---
title: "Gemini 3.6 Flash: waar past Googles nieuwe model in jouw werk?"
date: 2026-07-21
author: "Sam"
featured_image: "https://promptcoaching.nl/wp-content/uploads/2026/07/gemini-3-6-flash-modelkeuze.webp"
categories:
  - name: "AI en strategie"
    url: "/category/ai-en-strategie.md"
---

# Gemini 3.6 Flash: waar past Googles nieuwe model in jouw werk?

Sam hier. Google bracht vandaag Gemini 3.6 Flash uit, en ik zie de vraag al komen: moet ik overstappen? Kort antwoord: waarschijnlijk niet, maar je moet wél weten waar dit model in je gereedschapskist past. Dat leg ik je uit met de echte cijfers erbij.

Het model staat sinds vandaag in AI Studio en de Gemini API. Kijk eerst even de officiële launch-video, dan snap je de rest van dit stuk beter:

Googles launch-video bij Gemini 3.6 Flash (bron: Google)## Eerst: waarom dit ertoe doet

Wie serieus met AI werkt, kiest niet één model voor alles. Je kiest per taak, net als een timmerman die niet alles met een hamer doet. Elke release verschuift die keuze een beetje. Vandaag schoof er iets bij Google: 3.6 Flash kost $1,50 per miljoen invoertokens en $7,50 per miljoen uitvoertokens — de voorganger vroeg $9,00 voor uitvoer — en het verslaat het oude topmodel 3.1 Pro op elke gepubliceerde test.

## De cijfers, per soort werk

Ik heb Googles eigen vergelijkingstabel naast de concurrentie gelegd. Zo lees je hem per taak:

Soort werkBenchmarkGemini 3.6 FlashBeste concurrentSoftware bouwen (lang)DeepSWE v1.149%GPT-5.6 Luna: 67%Coding algemeenSWE-Bench Pro58,7%Grok 4.5: 64,7%KenniswerkGDPVal-AA (Elo)1421Claude Sonnet 5: 1607Computer bedienenOSWorld-Verified**83,0%**Sonnet 5: 81,2%Grafieken lezenCharXiv**85,2%**Luna: 82,7%Lange documentenGDM-MRCR 128k**91,8%**Grok 4.5: 81,4%Het patroon is duidelijk. Voor coding en hoogwaardig kenniswerk verliest Gemini van GPT-5.6 Luna, Grok 4.5 en Sonnet 5. Voor drie taken staat het bovenaan: zelfstandig een computer bedienen, informatie uit grafieken halen en heel lange documenten vasthouden.

## De gouden regel: reken per klus, niet per token

Hier gaan de meeste mensen de mist in. Ze vergelijken tokenprijzen alsof het benzineprijzen zijn. Maar een model dat langer redeneert, verbruikt meer tokens voor dezelfde klus. Google laat dat nu zelf zien: 3.5 Flash had op een softwaretest gemiddeld 276.000 uitvoertokens per taak nodig, 3.6 Flash maar 97.000. Zelfde prijs per liter, driemaal zuinigere motor.

Dus als je modellen vergelijkt: draai vijf van je eigen taken en kijk wat de hele klus kost, niet wat de token kost. GPT-5.6 Luna is per token goedkoper ($6,00 uitvoer) én beter in coding — voor dat werk verandert er vandaag dus niks. Hoe je bij OpenAI de juiste variant kiest, heb ik uitgewerkt in [de GPT-5.6 test op taak](https://promptcoaching.nl/gpt-5-6-sol-codemodel-vibe-coding/).

## Wanneer ik 3.6 Flash wél zou pakken

- **Je voert het model lange documenten.** Contracten, jaarverslagen, complete handleidingen: 91,8 procent op de 128k-geheugentest is met afstand de beste score, en bij één miljoen tokens context is het het enige model dat überhaupt een score neerzet (54 procent).
- **Je bouwt een agent die zelf klikt en typt.** De hoogste score op computerbediening (83 procent) maakt dit het interessantste model voor browser- en desktopautomatisering.
- **Je verwerkt rapporten met veel grafieken.** 85,2 procent op grafiek-begrip, waar het dure Sonnet 5 op 77,0 blijft steken.

Voor dat soort werk geldt wat ik eerder schreef over [de sprong van losse prompts naar gedelegeerde taken](https://promptcoaching.nl/van-prompts-naar-gedelegeerde-taken/): het model is maar de helft van het verhaal, de opdracht die je meegeeft is de andere helft.

## Mijn advies

Verander niks aan je hoofdmodel. Zet 3.6 Flash op je lijstje voor drie taken: lange documenten, grafiekenwerk en computer-agents. En onthoud de regel die elke release opnieuw bewijst: er is geen beste model, alleen een beste model per taak. Wie dat één keer doorheeft, kijkt nooit meer naar een launch-tabel zoals de fabrikant hem bedoeld heeft.