Google, yapay zeka ailesini genişleterek Gemini 3.6 Flash modelini ve siber güvenlik odaklı yeni çözümlerini duyurdu. Geliştiriciler ve son kullanıcılar için hız ve verimlilik odaklı güncellemeler sunan şirket, aynı zamanda gelecekteki modelleri hakkında ipuçları verdi.

Gemini 3.6 Flash ile Daha Güçlü Kodlama ve Verimlilik

Kullanıcı geri bildirimleri doğrultusunda güncellenen Gemini 3.6 Flash, özellikle kod üretimi konusunda ciddi iyileştirmeler sunuyor. DeepSWE testlerinde 3.5 Flash'ın yüzde 37'lik skorunu yüzde 49'a çıkaran yeni model, bilgisayar kullanımı (OSWorld testi) performansını da yüzde 78.4'ten yüzde 83'e yükseltti.

Yalnızca performans değil, maliyet ve kaynak kullanımı da optimize edildi. Yeni model, önceki versiyona göre yaklaşık yüzde 17 daha az token kullanarak daha yüksek verimlilik sağlıyor. API maliyetleri tarafında giriş tokenları 1.50 dolar seviyesinde tutulurken, çıkış tokenları 9 dolardan 7.50 dolara düşürüldü.

Hız Odaklı Flash Lite ve Siber Güvenlik Uzmanı Model

Şirket, saniyede 350 token üretme kapasitesine sahip, oldukça hızlı ve ekonomik olan Gemini 3.5 Flash Lite modelini de piyasaya sürdü. Bu model, özellikle Google Arama üzerindeki yapay zeka özetlerinin hızlandırılması ve düşük maliyetli ajan sistemlerinin ölçeklendirilmesi için tasarlandı.

Güvenlik tarafında ise Google'ın ilk özel siber güvenlik modeli olan Gemini 3.5 Flash Cyber tanıtıldı. Siber güvenlik açıklarını bulma ve düzeltme konusunda yüksek performans sergileyen bu model, kötü niyetli kullanım riskleri nedeniyle halka açık olmayacak. Model, yalnızca güvenilir ortaklar ve hükümetler için Google DeepMind'ın CodeMender aracı üzerinden sınırlı bir pilot uygulama ile sunulacak.

Ne anlama geliyor?

Yapay zeka dünyasında token kullanımı, sistemin işlediği veri birimlerini temsil eder ve doğrudan maliyetle ilişkilidir. Daha az veri birimiyle daha doğru sonuçlar üretmek, işletmelerin operasyonel giderlerini düşürürken yanıt sürelerini kısaltır. Bu durum, karmaşık görevleri ardışık adımlarla çözen otonom sistemlerin daha erişilebilir olmasını sağlar.

Siber güvenlik odaklı eğitilmiş modeller, yazılımlardaki zafiyetleri tespit etmek için devasa veri setlerini analiz eder. Ancak bu yetenek, saldırganlar tarafından sistem açıklarını keşfetmek için de kullanılabileceğinden, erişim kısıtlamaları uygulanır. Bu yöntem, teknolojik gelişimi sürdürürken dijital güvenliğin korunmasını amaçlayan bir denge mekanizmasıdır.