# Gemini 3.6 Flash

> Fiche du modèle de langage Gemini 3.6 Flash sur Quelle IA, édition du 28 septembre 2026. Gemini 3.6 Flash (Google DeepMind) : score IA de 86,6, 34e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemini-3-6-flash/
Origine : Google DeepMind · États-Unis · sorti le 21 juillet 2026

## Score général

- Score IA : 86,6 (marge à 90 % : de 85,3 à 87,8)
- Rang : 34 (Groupe 5, ex æquo)
- Couverture : 100 % du poids des tâches, 36 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 87,3 | Rang 23 · 67 % |
| Code | 85,2 | Rang 26 · 38 % |
| Agents | 86,6 | Provisoire · 11 % |
| Usage | 87,3 | Rang 25 · 100 % |
| Maths | 85,2 | Rang 30 · 62 % |
| Sciences | 85,5 | Rang 25 · 60 % |
| Français | 97,8 | Rang 3 · 100 % |
| Vision | 88,6 | Rang 17 · 100 % |
| Écriture | 89,2 | Rang 19 · 100 % |
| Web | 86,6 | Rang 36 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Gemini 3.6 Flash (High)](https://artificialanalysis.ai/models/gemini-3-6-flash) | 34,0 | 81e sur 193 | 182,7 jetons/s | 16,1 s | 0,75 $ / 3,75 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gemini-3-6-flash

## Exécution locale

Non. Gemini 3.6 Flash est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 1,30 € / 6,50 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, vidéo, son, PDF
- Réflexion : Minimale, faible, moyenne, élevée (quatre niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : D (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Mars 2026

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/google/gemini-3.6-flash)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Dans les outils de code

- Disponible dans : [Cursor](https://quelleia.com/outils/#cursor) (inclus), [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (retrait annoncé le 2 octobre 2026), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [Google Antigravity](https://quelleia.com/outils/#antigravity) (inclus), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Warp](https://quelleia.com/outils/#warp)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 96,3 % | 73,2 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 94,2 % | 81,4 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 95,5 % | 97,6 | saturé | https://conceptualreasoning.ai/dtbench |
| GPQA Diamond | Sciences | 94,1 % | 89,8 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 91,2 % | 87,7 | saturé | https://arcprize.org/leaderboard |
| EuroEval, MultiLoKo (connaissances locales) | Français | 86,5 % | 112,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 84 % | 100,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 83,2 % | 83,4 | saturé | https://arcprize.org/leaderboard |
| EuroEval, HellaSwag (bon sens) | Français | 82,6 % | 88,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 82,5 % | 134,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 82,2 % | 72,8 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 86,4 % | 78,5 | actif | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 85,9 % | 77,9 | actif | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 80 % | 71,8 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 76,5 % | 80,9 | saturé | https://arcprize.org/leaderboard |
| EuroEval, ScaLA (grammaire) | Français | 69,3 % | 109,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SimpleQA Verified | Données | 66,2 % | 98,3 | actif | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 65,7 % | 46,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, écriture créative | Écriture | 1 471,8 Elo | 92,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 502,0 Elo | 90,4 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 536,3 Elo | 86,5 | actif | https://arena.ai/leaderboard |
| compar:IA | Français | 1 110,0 Elo | 110,6 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Arena, questions en français | Français | 1 510,7 Elo | 89,1 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 483,1 Elo | 88,6 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 498,5 Elo | 85,0 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 60,4 % | 86,9 | saturé | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 518,2 Elo | 85,6 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 58,9 % | 84,5 | actif | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 280,1 Elo | 88,1 | actif | https://arena.ai/leaderboard |
| WeirdML (v2) | Code | 56,1 % | 78,7 | actif | https://htihle.github.io/weirdml.html |
| LMCA | Raisonnement | 44,93 | 84,0 | actif | https://conceptualreasoning.ai/lmca |
| SciCode | Code | 52,7 % | 86,4 | actif | https://artificialanalysis.ai/evaluations/scicode |
| ARC-AGI-2 | Raisonnement | 50,4 % | 85,1 | saturé | https://epoch.ai/benchmarks |
| APEX-Agents | Agents | 46,9 % | 86,5 | actif | https://epoch.ai/benchmarks |
| DeepSWE | Code | 46,7 % | 85,5 | actif | https://deepswe.datacurve.ai/ |
| Chess Puzzles | Raisonnement | 43 % | 90,4 | actif | https://epoch.ai/benchmarks |
| EuroEval, OrangeSum (résumé) | Français | 38,2 % | 80,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Chess Puzzles | Raisonnement | 40 % | 89,0 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 36 % | 85,7 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| ARC-AGI-1 | Raisonnement | 34,5 % | 70,2 | saturé | https://arcprize.org/leaderboard |
| FrontierCode | Code | 34,4 % | 87,5 | actif | https://cognition.com/frontiercode |
| Chess Puzzles | Raisonnement | 35 % | 86,6 | actif | https://epoch.ai/benchmarks |
| Blueprint-Bench 2 | Vision | 31,2 % | 92,1 | actif | https://andonlabs.com/evals/blueprint-bench-2 |
| ARC-AGI-2 | Raisonnement | 30,4 % | 81,4 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 30 % | 87,2 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 22 % | 84,8 | saturé | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 25 % | 85,0 | actif | https://epoch.ai/benchmarks |
| Mystery Game Puzzles | Raisonnement | 23 % | 84,0 | actif | https://epoch.ai/benchmarks |
| GDP.pdf | Données | 14 % | 82,7 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| GDP.pdf | Données | 14 % | 82,7 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| CritPt | Sciences | 10,6 % | 83,6 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 2,6 % | 69,1 | saturé | https://epoch.ai/benchmarks |
| Furniture Assembly | Vision | 23,3 % | 82,4 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemini 3.6 Flash ?** Gemini 3.6 Flash obtient un score IA de 86,6, avec une marge de 85,3 à 87,8, dans l'édition du 28 septembre 2026. Il est classé 34e sur 246 modèles, à partir de 36 mesures.

**Dans quelles tâches Gemini 3.6 Flash est-il le plus fort ?** Ses deux meilleures tâches sont français (97,8) et écriture (89,2). Sa tâche la plus faible est maths (85,2).

**Gemini 3.6 Flash peut-il tourner en local ?** Non. Gemini 3.6 Flash est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Gemini 3.6 Flash ?** 1,30 € par million de jetons en entrée et 6,50 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemini 3.6 Flash ?** Gemini 3.6 Flash est édité par Google DeepMind (États-Unis), et il est sorti le 21 juillet 2026. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com