Qu'est-ce que Gemini 3.6 Flash ?

Gemini 3.6 Flash est un modèle IA sorti par Google DeepMind le 21 juillet 2026. C'est un modèle de la gamme Flash, pensé pour les charges de travail courantes : code, travail de connaissance, multimodal. Il consomme 17% de tokens de sortie en moins que Gemini 3.5 Flash pour le même travail, et son prix de sortie baisse de 9 $ à 7,50 $ par million de tokens. Il est disponible en version générale via l'API Google Gemini.

Gemini 3.6 Flash est-il plus intelligent que Gemini 3.5 Flash ?

Sur l'Intelligence Index d'Artificial Analysis, les deux modèles obtiennent le même score de 50. Les gains de Gemini 3.6 Flash se concentrent sur le code (DeepSWE : 49% contre 37%) et l'agentique (MLE-Bench : 63,9% contre 49,7%). Sur les tâches générales, il n'y a pas de différence. C'est un upgrade d'efficacité, pas de puissance brute.

Combien coûte Gemini 3.6 Flash ?

Le prix API est de 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie. Le prix d'entrée est identique à Gemini 3.5 Flash. Le prix de sortie baisse de 16,7% (de 9 $ à 7,50 $). Le cache de prompts coûte 0,15 $ par million en lecture. Sur un volume mensuel de 10M d'entrée et 5M de sortie, l'économie est d'environ 23% par rapport à 3.5 Flash.

Faut-il migrer de Gemini 3.5 Flash à 3.6 Flash ?

Pour la plupart des équipes déjà sur 3.5 Flash, oui. Le prix d'entrée est le même, le prix de sortie est plus bas, le modèle consomme moins de tokens, et les scores agentiques sont supérieurs. Deux choses à vérifier avant de basculer : que tes workloads tiennent dans la limite de 64 000 tokens de sortie, et que la qualité de tes tâches spécifiques ne régresse pas. Fais un test A/B sur ton trafic réel.

Gemini 3.6 Flash est-il disponible en français ?

Oui. Gemini 3.6 Flash gère le français comme toutes les langues principales. Il est accessible depuis la France via l'API Google Gemini, dans Google AI Studio, et dans les produits Google qui l'intègrent. Les performances en français sont au niveau des autres langues.

Gemini 3.6 Flash est-il le modèle le moins cher du marché ?

Non. DeepSeek V4 Flash coûte 0,28 $ par million de tokens de sortie, soit 27 fois moins cher. Claude Haiku 4.5 (5 $) et GPT-5.6 Luna (6 $) sont aussi moins chers en sortie. Ce que Gemini 3.6 Flash propose, c'est un bon rapport intelligence-par-dollar : un Intelligence Index de 50 à 7,50 $/Mtok de sortie, avec un contexte d'un million de tokens et une vitesse de 304 tokens par seconde.

Actualité · Modèles IA

Gemini 3.6 Flash : Google mise sur l'efficacité, pas sur la puissance

30 juillet 2026 · 5 min de lecture

Google a sorti Gemini 3.6 Flash le 21 juillet 2026. Le pitch ne parle pas de puissance brute. Il parle de tokens : 17% de tokens de sortie en moins par rapport à Gemini 3.5 Flash, pour le même travail. Et le prix de sortie baisse de 9 $ à 7,50 $ par million de tokens.

C'est une sortie importante si tu utilises des modèles IA au quotidien, que ce soit via l'API Google, un outil comme Cursor, ou un assistant qui tourne en production. Voici ce qui a changé, ce que ça change pour toi, et les limites à connaître.

Les chiffres-clés

Caractéristique	Gemini 3.6 Flash	Gemini 3.5 Flash	GPT-5.6 Luna	Claude Haiku 4.5
Prix entrée ($/Mtok)	1,50	1,50	1,00	1,00
Prix sortie ($/Mtok)	7,50	9,00	6,00	5,00
Contexte	1M tokens	1M tokens	1M tokens	200k tokens
Intelligence Index	50	50	48	47
Vitesse (tokens/s)	~304	~200	~250	~280

Le prix d'entrée ne change pas. La baisse concerne uniquement les tokens de sortie, c'est-à-dire ce que le modèle produit. Sur un volume mensuel de 10 millions de tokens d'entrée et 5 millions de tokens de sortie, la facture passe de 60 $ à 52,50 $. Si tu ajoutes la réduction de 17% du nombre de tokens de sortie, tu tombes à environ 46 $, soit 23% d'économie totale.

Ce que les benchmarks disent

Artificial Analysis, le laboratoire tiers qui évalue les modèles sur un composite de 9 évaluations, donne à Gemini 3.6 Flash un Intelligence Index de 50. C'est le même score que Gemini 3.5 Flash. En agrégat, le modèle n'est pas plus intelligent.

La différence se voit ailleurs, sur les tâches agentiques et le code :

DeepSWE v1.1 (tâches de génie logiciel) : 49% contre 37% pour 3.5 Flash. Un bond de 12 points.
MLE-Bench (tâches de machine learning) : 63,9% contre 49,7%. Un bond de 14 points.
OSWorld-Verified (computer use) : 83% contre 78,4%.
Terminal-Bench 2.1 (usage du terminal) : 78% contre 76,2%.
GDPval-AA v2 (travail de connaissance) : 1421 Elo contre 1349.

Le gain le plus important est sur DeepSWE et MLE-Bench. Google rapporte aussi que sur DeepSWE, le modèle consomme jusqu'à 65% de tokens de sortie en moins sur les tâches longues. Ce chiffre est spécifique à ce benchmark et ne se généralise pas à tous les usages, mais il montre la direction.

Le détail qui retient l'attention : Gemini 3.6 Flash bat le modèle Pro plus cher de Google (3.1 Pro) sur plusieurs benchmarks agentiques. DeepSWE : 49% contre 12%. SWE-Bench Pro : 58,7% contre 54,2%. Terminal-Bench : 78% contre 73,8%. Le modèle Flash, qui coûte deux à quatre fois moins cher que le Pro, fait mieux sur le code et l'agentique.

Le temps par tâche, pas les tokens par seconde

La vitesse de sortie ne dit pas grand-chose. Un modèle qui émet des tokens vite peut quand même prendre plus de temps si il raisonne plus longtemps, appelle plus d'outils, ou produit des réponses plus longues.

Le chiffre utile vient d'Artificial Analysis : temps moyen par tâche de 1,3 minute contre 2,7 minutes pour 3.5 Flash. C'est sur un workload de raisonnement intense, pas sur un simple chat, mais la tendance est claire : le modèle finit ses tâches plus vite.

Pourquoi ça compte pour toi

Si tu utilises Gemini via l'API : c'est un upgrade quasi gratuit. Même prix d'entrée, prix de sortie plus bas, moins de tokens consommés, scores supérieurs sur le code et l'agentique. Tu testes sur ton trafic réel et tu bascules.

Si tu utilises un assistant qui tourne en boucle agentique : les architectures agentiques multiplient les appels. Un modèle qui consomme 17% de tokens en moins par appel, sur des dizaines d'appels par tâche, l'effet se cumule. La facture d'un agent qui tourne toute la journée peut baisser de 20 à 30%.

Si tu choisis un modèle pour un produit : le marché des modèles "rapides mais assez intelligents" se densifie. Gemini 3.6 Flash, GPT-5.6 Luna, Claude Haiku 4.5, DeepSeek V4 Flash. Le moins cher par token n'est pas forcément le plus rentable. Ce qui compte, c'est le coût par tâche terminée, pas le coût par token.

L'exemple de Maisons&Mobilia

Sophie, responsable support chez Maisons&Mobilia (M&M, enseigne de meubles fictive), utilise un assistant IA pour trier les emails du service après-vente. L'assistant lit chaque email, le classe par catégorie (livraison, remboursement, montage, réclamation), et route vers la bonne équipe. Le volume est de 3000 emails par jour.

Avec Gemini 3.5 Flash, chaque email consomme en moyenne 200 tokens d'entrée et 150 tokens de sortie. Sur un mois, ça représente 18 millions de tokens d'entrée (27 $) et 13,5 millions de tokens de sortie (121,50 $). Total : 148,50 $ par mois.

Avec Gemini 3.6 Flash, le même travail consomme 17% de tokens de sortie en moins, soit 124 tokens par email. Le prix de sortie baisse aussi. Sur un mois : 18 millions d'entrée (27 $) et 11,2 millions de sortie (84 $). Total : 111 $ par mois. L'économie est de 37,50 $ par mois, soit 25%.

Sophie ne change rien à son pipeline. Le modèle est compatible avec la même API. Elle met à jour le nom du modèle dans son code, déploie, et la facture baisse. Sur un an, l'économie est de 450 $.

Le modèle n'est pas plus intelligent sur la tâche de tri. Il est plus efficace. Pour Sophie, qui n'a pas besoin de frontier pour classer des emails, c'est exactement ce qui compte.

Comment ça se compare aux concurrents

Critère	Gemini 3.6 Flash	GPT-5.6 Luna	Claude Haiku 4.5	DeepSeek V4 Flash
Prix sortie ($/Mtok)	7,50	6,00	5,00	0,28
Intelligence Index	50	48	47	45
Vitesse (tokens/s)	~304	~250	~280	~500
Contexte	1M	1M	200k	1M
Open source	Non	Non	Non	Oui

Gemini 3.6 Flash n'est pas le moins cher. DeepSeek V4 Flash coûte 27 fois moins cher par token de sortie. Claude Haiku 4.5 et GPT-5.6 Luna sont aussi moins chers. Ce que Gemini 3.6 Flash vend, c'est le rapport intelligence-par-dollar : un Intelligence Index de 50 (au-dessus de la moyenne du segment rapide) à 304 tokens par seconde, avec un contexte d'un million de tokens.

Si ta tâche est simple et volume-élevé, DeepSeek V4 Flash ou Gemini 3.5 Flash-Lite (0,30 $ entrée, 2,50 $ sortie) sont plus rentables. Si tu as besoin de qualité agentique sans payer le prix frontier, Gemini 3.6 Flash se positionne bien.

Les limites à connaître

L'Intelligence Index ne bouge pas. Artificial Analysis donne le même score global de 50 aux deux générations. Les gains sont réels mais concentrés sur le code et l'agentique. Sur les tâches générales (raisonnement, mathématiques, connaissance), tu ne verras pas de différence.

Le gain de 17% est une moyenne. Ta consommation réelle dépend de tes prompts, de tes réglages, et de ton cas d'usage. Sur certaines tâches, le modèle peut générer plus de tokens que 3.5 Flash parce qu'il raisonne plus. Le gain moyen est réel, mais il fluctue.

La sortie est limitée à 64 000 tokens. Si tu comptais sur des réponses longues en un seul appel, vérifie que tes workloads tiennent dans cette limite.

Gemini 3.5 Pro a glissé. Google n'a pas encore sorti Gemini 3.5 Pro, et Gemini 4 est en pré-entraînement. Gemini 3.6 Flash est un rafraîchissement de la gamme Flash pour combler le vide. Ce n'est pas un saut de génération.

Ce que tu dois retenir

Le modèle n'est pas plus intelligent en agrégat, il est plus efficace. Si tu utilisais Gemini 3.5 Flash, c'est un upgrade direct : même prix d'entrée, prix de sortie plus bas, moins de tokens consommés, scores supérieurs sur le code et l'agentique. Tu testes et tu bascules.
La bataille de l'IA a changé de terrain. Les labs ne se battent plus seulement sur "qui est le plus intelligent". Ils se battent sur "qui fait le même travail pour moins cher". Gemini 3.6 Flash, GPT-5.6 Luna, Claude Haiku 4.5 : tous visent le même segment, le modèle du quotidien qui traite les volumes. C'est le segment qui compte pour ton portefeuille.
Le coût par tâche terminée, pas le coût par token. Un modèle moins cher par token qui génère plus de tokens pour arriver au même résultat n'est pas forcément plus rentable. Mesure sur tes tâches réelles, pas sur les tarifs affichés.

Aller plus loin

Pour comprendre pourquoi les architectures agentiques multiplient les appels et les coûts, lis notre article sur les agents IA. Pour voir comment comparer des modèles sur tes propres tâches, notre guide sur le choix de modèle pose la méthode. Et pour comprendre pourquoi l'open source rattrape le frontier à fraction du prix, notre analyse de Kimi K3 donne le contexte.

Dans l'app saisir.ai, tu apprends à comparer les modèles, mesurer le coût réel de tes tâches, et choisir le bon outil pour chaque usage, en 5 minutes par jour, en français, sans coder.

Sources

Questions fréquentes

Qu'est-ce que Gemini 3.6 Flash ?: Gemini 3.6 Flash est un modèle IA sorti par Google DeepMind le 21 juillet 2026. C'est un modèle de la gamme Flash, pensé pour les charges de travail courantes : code, travail de connaissance, multimodal. Il consomme 17% de tokens de sortie en moins que Gemini 3.5 Flash pour le même travail, et son prix de sortie baisse de 9 $ à 7,50 $ par million de tokens. Il est disponible en version générale via l'API Google Gemini.
Gemini 3.6 Flash est-il plus intelligent que Gemini 3.5 Flash ?: Sur l'Intelligence Index d'Artificial Analysis, les deux modèles obtiennent le même score de 50. Les gains de Gemini 3.6 Flash se concentrent sur le code (DeepSWE : 49% contre 37%) et l'agentique (MLE-Bench : 63,9% contre 49,7%). Sur les tâches générales, il n'y a pas de différence. C'est un upgrade d'efficacité, pas de puissance brute.
Combien coûte Gemini 3.6 Flash ?: Le prix API est de 1,50 $ par million de tokens d'entrée et 7,50 $ par million de tokens de sortie. Le prix d'entrée est identique à Gemini 3.5 Flash. Le prix de sortie baisse de 16,7% (de 9 $ à 7,50 $). Le cache de prompts coûte 0,15 $ par million en lecture. Sur un volume mensuel de 10M d'entrée et 5M de sortie, l'économie est d'environ 23% par rapport à 3.5 Flash.
Faut-il migrer de Gemini 3.5 Flash à 3.6 Flash ?: Pour la plupart des équipes déjà sur 3.5 Flash, oui. Le prix d'entrée est le même, le prix de sortie est plus bas, le modèle consomme moins de tokens, et les scores agentiques sont supérieurs. Deux choses à vérifier avant de basculer : que tes workloads tiennent dans la limite de 64 000 tokens de sortie, et que la qualité de tes tâches spécifiques ne régresse pas. Fais un test A/B sur ton trafic réel.
Gemini 3.6 Flash est-il disponible en français ?: Oui. Gemini 3.6 Flash gère le français comme toutes les langues principales. Il est accessible depuis la France via l'API Google Gemini, dans Google AI Studio, et dans les produits Google qui l'intègrent. Les performances en français sont au niveau des autres langues.
Gemini 3.6 Flash est-il le modèle le moins cher du marché ?: Non. DeepSeek V4 Flash coûte 0,28 $ par million de tokens de sortie, soit 27 fois moins cher. Claude Haiku 4.5 (5 $) et GPT-5.6 Luna (6 $) sont aussi moins chers en sortie. Ce que Gemini 3.6 Flash propose, c'est un bon rapport intelligence-par-dollar : un Intelligence Index de 50 à 7,50 $/Mtok de sortie, avec un contexte d'un million de tokens et une vitesse de 304 tokens par seconde.