Gemini 3.6 Flash v praxi: Jak přepnout agenty na nový model a ušetřit 17 % tokenů

Google vydal Gemini 3.6 Flash 21. července 2026 a na první pohled to vypadalo jako rutinní iterace. Není. Jde o první model z rodiny Flash, který výrazně řeší dvě věci, které tě nejvíc bolí, když stavíš AI agenty ve výrobě: cenu za výstupní tokeny a počet kroků, které agent potřebuje k dokončení úkolu.

Podle Artificial Analysis Index spotřebovává 3.6 Flash o 17 % méně výstupních tokenů než 3.5 Flash při stejných úkolech. V některých agentických benchmarcích (DeepSWE od Datacurve) je to až 65 %. A to vše při nižší ceně za token než měl předchůdce.

Od září je navíc v nabídce i Gemini 3.8 Flash (vyšel 2. září 2026). V tomto článku ti ukážu, kde dává smysl 3.6 Flash nasadit, kdy už se vyplatí sáhnout po 3.8, kde naopak zůstat u 3.5 Flash-Lite nebo Claude, jak nastavit computer use jako nativní nástroj a jak přepočítat rozpočet, aby ses nepřipravil o úspory kvůli špatnému routingu.

01Co se reálně změnilo oproti 3.5 Flash

Tři věci, které mají přímý dopad na tvou fakturu a spolehlivost agentů:

1. Tokenová efektivita. Model generuje stručnější výstupy. Na OSWorld-Verified (reálné úkoly v GUI) spotřebuje méně reasoning kroků a méně tool callů. To znamená, že jeden „agentic task" nestojí jen méně na token — končí dřív, což snižuje i latenci a počet iterací, ve kterých se agent může zacyklit.

2. Nižší cena při vyšší kvalitě. 3.6 Flash stojí $1.50 / 1M vstupních tokenů a $7.50 / 1M výstupních tokenů. To je méně než 3.5 Flash. Když k tomu připočítáš 17% snížení verbosity, reálný cost per task klesá zhruba o 25–30 %. Pozor, na Google Cloud Agent Platform běží 3.6 Flash v introductory ceně $0.75 / $3.75 do konce roku 2026 — pokud už tam máš workloady, zkontroluj, jestli z ní vytěžuješ maximum.

3. Computer use jako nativní nástroj. Ovládání myši/klávesnice (computer use) už není hack přes externí wrapper — je to built-in client-side tool dostupný přes Gemini API a Gemini Enterprise. Pro agenty, kteří řídí prohlížeč nebo desktopové aplikace, to znamená méně integračního kódu a spolehlivější event handling.

Kvantitativně to vypadá takhle (vše vs. 3.5 Flash, zdroj Google):

02Co přinesl září: Gemini 3.8 Flash

Dne 2. září 2026 Google vydal Gemini 3.8 Flash v introductory ceně $0.75 / 1M vstupních a $3.75 / 1M výstupních tokenů — tedy na poloviční ceně standardního tarifu 3.6 Flash. Co to pro tebe znamená:

• 3.6 Flash nekončí. Google pro něj (k aktualizaci dokumentace 22. září) neoznámil žádné datum ukončení a v Gemini API docs je stále doporučovaný jako stabilní model pro produkční aplikace. Pokud na něm jedeš, nemusíš spěchat s migrací.
• Nové nasazení: benchmarkuj obojí. Intro cena 3.8 Flash je níž než efektivní cena 3.6 Flash — u nových agentů dává smysl porovnat kvalitu i cost per completed task na obou modelech, než se zavážeš. Intro tarify jsou časově omezené, takže do rozhodování počítej i cenu po jejich konci.
• Routing se ti zjednodušuje, ne komplikuje. Oba modely sdílejí API povrch — přepnutí modelového ID je jednorázová změna, takže 3.8 Flash můžeš nasadit paralelně jako další backend vedle 3.6 a routovat podle metrik, ne podle marketingu.

03Kde 3.6 Flash nasadit (a kde ne)

Největší chyba, kterou teď vývojáři dělají, je plošně přepnout všechny agenty na jeden nový model. Správný přístup je routovat podle charakteru úkolu.

Nasad, kde máš multi-step agentické workflow. Tady se úspory tokenů násobí — každá iterace, každý tool call, každý reasoning krok je levnější. Typicky: kódové migrace, parsování finančních dokumentů, report drafting nad daty, SWE úkoly. Zákazníci jako Hebbia a Harvey hlásí konkrétní zlepšení u multimodálních úloh — analýza grafů, zpracování dokumentů, syntéza reportů.

Nasad computer use agenty. Pokud stavíš agenta, který řídí webové aplikace (vyplňování formulářů, scrapování, testování UI), nativní computer use ti ušetří stovky řádků integrace a zlepší spolehlivost.

Nenasazuj na high-throughput, low-latency úlohy. Pokud potřebuješ maximální propustnost (agentic search nad miliony dotazů, zpracování milionů účtenek), použij 3.5 Flash-Lite. Ten běží 350 výstupních tokenů/s a stojí jen $0.30 / 1M vstupních a $2.50 / 1M výstupních tokenů. 3.6 Flash je „workhorse" — vyvažuje kvalitu a cenu, ale není to nejrychlejší.

Nenasazuj na frontier reasoning, kde potřebuješ absolutní maximum. Tam stále platí větší modely (Claude Opus 5, Gemini 3.5 Pro, až vyjde). Flash modely jsou optimalizované na cost/quality sweet spot, ne na špičku.

04Konkrétní routing: 3.6 Flash vs 3.8 Flash vs 3.5 Flash-Lite vs Claude

Praktické rozhodovací schéma, které používám pro agentic pipeline (podzim 2026):

• Úkol = kódování, refactoring, SWE → 3.6 Flash, u nových nasazení porovnej s 3.8 Flash. Nižší počet iterací a 17 % méně tokenů tě zoběhne.
• Úkol = hromadné zpracování, klasifikace, extrakce → 3.5 Flash-Lite. 350 tok/s a desetina ceny.
• Úkol = ovládání GUI, testování webu → 3.6 Flash s nativním computer use.
• Úkol = komplexní reasoning, plánování, architektura → Claude Opus 5 / Sonnet 5. Flash modely tu zaostávají.
• Úkol = dlouhý kontext (nad 500k tokenů) → zkontroluj aktuální context window obou Flash modelů; Flash-Lite na GDM-MRCR v2 dosahuje 72.2 %.

Pokud už máš router (typicky LiteLLM nebo vlastní LLM gateway), stačí přidat nový backend a přesměrovat kódové a multimodální úkoly. Přepnutí modelového ID je jednorázová změna — a díky společnému API povrchu můžeš mít 3.6 i 3.8 Flash vedle sebe a rozhodovat podle reálných metrik.

05Jak přepnout z 3.5 Flash: checklist

1. Změň model ID v API voláních — gemini-3.5-flash → gemini-3.6-flash. Žádné breaking changes v API signatures, parametry zůstávají.
2. Zkontroluj system prompty. Protože 3.6 Flash generuje stručnější výstupy, může se stát, že tvé prompty obsahují instrukce typu „buď vyčerpávající" nebo „vypiš všechny kroky". Ty teď mohou vést k nadměrné verbositě, která efektivitu modelu vrací zpět. Zvaž je zrušit a nechat model produkovat přirozeně kratší odpovědi.
3. Přepočítej token budget. Pokud máš nastavený max_output_tokens jako zábranu proti flip-flop loopům, můžeš ho snížit zhruba o 15–20 %, protože model přirozeně produkuje méně. To tě staví na ještě větší úspory.
4. Testuj computer use nativně. Pokud jsi měl vlastní browser-use wrapper, porovnej latenci a úspěšnost s built-in computer use. Většina týmů hlásí zjednodušení kódu.
5. Sleduj cost per completed task, ne cost per token. Jelikož agent udělá méně kroků, průměrný počet API callů na úkol klesne. To je největší hidden win.

06Kolik tě to bude stát: reálný příklad

Představ si agenta, který zpracovává 10 000 dokumentů měsíčně. Průměrný dokument = 4000 vstupních tokenů, odpověď = 1500 výstupních tokenů u 3.5 Flash.

3.5 Flash (odhad dle trhu) cca $2 / 1M vstup, $8 / 1M výstup.

• Vstupy: 10 000 × 4000 = 40M tokenů → $80
• Výstupy: 10 000 × 1500 = 15M tokenů → $120
• Celkem: $200 / měsíc

3.6 Flash $1.50 / 1M vstup, $7.50 / 1M výstup, −17 % výstupních tokenů.

• Vstupy: 40M tokenů → $60
• Výstupy: 15M × 0.83 = 12.45M tokenů → $93.40
• Celkem: $153.40 / měsíc → úspora ~23 %

A to nepočítá snížení počtu iterací u multi-step agentů, kde se úspora může zdvojnásobit. Pokud stejného agenta hostuješ na Agent Platform v introductory ceně $0.75 / $3.75, vstupní náklady spadnou na $30 a výstupní na $46.70 — celkem $76.70 / měsíc, tedy o 62 % méně než 3.5 Flash. Intro cena ale platí jen do konce roku 2026, takže do unit economics počítej standardní tarif.

07Co se nevyplatí očekávat

Není to frontier model. Pokud tvůj úkol vyžaduje špičkový reasoning (komplexní matematika, hluboké plánování), zůstaň u větších modelů. 3.6 Flash v MLE Bench sice skočil z 49.7 % na 63.9 %, ale to je stále základní úroveň ML research schopností. A pozor — vyšší číslo verze neznamená frontier: ani 3.8 Flash není náhrada za Pro/Opus třídu, je to další iterace cost/quality sweet spotu.

3.5 Flash Cyber není pro tebe. Verze Cyber (optimalizovaná na bezpečnostní hledání a patchování zranitelností) je dostupná pouze vládám a ověřeným partnerům přes CodeMender. Jako běžný vývojář ji nezískáš.

Na Pro verzi pořád čekej. Poslední známý stav: silnější Pro verze z rodiny 3.5 je testovaná s partnery a Google ji vydá „až bude hotová". Mezitím Gemini 4 je v nejambicióznějším pre-training runu. Pokud ti jde o špičkový reasoning, neměň Flash za Flash — sáhni po Claude nebo počkej na Pro.

08Kde model získáš

• Vývojáři: Gemini API přes Google AI Studio a Android Studio. 3.6 Flash je i v Google Antigravity.
• Enterprise: Gemini Enterprise Agent Platform a Gemini Enterprise app.
• Běžní uživatelé: Gemini app.

Developer Guide je na oficiálním webu Google. Žádné waitlisty — modely jsou dostupné okamžitě.

09Závěr: stojí to za migraci?

Ano, pokud stavíš agenty ve výrobě a tvoje pipeline běží na 3.5 Flash. Úspora ~25 % na cost per task není marginálie — při škálování to dělá rozdíl mezi zelenou a červenou jednotkou (unit economics). Nativní computer use navíc eliminuje celou vrstvu integrace.

U nových nasazení si nejdřív zmerč 3.8 Flash v introductory ceně — pokud potvrdí kvalitu 3.6 při poloviční ceně, je to jasná volba do konce roku. U existujících deploymentů na 3.6 Flash není důvod panikařit: model zůstává podporovaný a doporučovaný pro produkci.

Ne, pokud jedeš výhradně na high-throughput batch joby — tam zůstaň u 3.5 Flash-Lite, který je na propustnost optimalizovaný lépe.

A ne, pokud tvé úkoly vyžadují frontier reasoning. Tam model nevyřeší, co potřebuješ, a nižší cena tě nepotěší, když agent úkol vůbec nedokončí.

Praktický krok pro dnešek: vezmi jeden produkční agenta, u kterého máš měřený cost per task, přepni ho na 3.6 Flash (a zkus i 3.8 vedle něj) a sleduj metriky týden. Většina týmů uvidí úsporu v prvních dnech.