출처
- source_url: https://discuss.pytorch.kr/t/google-gemini-3-6-flash-3-5-flash-lite/11385
- author: 9bow
- published: Wed, 22 Jul 2026 04:00:47 +0000
- raw: raw source:
2026-07-22-pytorchkr-topic-11385-google-gemini-3-6-flash-3-5-flash-lite
개요
Google이 2026-07-21 경량 Flash 계열을 세 모델로 넓혔다. Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, 보안 특화 Gemini 3.5 Flash Cyber다. 공통 주제는 토큰 효율로, 같은 작업을 더 적은 출력 토큰과 추론 단계로 끝내면서 품질은 올렸다는 것이다. 에이전트가 모델을 수십~수백 번 반복 호출하는 시대에는 호출당 장황함과 도구 호출 한 단계가 전체 비용·지연으로 불어나기 때문이다. Google은 Gemini 3.5 Pro를 파트너와 테스트 중이며 Gemini 4 사전학습을 시작했다고도 밝혔다.
핵심 포인트
- 3.6 Flash(주력 일꾼 모델): 3.5 Flash 대비 출력 토큰 17% 감소(Artificial Analysis Index), DeepSWE에서는 작업당 평균 27.6만 → 9.7만 토큰으로 최대 65% 감소. DeepSWE v1.1 49%(3.5 Flash 37%), MLE-Bench 63.9%(49.7%), GDPval-AA v2 1,421(1,349), OSWorld-Verified 83.0%(78.4%). 가격은 입력 7.50(3.5 Flash 출력 $9.00보다 낮음). 컨텍스트 입력 100만·출력 6.4만 토큰, 모델 코드
gemini-3.6-flash. 컴퓨터 사용이 API의 내장 도구로 제공된다. - 3.5 Flash-Lite(처리량): 초당 350 출력 토큰으로 3.5 계열 최고속, 입력 2.50. 사고 수준(minimal·low~high)을 조절한다. Terminal-Bench 2.1 54%(3.1 Flash-Lite 31%), SWE-Bench Pro 54.2%·OSWorld-Verified 74.0%로 상위 모델 3 Flash(49.6%·65.1%)도 앞선다.
- 3.5 Flash Cyber: 3.5 Flash를 취약점 탐지·수정용으로 미세조정했다. 보안 에이전트 CodeMender 안에서 여러 인스턴스가 협업하며 CyberGym 83.2%. 이중 용도 우려로 정부·신뢰 파트너 대상 제한 파일럿으로만 제공한다.
- 경쟁 비교에서의 위치: SWE-Bench Pro(58.7%)·GDPval-AA에서는 GPT-5.6 Luna·Grok 4.5·Claude Sonnet 5가 앞서지만, OSWorld-Verified 83.0%는 표 전체 1위이고 장문(GDM-MRCR v2 1M) 54.0%로 3.5 Flash(26.6%)의 두 배다. 절대 성능보다 성능당 비용 경쟁에 강한 모델이다.
- 안전: CBRN·사이버 오용에 강화된 Frontier Safety 안전장치를 적용하면서 불필요한 거부는 줄였다고 밝혔다.
왜 중요한가
모델 경쟁의 축이 “가장 똑똑한 모델”에서 “반복 호출에 싸고 빠른 충분히 똑똑한 모델”로 옮겨가는 흐름을 보여준다. 에이전트 워크로드에서는 벤치 점수만큼 작업당 토큰 수가 비용을 가른다.
참고 링크
- 원문: https://discuss.pytorch.kr/t/google-gemini-3-6-flash-3-5-flash-lite/11385
- Google 블로그: Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber (2026-07-21)
관련 위키
원문 보존 위치
원문 전체는 raw source: 2026-07-22-pytorchkr-topic-11385-google-gemini-3-6-flash-3-5-flash-lite에 source_url 및 HTML 원문과 함께 저장되어 있습니다.