Google เปิดตัวโมเดล Gemini 3.5 ใหม่ 3 รุ่น รวม Flash, Flash‑Lite และ Cyber พร้อมแผนเปิดใช้ Pro

Google ประกาศเปิดตัวตระกูลโมเดล Gemini 3.5 ใหม่สามรุ่น ได้แก่ Gemini 3.6 Flash, Gemini 3.5 Flash‑Lite และ Gemini 3.5 Flash Cyber พร้อมอัปเดตแผนการเปิดให้ใช้ Gemini 3.5 Pro อย่างกว้างขวางในเร็ว ๆ นี้ การเพิ่มประสิทธิภาพของโมเดลเหล่านี้มีความสำคัญต่อผู้พัฒนาและองค์กรที่พึ่งพา AI ในงานเขียนโค้ดและกระบวนการทำงานอัตโนมัติ

Overview

Google เปิดตัว Gemini 3.6 Flash ภายในระบบ CodeMender หลังจากที่เพียงสองเดือนที่ผ่านมาได้เผย Gemini 3.5 Flash ซึ่งในขณะนั้นถือเป็นโมเดลเร็วที่สุดของบริษัท การเปิดตัวรุ่นใหม่นี้สื่อให้เห็นถึงความมุ่งมั่นของ Google ในการต่อเนื่องพัฒนา AI ให้ตอบสนองต่อความต้องการด้านประสิทธิภาพและต้นทุนในการใช้งาน

นอกจาก Gemini 3.6 Flash แล้ว Google ยังเพิ่มสองโมเดลเสริมคือ Gemini 3.5 Flash‑Lite และ Gemini 3.5 Flash Cyber ทั้งสามรุ่นถูกออกแบบให้ทำงานร่วมกันใน CodeMender ซึ่งเป็นแพลตฟอร์มสำหรับการเขียนโค้ดอัตโนมัติและช่วยเหลือด้านความรู้

บริษัทได้ระบุว่าแผนการเปิดให้ใช้ Gemini 3.5 Pro อย่างกว้างขวางจะเริ่มต้นในช่วงใกล้ ๆ นี้ และทีมวิจัยกำลังดำเนินการฝึกโมเดลรุ่นต่อไปคือ Gemini 4 อยู่แล้ว

New Model Line‑up

Gemini 3.6 Flash ถูกตั้งเป็น “workhorse” ของตระกูล Flash โดยมุ่งเน้นที่ความเร็วและประสิทธิภาพในงานเขียนโค้ด การทำงานของโมเดลนี้ยังครอบคลุมการประมวลผลหลายรูปแบบ (multimodal) ซึ่งช่วยให้ผู้ใช้สามารถสั่งงานผ่านข้อความ รูปภาพ หรือข้อมูลอื่น ๆ ได้อย่างต่อเนื่อง

Gemini 3.5 Flash‑Lite เป็นรุ่นที่ออกแบบมาเพื่อการใช้งานที่ต้องการทรัพยากรน้อยกว่า แต่ยังคงรักษาความแม่นยำระดับสูงไว้ได้ ส่วน Gemini 3.5 Flash Cyber มุ่งเน้นที่การจัดการงานที่ซับซ้อนมากขึ้น เช่น การวิเคราะห์โค้ดขนาดใหญ่หรือกระบวนการทำงานหลายขั้นตอน

ทั้งสามรุ่นถูกเปิดให้เข้าถึงผ่าน CodeMender ทำให้นักพัฒนาสามารถเลือกโมเดลตามความต้องการของโปรเจกต์โดยไม่จำเป็นต้องปรับเปลี่ยนโครงสร้างพื้นฐานเพิ่มเติม

Efficiency Gains

Google ระบุว่า Gemini 3.6 Flash ใช้ output token น้อยลงราว 17 % เมื่อเทียบกับ Gemini 3.5 Flash** ตามข้อมูลจาก Artificial Analysis Index ซึ่งหมายความว่าการสื่อสารผลลัพธ์ระหว่างโมเดลและผู้ใช้จะต้องใช้ทรัพยากรน้อยกว่า

การลดจำนวน token ยังส่งผลให้โมเดลต้องทำขั้นตอน reasoning และเรียกใช้งานเครื่องมือ (tool calls) น้อยลง ทำให้เวลาตอบสนองเร็วขึ้นและค่าใช้จ่ายด้านคอมพิวเตอร์ลดลงโดยตรง

• **Output token usage:  17 % vs. Gemini 3.5 Flash
• **Reasoning steps: ลดจำนวนขั้นตอนใน workflow หลายขั้นตอน
• **Tool calls: จำเป็นต้องเรียกใช้น้อยกว่าเดิม

การปรับปรุงเหล่านี้เป็นประโยชน์ต่อองค์กรที่มีปริมาณคำขอสูง เนื่องจากจะช่วยควบคุมค่าใช้จ่ายและเพิ่มความเสถียรของระบบ

Upcoming Gemini 4 & Pro Rollout

แม้ว่า Gemini 3.6 Flash จะเป็นรุ่นล่าสุดที่เปิดให้ใช้งานอย่างกว้างขวางแล้ว Google ก็ได้ยืนยันว่าทีมกำลังอยู่ในขั้นตอนการ pre‑training ของ Gemini 4 ซึ่งคาดว่าจะนำเสนอความสามารถใหม่ ๆ เช่น การเข้าใจบริบทที่ลึกซึ้งขึ้นและประสิทธิภาพด้าน multimodal ที่ดียิ่งกว่า

ในขณะเดียวกัน Google มีแผนที่จะเปิดให้บริการ Gemini 3.5 Pro แก่ผู้ใช้ทั่วไปในเร็ว ๆ นี้ โดยยังไม่มีการระบุวันเปิดตัวอย่างเป็นทางการ การเปิดใช้งาน Pro จะช่วยให้ผู้พัฒนาที่ต้องการความแม่นยำสูงและประสิทธิภาพที่เหนือกว่าโมเดลพื้นฐานสามารถเข้าถึงได้โดยตรง

การวางแผนของ Google นี้สะท้อนถึงกลยุทธ์ในการสร้างชั้นบริการหลายระดับ (tiered service) เพื่อให้ตอบโจทย์ทั้งผู้ใช้ทั่วไปและองค์กรขนาดใหญ่

Impact on Developers and Enterprises

โมเดล Gemini 3.6 Flash และรุ่นเสริมที่เพิ่มเข้ามาจะทำให้กระบวนการพัฒนาโค้ดอัตโนมัติเร็วขึ้น โดยเฉพาะในงานที่ต้องใช้หลายขั้นตอนเช่น การตรวจสอบข้อผิดพลาด การ refactor โค้ด หรือการสร้างเอกสารประกอบเทียบกับโมเดลก่อนหน้า

สำหรับองค์กรที่มีปริมาณคำขอ AI สูง ความสามารถในการลด token usage ถึง 17 % จะส่งผลโดยตรงต่อค่าใช้จ่ายของคลาวด์และการจัดสรรทรัพยากรคอมพิวเตอร์ นอกจากนี้ การเปิดตัว Gemini 3.5 Pro ทำให้บริษัทที่ต้องการประสิทธิภาพระดับสูงสามารถอัปเกรดได้โดยไม่ต้องเปลี่ยนระบบพื้นฐาน

อย่างไรก็ตาม ผู้ใช้ยังควรพิจารณาถึงความเหมาะสมของแต่ละรุ่นกับลักษณะงานของตน เนื่องจากโมเดล Flash‑Lite มีทรัพยากรจำกัดอาจไม่เพียงพอสำหรับโครงการที่ซับซ้อน ในขณะที่ Flash Cyber เหมาะกับการทำงานหนักและการประมวลผลหลายขั้นตอน

Summary

Google เปิดตัว Gemini 3.6 Flash, Gemini 3.5 Flash‑Lite และ Gemini 3.5 Flash Cyber พร้อมอัปเดตแผนการเปิดให้ใช้ Gemini 3.5 Pro อย่างกว้างขวางและเริ่มฝึกโมเดลต่อไปคือ Gemini 4 การปรับปรุงประสิทธิภาพโดยลด output token usage ถึง 17 % มีผลต่อค่าใช้จ่ายและความเร็วของงานพัฒนาโค้ดในระดับองค์กร.