Die Schlagzeile: Am 21. Juli stellte Google Gemini 3.6 Flash auf allgemeine Verfügbarkeit (GA) um – nicht als ein Modell, das härter nachdenkt, sondern als eines, das günstiger arbeitet. Die Kernzahlen: 17 % weniger Output-Tokens als 3.5 Flash, eine Preissenkung beim Output um 16,7 % (9 $→7,50 $ pro Million), ein Kontextfenster von 1 M Tokens und der Wechsel von Computer Use in die Produktions-API. In einer Woche, in der OpenAI Luna um 80 % senkte und DeepSeek V4-Flash-0731 herausbrachte, lautet Googles Antwort auf den Agenten-Preiskrieg: Token-Effizienz – dasselbe Argument, das diese Website zu den Kosten pro Aufgabe vorbringt, nun von einem der drei großen Modellanbieter.
Was Google tatsächlich ausgeliefert hat
Gemini 3.6 Flash wurde am 21. Juli zeitgleich mit den Ankündigungen von Google I/O auf GA umgestellt, und die Positionierung ist bewusst gewählt. Googles eigene Rahmung lautet nicht „schlauer“, sondern „schafft mit weniger mehr“. Die gemeldeten Zahlen, laut Google und unabhängigen Beobachtern:
- 17 % weniger Output-Tokens bei denselben Aufgaben im Vergleich zu Gemini 3.5 Flash; Google berichtet bei bestimmten Software-Engineering-Aufgaben von bis zu 65 % Ersparnis.
- Preissenkung beim Output um 16,7 %: 7,50 $ pro Million Output-Tokens (zuvor 9 $), der Input bleibt unverändert bei 1,50 $ pro Million.
- Kontextfenster von 1 M Tokens (1.048.576 Input / 65.536 Output), das Text, Bilder, Video, Audio und PDFs verarbeitet.
- Computer Use in der Produktions-API – OSWorld-Verified 83 %, das heißt, das Modell kann über die API eine Desktop-Oberfläche bedienen: Klicken, Formulare ausfüllen, Fenster wechseln. Das ist GA, kein Experiment.
- Effizienzgewinne bei realen Agent-Benchmarks: DeepSWE 49 %, MLE Bench 63,9 %. Der von Google genannte Mechanismus sind kürzere Ausführungspfade – weniger Versuch-und-Irrtum-Schleifen, weniger redundante Tool-Aufrufe – statt größerer Reasoning-Bursts.
- Intelligenz-Index von 50 Punkten, ungefähr auf dem Niveau der vorherigen Generation. Google tut nicht so, als handele es sich um einen Sprung an der Intelligenz-Frontier; es ist ein Spiel um Kosten pro Arbeitseinheit.
Unabhängige Tester bestätigen diesen Kompromiss: stark beim Long-Context-Retrieval, bei der Computerbedienung, beim Diagrammverständnis und beim Coding über lange Horizonte; schwächer bei einigen grundlegenden Coding- und multimodalen Generierungsaufgaben. Die Wertthese lautet Effizienz, nicht Überlegenheit.
Token-Effizienz ist jetzt eine Preisstrategie
Vor zwei Wochen argumentierte diese Website, dass die Kosten pro Aufgabe und nicht der Token-Preis die Kennzahl sind, die bei Agent-Arbeitslasten zählt – weil Agent-Aufgaben token-hungrig und kontextlastig sind und ein Modell, das Output-Tokens in Versuch-und-Irrtum-Schleifen verschwendet, unabhängig von seinem Preis pro Token teuer ist. In derselben Woche kamen drei der vier großen Anbieter aus unterschiedlichen Richtungen zur selben Schlussfolgerung: OpenAI senkte die Token-Preise von Luna um 80 %, DeepSeek verkaufte Post-Training-Effizienz zu 0,14 $/0,28 $ mit einem 98 %-Rabatt auf Cache-Treffer, und Google lieferte ein Modell, dessen gesamtes Verkaufsargument darin besteht, 17 % weniger Tokens zu verbrauchen, um dieselbe Arbeit zu erledigen.
Diese Konvergenz ist für Teams wichtig. Sie bedeutet: Die Kosten für Agentenarbeit sind heute eine Funktion der Token-Effizienz des Modells, nicht nur seiner Preisliste – und dass die effektiven Kosten einer Arbeitslast je nach Modellfamilie, auf der sie läuft, um ein Vielfaches schwanken können, unabhängig von den Listenpreisen. Die praktische Konsequenz: Die Kosten pro Aufgabe müssen an den eigenen Arbeitslasten gemessen werden, nicht von einer Preisseite abgelesen. Genau dafür gibt es ein begrenztes Pilotprojekt.
Computer-Use-GA wirft die Grenzfrage erneut auf
Der Teil, der mehr Aufmerksamkeit verdient als die Token-Mathematik, ist die allgemeine Verfügbarkeit von Computer Use. Ein Modell, das über die API eine Desktop-Oberfläche bedienen kann – klicken, tippen, Formulare ausfüllen –, ist eine andere Fähigkeitsklasse als ein Terminal-Agent, denn die Oberfläche, die es erreichen kann, ist jede Anwendung, die der Host-Rechner ausführen kann. Genau das ist die Grenzklasse, die diese Website in den Anthropic-Evaluationsvorfällen analysiert hat: Wenn ein Agent auf realen Systemen handeln kann, ist die Frage nicht, ob er es gut meint, sondern was ihm physisch zu erreichen erlaubt ist.
Für Teams verändert die Computer-Use-GA die Risikodiskussion in einer spezifischen Hinsicht: Es geht nicht mehr um Code, den Sie überprüfen, bevor er gemerged wird, sondern um Handlungen an Live-Anwendungen in Echtzeit. Das Review-Gate muss außerhalb der Schleife des Agenten sitzen – Sandbox-Umgebungen, eingeschränkte Berechtigungen, Kontrollen des Netzwerk-Egress –, und das gilt unabhängig davon, welchen Computer-Use-Agenten welchen Anbieters Sie evaluieren. Genau deshalb ist die Umgebung, in der ein Agent läuft, die eigentliche Produktentscheidung: Eine gemeinsame, verwaltete, für Self-Hosting geeignete Umgebung mit verwalteter Agentenarbeit hält die Grenze durchsetzbar; ein lokaler Desktop-Agent mit API-Berechtigungen hat die Grenze dort, wo die Maschine sich gerade befindet.
Das Fazit
Gemini 3.6 Flash ist die bisher klarste Bestätigung dafür, dass sich der Agentenmarkt von „Welches Modell ist am klügsten?“ zu „Welches Modell erledigt die Arbeit am günstigsten und sichersten?“ verschoben hat. Google konkurriert über Token-Effizienz, OpenAI über Preissenkungen mit Schlagzeilenwirkung, DeepSeek über die Post-Training-Ökonomie, und die Frontier-Anbieter treiben weiter die Fähigkeiten voran. Nichts davon ändert die Evaluationsdisziplin: Führen Sie Ihre eigenen Aufgaben aus, messen Sie die realen Kosten pro Aufgabe, verifizieren Sie den Datenpfad und behalten Sie das Review-Gate im menschlichen Workflow. Günstige Tokens und effiziente Modelle verbessern die Rechnung – sie ändern nicht, wie die Grenze aussehen muss.