Google has spent the last few weeks filling out its Gemini lineup with a clear message: speed and specialization matter

കഴിഞ്ഞ ഏതാനും ആഴ്ചകളായി ഗൂഗിൾ അതിന്റെ Gemini നിരയെ വിപുലീകരിച്ചുകൊണ്ടിരിക്കുകയാണ്. വേഗതയും വൈദഗ്ധ്യവും (specialization) അമിതമായ കരുത്ത് (brute force) പോലെ തന്നെ പ്രധാനമാണെന്ന സന്ദേശമാണ് അവർ നൽകുന്നത്. ഡെവലപ്പർ മാർക്കറ്റിലെ വിവിധ ആവശ്യങ്ങൾക്കായി പ്രത്യേകം രൂപകൽപ്പന ചെയ്ത മൂന്ന് പുതിയ Flash വേരിയന്റുകൾ കമ്പനി പുറത്തിറക്കി. എന്നാൽ ഈ മുന്നേറ്റത്തിനിടയിലും ഒരു പ്രധാന വിടവ് അവശേഷിക്കുന്നു. ഫ്ലാഗ്ഷിപ്പ് മോഡലായ Gemini 3.5 Pro ഇപ്പോഴും പൊതുജനങ്ങൾക്ക് ലഭ്യമായിട്ടില്ല, ഇതിനിടയിൽ എതിരാളികൾ കാത്തുനിൽക്കുന്നില്ല.

Gemini 3.6 Flash: കരുത്തിന് പകരം സാമ്പത്തിക ലാഭത്തിന് മുൻഗണന

ഈ പ്രഖ്യാപനത്തിലെ പ്രധാന ആകർഷണം Gemini 3.6 Flash ആണ്. പല ഡെവലപ്പർമാരും സന്തോഷത്തോടെ സ്വീകരിക്കുന്ന ഒരു വിട്ടുവീഴ്ച (trade-off) ആണ് ഗൂഗിൾ ഇതിനായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. വേഗതയിലും ചിലവിലും വലിയ പുരോഗതി വരുത്തുന്നതിനായി ഇത് അതിന്റെ പരമാവധി പ്രകടനത്തിൽ (peak raw performance) ചെറിയ വിട്ടുവീഴ്ച ചെയ്യുന്നു. ഓട്ടോണമസ് ഏജന്റുകൾ, ഹൈ-ത്രൂപുട്ട് APIs, അല്ലെങ്കിൽ വലിയ തോതിലുള്ള കണ്ടന്റ് പൈപ്പ്‌ലൈനുകൾ എന്നിവ പ്രവർത്തിപ്പിക്കുന്ന ടീമുകളെ സംബന്ധിച്ചിടത്തോളം, ലാഭകരമായ ഒരു ഉൽപ്പന്നവും വെറുമൊരു പരീക്ഷണവും തമ്മിലുള്ള വ്യത്യാസം ഈ വിട്ടുവീഴ്ചയായിരിക്കും.

കാര്യക്ഷമതയിലെ വർദ്ധനവ് വളരെ വ്യക്തമാണ്. Artificial Analysis Index അനുസരിച്ച്, 3.6 Flash അതിന്റെ മുൻഗാമിയായ 3.5 Flash-നെ അപേക്ഷിച്ച് ഏകദേശം 17 ശതമാനം കുറഞ്ഞ ഔട്ട്‌പുട്ട് ടോക്കണുകൾ ഉപയോഗിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. DeepSWE പോലുള്ള ബെഞ്ച്മാർക്കുകളിൽ, ടോക്കൺ ലാഭത്തിൽ 65 ശതമാനം വരെ ഉയരാമെന്ന് ഗൂഗിൾ അവകാശപ്പെടുന്നു. നിങ്ങൾ ഓരോ ടോക്കണിനും പണം നൽകുകയും ദിവസവും ദശലക്ഷക്കണക്കിന് റിക്വസ്റ്റുകൾ പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുമ്പോൾ, ഈ ശതമാനങ്ങൾ നേരിട്ട് നിങ്ങളുടെ ബജറ്റിൽ സ്വാധീനം ചെലുത്തും.

വിലനിർണ്ണയം ഈ ലഭ്യതയെയാണ് സൂചിപ്പിക്കുന്നത്. ഒരു ദശലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് $1.50 വരും, അതേസമയം ഒരു ദശലക്ഷം ഔട്ട്‌പുട്ട് ടോക്കണുകൾക്ക് $7.50 വരും. മണിക്കൂറിൽ ആയിരക്കണക്കിന് ഇന്ററാക്ഷനുകൾ കൈകാര്യം ചെയ്യുന്ന ഒരു കസ്റ്റമർ സപ്പോർട്ട് ഏജന്റോ കോഡ്-റിവ്യൂ അസിസ്റ്റന്റോ ഫ്ലാഗ്ഷിപ്പ് മോഡലുകളെ അപേക്ഷിച്ച് ഈ വിഭാഗത്തിൽ വളരെ കുറഞ്ഞ തുക മാത്രമേ ചിലവാക്കൂ. ചെറിയ സ്റ്റാർട്ടപ്പുകൾക്കും ഇൻഡി ഡെവലപ്പർമാർക്കും അവരുടെ ക്ലൗഡ് ക്രെഡിറ്റുകൾ ഒരാഴ്ചയ്ക്കുള്ളിൽ തീർക്കാതെ തന്നെ ഏജന്റിക് വർക്ക്ഫ്ലോകൾ (agentic workflows) നിർമ്മിക്കാൻ ഇതിലൂടെ സാധിക്കും.

ഈ മോഡൽ വെറുതെ വില കുറഞ്ഞത് മാത്രമല്ല; ഏജന്റിക് ജോലികളിൽ ഇത് ശ്രദ്ധേയമായ രീതിയിൽ ബുദ്ധിമാനുമാണ്. MLE Bench-ൽ സ്കോറുകൾ 49.7 ശതമാനത്തിൽ നിന്ന് 63.9 ശതമാനമായി ഉയർന്നു. OSWorld-Verified 78.4 ശതമാനത്തിൽ നിന്ന് 83 ശതമാനമായി ഉയർന്നു. ഇവ ചെറിയ നേട്ടങ്ങളല്ല. 3.6 Flash അതിന്റെ മുൻഗാമിയേക്കാൾ കൂടുതൽ വിശ്വാസ്യതയോടെ മൾട്ടി-സ്റ്റെപ്പ് ടാസ്ക്കുകൾ പ്ലാൻ ചെയ്യാനും ഡീബഗ് ചെയ്യാനും പ്രവർത്തിപ്പിക്കാനും കഴിയുമെന്ന് ഇവ സൂചിപ്പിക്കുന്നു. നിങ്ങൾ ഒരു ഓട്ടോണമസ് റിസർച്ച് അസിസ്റ്റന്റോ അല്ലെങ്കിൽ ഒരു ഡിപ്ലോയ്മെന്റ് ഏജന്റോ നിർമ്മിക്കുകയാണെങ്കിൽ, സൈദ്ധാന്തികമായ കരുത്തിനേക്കാൾ ഈ അധിക ശേഷി പ്രധാനമാണ്.

സ്പെഷ്യലിസ്റ്റുകൾ: Flash-Lite, Flash Cyber

3.6 Flash ഒരു ഓൾറൗണ്ടർ ആണെങ്കിൽ, മറ്റ് രണ്ട് റിലീസുകൾ പ്രത്യേക ആവശ്യങ്ങൾക്കായി കൃത്യമായ ലക്ഷ്യത്തോടെയാണ് പുറത്തിറക്കിയിരിക്കുന്നത്.

Gemini 3.5 Flash-Lite നിർമ്മിച്ചിരിക്കുന്നത് വേഗതയ്ക്ക് മുൻഗണന നൽകിക്കൊണ്ടാണ്. ഇത് സെക്കൻഡിൽ 350 ഔട്ട്‌പുട്ട് ടോക്കണുകൾ ഉൽപ്പാദിപ്പിക്കുന്നു, കൂടാതെ ഒരു ദശലക്ഷം ഇൻപുട്ട് ടോക്കണുകൾക്ക് വെറും $0.30 മാത്രമേ ചിലവ് വരുന്നുള്ളൂ. ഈ വില അവഗണിക്കാനാവില്ല. നിങ്ങളുടെ വരുമാനത്തേക്കാൾ കൂടുതൽ ഇൻഫറൻസ് ബില്ല് (inference bill) വരാതെ തന്നെ നിങ്ങൾക്ക് റിയൽ-ടൈം ചാറ്റ് ഇന്റർഫേസുകൾ, ക്ലാസിഫിക്കേഷൻ പൈപ്പ്‌ലൈനുകൾ, അല്ലെങ്കിൽ ഉയർന്ന അളവിലുള്ള ഡാറ്റാ എക്സ്ട്രാക്ഷൻ ജോലികൾ എന്നിവ നടത്താം.

Flash-Lite-നെ കൂടുതൽ രസകരമാക്കുന്നത് അത് ചില സന്ദർഭങ്ങളിൽ അതിന്റെ കപ്പാസിറ്റിയേക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്നു എന്നതാണ്. ചില ഏജന്റിക് സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗ്, കമ്പ്യൂട്ടർ ഉപയോഗം എന്നിവയുമായി ബന്ധപ്പെട്ട ജോലികളിൽ ഇത് വലിയ Gemini 3 Flash-നെ മറികടക്കുന്നുണ്ടെന്ന് ഗൂഗിൾ പറയുന്നു. വലുതായാൽ എപ്പോഴും മികച്ചതാകുമെന്ന ധാരണയാണ് വ്യവസായം വർഷങ്ങളായി പിന്തുടരുന്നത്. എന്നാൽ ഒരു ചെറിയ, ഒപ്റ്റിമൈസ് ചെയ്ത മോഡലിന് പ്രത്യേക ജോലികളിൽ വലിയൊരു ജനറലിസ്റ്റിനെക്കാൾ മികച്ച രീതിയിൽ പ്രവർത്തിക്കാൻ കഴിയുമെന്ന് തെളിയിച്ചുകൊണ്ട് Flash-Lite ആ ആശയത്തെ വെല്ലുവിളിക്കുന്നു. ഒരു പ്രത്യേക പ്രൊഡക്ഷൻ ടാസ്ക്കിനായി മോഡൽ തിരഞ്ഞെടുക്കുന്ന എഞ്ചിനീയർമാരെ സംബന്ധിച്ചിടത്തോളം ഈ ഒപ്റ്റിമൈസേഷൻ വളരെ ആകർഷകമാണ്.

അടുത്തത് Gemini 3.5 Flash Cyber ആണ്. ഇതൊരു ജനറൽ ചാറ്റ്ബോട്ട് അല്ല. ഇത് ഗൂഗിളിന്റെ CodeMender ഏജന്റിൽ നേരിട്ട് സംയോജിപ്പിച്ചിട്ടുള്ളതും സൈബർ സെക്യൂരിറ്റി വർക്ക്ഫ്ലോകൾക്കായി പ്രത്യേകം തയ്യാറാക്കിയതുമായ ഒരു സെക്യൂരിറ്റി സ്പെഷ്യലിസ്റ്റാണ്. CyberGym ബെഞ്ച്മാർക്കിൽ ഇത് 83.2 ശതമാനം സ്കോർ ചെയ്തു. ഇത് ഇതിനെ ... എന്ന നിലയിലേക്ക് അടുപ്പിക്കുന്നു