Gemini 3.6 Flash Thinking

Überblick

Gemini 3.6 Flash Thinking ist kein eigenständiges Modell, sondern dieselbe Gewichtsdatei wie Gemini 3.6 Flash, betrieben mit dem Thinking-Level high. Google gibt für gemini-3.6-flash drei Stufen frei – minimal, medium (Standard) und high – und steuert damit, wie viel Rechenzeit das Modell vor der Antwort in explizite Chain-of-Thought investiert.

Diese Konfiguration ist als eigene Card geführt, weil Artificial Analysis und BenchLM ihre Messungen genau darauf beziehen. Wer die dort veröffentlichten Werte reproduzieren will, muss high setzen; mit dem Standard-Level fallen die Ergebnisse niedriger und die Antwortzeiten kürzer aus.

Use Cases

• Autonome Subagenten mit mehrstufigem Reasoning – die von Google für high empfohlene Einsatzart
• Long-Context-Reasoning über große Dokumentbestände (AA-LCR 69,7 %)
• Wissenschaftliches Coding (SciCode 52,7 %)
• Agentische Terminal-Arbeit (Terminal-Bench v2.1 77,5 %)
• Fachliches Wissen auf Frontier-Niveau (GPQA Diamond 92,8 %)

Stärken & Grenzen

Stärken: Erreicht mit einem Intelligence Index von 50,1 Frontier-nahe Ergebnisse zu Flash-Preisen. GPQA Diamond liegt mit 92,8 % nur 0,4 Punkte hinter Claude Opus 5. Die durchschnittliche Aufgabendauer bleibt mit 1,3 Minuten kurz – Artificial Analysis hebt hervor, dass 3.6 Flash die Zeit pro Aufgabe gegenüber dem Vorgänger etwa halbiert.

Grenzen: Deutlicher Abstand zur Spitze bei agentischen Aufgaben (τ³-Banking 24,5 % gegen 30,3 % bei Opus 5) und bei Humanity's Last Exam (38,3 % gegen 52,6 %). Die Halluzinationsrate liegt bei 53,5 %. Physikalisches Reasoning ist mit 10,6 % auf CritPt schwach. Höhere Thinking-Level erhöhen den Token-Verbrauch und damit die Kosten – der Preisvorteil gegenüber Pro-Modellen schmilzt entsprechend.

Praxis-Erfahrung

Der Wechsel von medium auf high lohnt sich nicht pauschal. Sinnvoll ist er dort, wo ein Fehler teurer ist als die zusätzlichen Tokens – etwa bei Subagenten, die ohne Zwischenkontrolle mehrere Schritte planen. Für Extraktion, Routing und Klassifikation empfiehlt Google ausdrücklich minimal.

Da alle drei Stufen über dieselbe Modell-ID laufen, lässt sich das Level pro Anfrage setzen. Das eignet sich gut für gestufte Pipelines: günstige Vorfilterung mit minimal, Entscheidungsschritte mit high.

Gut zu wissen

• Identisch mit Gemini 3.6 Flash; Unterschied ist ausschließlich der Parameter thinking_level: high
• Modell-ID: gemini-3.6-flash
• API-Preise: 1,50 $ / 1M Input, 7,50 $ / 1M Output – unabhängig vom Thinking-Level; die Kosten steigen über den höheren Token-Verbrauch
• Kontext: 1M Input-Tokens, maximal 64K Output-Tokens
• Weitere berichtete Werte ohne Eintrag in der Score-Tabelle: AA Intelligence Index 50,1, AA Coding Index 69,2 %, AA Agentic Index 38,7 %, GDPval-AA v2 1421 Elo (roh), AA-Briefcase 961 Elo, AA-Omniscience Accuracy 50,2 % bei 53,5 % Halluzinationsrate, CritPt 10,6 %, Geschwindigkeit 304 Output-Tokens/s, 0,50 $ je AA-Index-Aufgabe