellt analyserar olika delar av en kodbas och sedan sammanfattar sina fynd. I tester på V8 – Javascriptmotorn bakom Chrome – visade sig detta angreppssätt ge konkreta, mätbara resultat, enligt DeepMinds blogg.

Detta är ett genomtänkt drag. Istället för att be ett dyrt, tungt modellsystem göra jobbet ensamt skapar man ett distribuerat, parallellt system av specialiserade lättviktsagenter. Det är exakt så moderna produktionssystem behöver fungera.

Vad säger detta om kapplöpningen?

Den flaggskeppsmodell alla egentligen väntar på – Gemini 3.5 Pro – lyser fortfarande med sin frånvaro. Google bekräftar att den är försenad och fortfarande under testning. Det är en öppen flanke mot OpenAI och Anthropic, som båda har starka erbjudanden i det övre segmentet.

Men medan alla stirrar på flaggskeppsnivån bygger Google metodiskt ut sin position i mellansegmentet och agentlösningarna – det vill säga just där de flesta verkliga företagsimplementeringar faktiskt sker. Det är en medveten strategi, och den börjar se skarp ut.