Η Google υποσχέθηκε το Gemini 3.5 Pro τον Μάιο και δεν το παράδωσε — ενώ κυκλοφόρησε τρία Flash μοντέλα που έχουν σημαντικά κενά σε δουλειές προγραμματισμού. Η αγορά το έβαλε στη θέση της με πτώση 4,4% της μετοχής Alphabet.
- Το Gemini 3.5 Pro δεν κυκλοφορήθηκε επειδή απέτυχε σε εσωτερικές δοκιμές προγραμματισμού — η Google αρνείται ακόμα ημερομηνία κυκλοφορίας.
- Το Gemini 3.6 Flash είναι 17% πιο αποδοτικό και 44% πιο φθηνό από το 3.5 Flash, αλλά αποτυγχάνει σε πρακτικές εργασίες κώδικα όπως το DeepSeek.
- Το Gemini 3.5 Flash-Lite για ultra-high-throughput και το Gemini 3.5 Flash Cyber (κυβερνητικό μόνο) συμπληρώνουν τη σειρά — το Gemini 4 είναι ήδη σε προ-εκπαίδευση.
Γιατί δεν κυκλοφόρησε το Gemini 3.5 Pro;
Το Gemini 3.5 Pro έπρεπε να φτάσει στο κοινό ένα μήνα μετά το Google I/O 2026, δηλαδή τον Ιούνιο. Δεν έφτασε — και η Google δεν έχει ακόμα δηλώσει πότε θα συμβεί αυτό. Το Bloomberg αποκάλυψε τον Ιούλιο ότι το μοντέλο δεν πληρούσε εσωτερικές απαιτήσεις απόδοσης, ιδιαίτερα σε εργασίες προγραμματισμού.
Η ομάδα της Google προσπάθησε να διορθώσει το πρόβλημα μέσω ενημέρωσης των δεδομένων εκπαίδευσης στα τέλη Ιουνίου — χωρίς αποτέλεσμα. Αυτή η αποτυχία έχει συγκεκριμένη αξία στην αγορά: η μετοχή της Alphabet έπεσε 4,4% την ημέρα της δημοσίευσης, σβήνοντας περίπου 200 δισ. δολάρια κεφαλαιοποίησης. Είναι σπάνιο μια τεχνολογική εταιρεία να χάσει τόσο πολύ λόγω καθυστέρησης ενός AI μοντέλου — αυτό λέει τι περιμένουν οι επενδυτές από μια “Pro” έκδοση.
Η τελευταία Pro κυκλοφορία της Google ήταν το Gemini 3.1 Pro τον Φεβρουάριο. Σχεδόν πέντε μήνες χωρίς νέα Pro έκδοση σε ένα περιβάλλον όπου οι ανταγωνιστές (OpenAI, Anthropic, DeepSeek) κυκλοφορούν νέα μοντέλα κάθε 2-3 μήνες είναι κρίσιμο.
Τα Flash μοντέλα δεν είναι ό,τι χρειάζεσαι για κώδικα
Για να καταλάβεις τι σημαίνει η αποτυχία του Gemini 3.5 Pro, πρέπει να ξέρεις πώς λειτουργούν τα Flash μοντέλα. Δεν είναι αποικοδόμηση ή δυσμενής αντιμετώπιση: τα Flash μοντέλα είναι σχεδιασμένα εξ αρχής για ταχύτητα και χαμηλό κόστος, όχι για μέγιστη ακρίβεια. Χρησιμοποιούνται για AI agents — αυτόματα συστήματα που τρέχουν εργασίες χωρίς χειροκίνητη παρέμβαση, όπως η δομημένη ανάλυση εγγράφων ή η περιήγηση στο web.
Το πρόβλημα: η κωδικοποίηση (code generation) απαιτεί ακρίβεια στη σύνταξη και τη λογική που τα Flash μοντέλα δεν εγγυώνται. Ένα πρόγραμμα με ένα λάθος είναι άχρηστο — δεν υπάρχει “αρκετά καλό” στον προγραμματισμό.
Το Decrypt ανέφερε δοκιμή σε κωδικοποίηση: το Gemini 3.6 Flash παραγήγαγε HTML με σημαντικές σφάλματα μορφοποίησης και στοιχεία που δεν εμφανίζονταν σωστά. Οι επόμενες προσπάθειες επέστρεψαν παρόμοια αποτελέσματα. Όταν ζητήθηκε από το DeepSeek να διορθώσει τα bugs, το μοντέλο εντόπισε 11 σφάλματα και εφάρμοσε 8 κρίσιμες διορθώσεις, καταλήγοντας σε ένα playable παιχνίδι. Η κεντρική λογική του Gemini ήταν σωστή — αλλά οι λεπτομέρειες το καθιστούσαν αχρησιμοποίητο.
Gemini 3.6 Flash: ταχύτερο και φθηνότερο — αλλά ανεπαρκές
Το Gemini 3.6 Flash είναι η κύρια κυκλοφορία του καλοκαιριού. Βελτιώθηκε σε δύο σημεία: χρησιμοποιεί 17% λιγότερα output tokens (σημαίνει ότι παράγει συντομότερες απαντήσεις χωρίς να χάνει πληροφόρηση) και κοστίζει περισσότερο φθηνά — 1,50 δολ. ανά εκατομμύριο input tokens και 7,50 δολ. ανά εκατομμύριο output tokens, έναντι 9 δολ. για το 3.5 Flash. Σε agents που τρέχουν 24/7 και κάνουν χιλιάδες κλήσεις API, αυτή η διαφορά γίνεται αισθητή γρήγορα.
Στα benchmarks, το 3.6 Flash δείχνει πρόοδο σε ειδικές εργασίες: 49% στο DeepSWE v1.1 (περισσότερο από 37% του 3.5 Flash), 63,9% στο MLE-Bench έναντι 49,7%, και 83,0% στο OSWorld-Verified, πρωτεύοντας έναντι του Claude Sonnet 5 (81,2%) και του GPT-5.6 Luna (72,6%). Αλλά αυτές είναι ειδικές εργασίες — το κοινό benchmark στη κωδικοποίηση (DeepSWE) δείχνει ότι το GPT-5.6 Luna φτάνει το 67%, πολύ πιο κοντά στο κορυφαίο επίπεδο. Και σε γνωστικές εργασίες (GDPval-AA v2), το Claude Sonnet 5 ηγείται με 1607 βαθμούς Elo έναντι 1421 του 3.6 Flash — δηλαδή ένα αισθητό χάσμα.
Σε απλά λόγια: το 3.6 Flash είναι κατάλληλο για agents που χρειάζονται γρήγορες απαντήσεις σε δομημένες εργασίες. Όχι για λεπτές δουλειές κώδικα, δημιουργική σύνταξη ή σύνθετη ανάλυση.
Flash-Lite και Cyber: ειδικές χρήσεις
Το Gemini 3.5 Flash-Lite είναι σχεδιασμένο για έναν και μόνο σκοπό: μεγάλος όγκος δεδομένων με ελάχιστη καθυστέρηση. Παράγει 350 output tokens ανά δευτερόλεπτο (ενώ τα άλλα μοντέλα είναι σαφώς αργότερα) και κοστίζει 0,30 δολ. ανά εκατομμύριο input tokens — το φθηνότερο που προσφέρει η Google. Αν χρειάζεσαι να επεξεργαστείς 10 εκατομμύρια ηλεκτρονικά μηνύματα ή παραγγελίες σε ένα batch job, αυτό είναι το εργαλείο. Και ναι, υπερτερεί του παλαιού Gemini 3 Flash σε κωδικοποίηση (54% στο Terminal-Bench 2.1 έναντι 31%), αλλά τα σχετικά νούμερα δείχνουν ότι ακόμα δεν είναι αξιόπιστο για critical tasks.
Το Gemini 3.5 Flash Cyber είναι διαφορετικό — περιορίζεται σε κυβερνήσεις και ορισμένες εταιρείες ασφαλείας. Το έχει σχεδιάσει ώστε να ανακαλύπτει και να διορθώνει ευπάθειες λογισμικού. Είναι εργαλείο διπλής χρήσης (δηλαδή θα μπορούσε να χρησιμοποιηθεί και για το αντίθετο σκοπό), οπότε η Google το κρατά κάτω από έλεγχο. Όχι τίποτα δημόσιο.
Η Google κατασκευάζει ήδη το Gemini 4
Ενώ περιμένουμε το Gemini 3.5 Pro, η ομάδα DeepMind της Google έχει ανακοινώσει ότι ξεκίνησε «την πιο φιλόδοξη φάση pre-training μέχρι σήμερα» για το Gemini 4. Το pre-training είναι η θεμελιώδης φάση όπου ένα μοντέλο μαθαίνει από ένα τεράστιο σύνολο κειμένου και δεδομένων πριν ειδικευθεί (fine-tuning) για συγκεκριμένες εργασίες.
Το σημαντικό: δεν λέγε απλώς ότι σχεδιάζουν το Gemini 4. Λέγε ότι το κατασκευάζουν ενεργά τώρα. Αυτό σημαίνει ότι η Google δουλεύει πάνω στην εκπαίδευση και αναμένει ένα εντελώς νέο επίπεδο απόδοσης. Το χρονοδιάγραμμα είναι άγνωστο, αλλά εάν το Gemini 4 έρθει με βασική προέμφαση στην κωδικοποίηση, θα μπορούσε να αλλάξει το παιχνίδι.
Η άποψή μας στο TechNoid
Η Google βρίσκεται σε δύσκολη θέση. Κυκλοφορούσε τρία Flash μοντέλα που είναι χρήσιμα για agents και batch processing, αλλά αποφεύγει να ζητήσει από τους χρήστες ότι δεν είναι κατάλληλα για κρίσιμες εργασίες κώδικα. Τα benchmarks λέγουν μια ιστορία — τα πραγματικά test runs λέγουν μια άλλη. Η αποτυχία του Gemini 3.5 Pro δεν είναι τυχαία: είναι ένδειξη ότι η Google δεν έχει ακόμα λυμένο το πρόβλημα της ακρίβειας σε λεπτές εργασίες.
Αν χρησιμοποιείς Gemini για παραγωγή κώδικα σε παραγωγή, θα περιμέναμε εμείς. Το 3.6 Flash είναι καλό για prototypes και ιδέες — όχι για παραγωγικά συστήματα. Το Gemini 3.5 Pro θα μας δείξει αν η Google μπορεί να συναγωνιστεί το DeepSeek (που σήμερα κορυφώνει τα coding benchmarks) και το GPT-5.6 Luna. Μέχρι τότε, αν χρειάζεσαι αξιοπιστία σε κώδικα, χρησιμοποίησε DeepSeek ή OpenAI — και ελέγξε πάντα το output.
