กูเกิลรุกก่อนประกาศผลประกอบการไตรมาส 2: เปิดตัว Gemini 3.6 Flash และสามโมเดลใหม่ที่มุ่งเน้นความคุ้มค่าด้านต้นทุนและประสิทธิภาพระดับสูงสุด

ในฐานะรุ่นอัปเกรดโดยตรงจาก 3.5 Flash โมเดล 3.6 Flash มาพร้อมความก้าวหน้าอย่างครอบคลุมในด้านการเขียนโค้ด งานด้านความรู้ และประสิทธิภาพการทำงานแบบมัลติโมดัล พร้อมกับเพิ่มประสิทธิภาพการใช้โทเคนอย่างมีนัยสำคัญ ทั้งนี้ ข้อมูลจากดัชนี Artificial Analysis ระบุว่า ปริมาณการใช้เอาต์พุตโทเคนลดลง 17% เมื่อเทียบกับ 3.5 Flash และในบางเกณฑ์วัดประสิทธิภาพ เช่น DeepSWE ของ Datacurve ปริมาณการใช้งานลดลงสูงถึง 65% นอกจากนี้ ยังใช้ขั้นตอนการใช้เหตุผลและการเรียกใช้เครื่องมือที่น้อยลงในการทำงานหลายขั้นตอนให้เสร็จสมบูรณ์

ขณะเดียวกัน ราคาอย่างเป็นทางการได้รับการปรับลดลงพร้อม ๆ กัน โดยราคาฝั่งอินพุตอยู่ที่ 1.50 ดอลลาร์ต่อล้านโทเคน และฝั่งเอาต์พุตอยู่ที่ 7.50 ดอลลาร์ต่อล้านโทเคน ซึ่งต่ำกว่ารุ่น 3.5 Flash ส่งผลให้ต้นทุนโดยรวมของแต่ละงานสำหรับเอเจนต์ลดลงตามไปด้วย

[แหล่งที่มา: Google Blog]

3.5 Flash-Lite เป็นโมเดลที่เร็วที่สุดในซีรีส์ 3.5 จากการวัดผลโดย Artificial Analysis อยู่ที่ 350 เอาต์พุตโทเคนต่อวินาที โดยมีราคาเพียง 0.3 ดอลลาร์ต่อล้านอินพุตโทเคน และ 2.5 ดอลลาร์ต่อล้านเอาต์พุตโทเคน ซึ่งมุ่งเน้นรองรับสถานการณ์ที่ต้องการความหน่วงต่ำและปริมาณการประมวลผลสูง เช่น การค้นหาผ่านเอเจนต์และการประมวลผลเอกสาร

ในแง่ของประสิทธิภาพ โมเดลดังกล่าวทำงานได้ดีกว่ารุ่นก่อนอย่าง 3.1 Flash-Lite อย่างมีนัยสำคัญในการทดสอบต่าง ๆ เช่น Terminal-Bench 2.1 (54% เทียบกับ 31%) และเกณฑ์วัดประสิทธิภาพบริบทขนาดยาว GDM-MRCR v2 (72.2% เทียบกับ 60.1%) ที่น่าจับตายิ่งกว่านั้นคือ ในการทดสอบ SWE-Bench Pro (54.2% เทียบกับ 49.6%) และ OSWorld-Verified (74.0% เทียบกับ 65.1%) โมเดลนี้ยังมีประสิทธิภาพเหนือกว่า Gemini 3 Flash ซึ่งอยู่ในระดับที่สูงกว่าด้วยซ้ำ นักพัฒนาจึงสามารถกำหนดค่าระดับการคิดได้อย่างยืดหยุ่นตามปริมาณงาน โดยสามารถส่งต่องานที่มีความถี่สูงไปยังระดับที่มีความหน่วงต่ำและต้นทุนต่ำ ในขณะที่เรียกใช้ระดับการคิดที่สูงขึ้นสำหรับงานของเอเจนต์ย่อยที่มีหลายขั้นตอน

[แหล่งที่มา: Google Blog]

การเปิดตัวที่มีความสำคัญเชิงกลยุทธ์มากที่สุดในรอบนี้คือ Flash Cyber ซึ่งเป็นโมเดลที่มีความเชี่ยวชาญเป็นพิเศษในการค้นหาและแก้ไขช่องโหว่ของซอฟต์แวร์ ด้วยราคาต่อโทเคนที่ต่ำกว่าโมเดลขนาดใหญ่ สำหรับ CodeMender ซึ่งเป็นเอเจนต์ด้านความปลอดภัยของโค้ดนั้น มีเอเจนต์ Flash Cyber หลายตัวทำงานร่วมกันเพื่อรวบรวมและสร้างรายงานฉบับเดียว ส่งผลให้มีประสิทธิภาพระดับแนวหน้าที่สามารถแข่งขันได้บนเกณฑ์วัดประสิทธิภาพหลักอย่าง CyberGym

เนื่องด้วยคุณลักษณะของเทคโนโลยีดังกล่าวที่สามารถนำไปใช้งานได้สองทาง (dual-use) Google จึงเลือกใช้กลยุทธ์การเปิดตัวอย่างระมัดระวัง โดยจะเปิดใช้งาน Flash Cyber ผ่าน CodeMender สำหรับหน่วยงานรัฐบาลและพันธมิตรที่ได้รับความไว้วางใจเท่านั้นในรูปแบบโครงการนำร่องที่จำกัดในเร็ว ๆ นี้ เพื่อช่วยให้ผู้ดูแลความปลอดภัยในแนวหน้าสามารถอุดช่องโหว่ได้ก่อนที่จะถูกโจมตี

[แหล่งที่มา: Google Blog]

การเคลื่อนไหวในครั้งนี้พุ่งเป้าไปที่จุดแข็งของ Anthropic โดยตรง ซึ่งรายหลังนี้ได้สร้างความได้เปรียบในฐานะผู้บุกเบิกรายแรกในด้านการป้องกันโค้ดแบบอัตโนมัติด้วยโมเดล Mythos และ Flash Cyber ถือเป็นก้าวสำคัญของ Google ในการลดช่องว่างนี้ และนำผลงานวิจัยของ DeepMind มาต่อยอดเชิงพาณิชย์ผ่านผลิตภัณฑ์ความปลอดภัยสำหรับองค์กร

ที่น่าสังเกตคือ โมเดล Gemini 3.5 Pro ซึ่งเป็นรุ่นที่ตลาดตั้งตารอคอยมากที่สุด ไม่ได้ถูกเปิดตัวในรอบนี้ หลังจากมีรายงานก่อนหน้านี้ว่าการพัฒนาล่าช้ากว่ากำหนดไปหลายเดือน ขณะที่จุดยืนอย่างเป็นทางการของกูเกิลระบุว่า ปัจจุบัน Gemini 3.5 Pro อยู่ระหว่างการทดสอบร่วมกับพันธมิตร และจะเปิดตัวอย่างเต็มรูปแบบทันทีที่พร้อมใช้งาน

ตลาดทุนแสดงท่าทีรอดูสถานการณ์ต่อโมเดลใหม่ทั้ง 3 รุ่นที่เพิ่งเปิดตัว โดย ณ ขณะที่รายงานข่าวนี้ ราคาหุ้นของกูเกิลยังคงปรับตัวลดลงประมาณ 1% ซื้อขายอยู่ที่ 348.66 ดอลลาร์สหรัฐ

[ที่มา: TradingView]

บทวิเคราะห์ตลาดบ่งชี้ว่า สิ่งนี้อาจเกี่ยวข้องกับการแข่งขันจากภายนอกที่รุนแรง ตัวอย่างเช่น ความต้องการใช้งาน Kimi K3 ของ Moonshot AI พุ่งสูงขึ้นอย่างถล่มทลาย จนทำให้ต้องจำกัดการสมัครสมาชิกใหม่และการเข้าถึง API เนื่องจากข้อจำกัดด้านขีดความสามารถในการรองรับ ขณะที่อาลีบาบาได้เริ่มเผยทีเซอร์ของ Qwen 3.8 Max โดยอ้างว่าประสิทธิภาพโดยรวมนั้นเป็นรองเพียงแค่ Fable 5 ของแอนโทรปิกเท่านั้น

ข้อมูลจาก Artificial Analysis ระบุว่า ต้นทุนของซีรีส์ Gemini Flash นั้นต่ำกว่าโมเดลในระดับเดียวกันจากแอนโทรปิก, OpenAI และผู้ผลิตสัญชาติจีนอยู่แล้ว โดยมีรายงานว่าต้นทุนต่อหนึ่งงานของ 3.6 Flash นั้นต่ำกว่า GPT-5.6 Terra Max, Kimi K3 และ Qwen 3.7 Max

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด