[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:fr":3,"public-menus:all":38,"post:google-io-2026-gemini-omni-and-gemini-3-5:fr":221,"related:post:google-io-2026-gemini-omni-and-gemini-3-5:fr:1":681},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","fr","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,191,206],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-globe-2","custom",[],{"id":176,"title":177,"url":186,"target":61,"icon":187,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":189,"children":190},"menu-2916d060-8681-482a-af9a-c107a8bc30d8",{"de":178,"en":179,"es":180,"fr":181,"it":182,"ru":183,"sr":184,"zh":185},"Von Rohdaten zu verifizierbarem KI-Kontext: Eine praktische Architektur für agentenbereite Informationen","From Raw Data to Verifiable AI Context:","De datos sin procesar a contexto de IA verificable: una arquitectura práctica para información lista para agentes","Des données brutes au contexte d'IA vérifiable : une architecture pratique pour des informations prêtes pour les agents","Dai dati grezzi a un contesto IA verificabile: Un'architettura pratica per informazioni pronte per gli agenti","От необработанных данных к верифицируемому контексту ИИ: практическая архитектура информации, готовой для агентов","Od sirovih podataka do proverljivog AI konteksta: Praktična arhitektura za informacije spremne za agente","从原始数据到可验证的 AI 上下文：面向智能体就绪信息的实用架构","\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information","i-lucide-database","portfolio",22,[],{"id":192,"title":193,"url":202,"target":61,"icon":203,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":204,"children":205},"menu-e2061cd7-ff53-49d5-a0e8-3d49090577c0",{"de":194,"en":195,"es":196,"fr":197,"it":198,"ru":199,"sr":200,"zh":201},"Präsenzplattformen — Unternehmenskommunikation","Presence Platforms — Enterprise Communication","Plataformas de presencia — Comunicación empresarial","Plateformes de présence — Communication d'entreprise","Presence Platforms — Comunicazione aziendale","Платформы присутствия — Корпоративные коммуникации","Presence platforme — Poslovna komunikacija","Presence 平台 — 企业通信","\u002Fportfolio\u002Fpresence-platforms-enterprise-communication-that-wins-without-competing","i-lucide-badge-percent",21,[],{"id":207,"title":208,"url":217,"target":61,"icon":218,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":219,"children":220},"menu-a781582e-e90d-418e-b8c9-b070bc37c37e",{"de":209,"en":210,"es":211,"fr":212,"it":213,"ru":214,"sr":215,"zh":216},"Maximierung des POS-ROI durch Konsistenz","Maximizing POS ROI Through Consistent","Maximizar el ROI del POS a través de constante","Maximiser le ROI du PDV grâce à la cohérence","Massimizzare il ROI del POS attraverso costante","Максимизация ROI POS за счет последовательного","Maksimizacija POS ROI-ja kroz dosledno","通过持续最大化 POS 投资回报率","\u002Fportfolio\u002Ffrom-vision-to-value-maximizing-pos-roi-through-consistent-ci-creation-and-strategic-branding","i-lucide-briefcase-business",11,[],{"statusCode":4,"data":222,"message":680},{"id":223,"title":224,"slug":225,"content":226,"contentJson":227,"excerpt":395,"featuredImage":396,"featuredImageAlt":397,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":398,"publishedAt":399,"createdAt":400,"updatedAt":401,"seoLocalePaths":402,"categories":411,"author":412,"translations":417},"450","Google I\u002FO 2026 : Gemini Omni, Gemini 3.5 et la couche de calcul derrière l'IA agentique","google-io-2026-gemini-omni-and-gemini-3-5","\u003Cp>\u003Cb>Google I\u002FO 2026\u003C\u002Fb> a replacé la couche de calcul de la stratégie IA de Google au centre. La conférence était remplie d'agents, d'outils de développement, d'interfaces portables et d'intégrations de produits, mais toutes ces couches dépendent de deux directions de modèles : \u003Cb>Gemini Omni\u003C\u002Fb> et \u003Cb>Gemini 3.5\u003C\u002Fb>. L'une pousse la création et l'édition multimodales. L'autre pousse l'intelligence de pointe avec l'action, en particulier à travers Gemini 3.5 Flash.\u003C\u002Fp>\n\u003Cp>Cet article est le \u003Cb>volet de la couche de calcul\u003C\u002Fb> au sein du \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub architectural plus large de Google I\u002FO 2026\u003C\u002Fa>. Le volet des outils de développement est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio et Google DevTools\u003C\u002Fa>. Le volet des interfaces matérielles est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR et Intelligent Eyewear\u003C\u002Fa>. Le volet des produits applicatifs est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Produits agentiques à travers Search, Workspace et Shopping\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>L'important est d'éviter de percevoir Gemini Omni et Gemini 3.5 comme une simple annonce générique de « nouveau modèle d'IA ». Ils résolvent des problèmes de produit et d'infrastructure différents. Omni concerne la création générative à partir de n'importe quelle entrée, à commencer par la vidéo. Gemini 3.5 concerne une intelligence rapide et orientée vers l'action pour les agents, le code et les flux de travail à long terme. Cette distinction est essentielle pour les développeurs, les équipes produit et les architectes de plateforme.\u003C\u002Fp>\n\u003Ch2>La couche de calcul derrière la conférence\u003C\u002Fh2>\n\u003Cp>La propre collection de Google pour l'I\u002FO 2026 structure l'événement autour de deux nouveaux modèles : Gemini Omni et Gemini 3.5. Gemini Omni est décrit comme un bond en avant dans la compréhension du monde, la multimodalité et l'édition, capable de générer des résultats à partir de n'importe quelle entrée textuelle, visuelle, audio et vidéo, à commencer par la vidéo. Gemini 3.5 Flash est présenté comme le premier modèle de la famille Gemini 3.5, combinant intelligence de pointe et action.\u003C\u002Fp>\n\u003Cul>\u003Cli>Gemini Omni se concentre sur la création et l'édition multimodales, en commençant par la vidéo.\u003C\u002Fli>\u003Cli>Gemini 3.5 Flash se concentre sur une vitesse de niveau action pour les agents, le codage et les flux de travail complexes.\u003C\u002Fli>\u003Cli>La division des modèles reflète la division plus large de la plateforme de Google : créer des médias plus riches, puis agir plus rapidement sur les produits et les outils.\u003C\u002Fli>\u003Cli>La véritable valeur stratégique apparaît lorsque ces modèles sont connectés à Antigravity, AI Studio, Search, Workspace, Android XR et aux appareils équipés de Gemini.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">L'histoire des modèles n'est pas seulement une question de contexte plus large ou de meilleures démos. Il s'agit d'une spécialisation des rôles : la création d'un côté, l'action de l'autre.\u003Ccite class=\"block mt-2 text-sm\">— Lecture de la couche de calcul\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Gemini Omni : Création à partir de n'importe quelle entrée\u003C\u002Fh2>\n\u003Cp>Gemini Omni est la tentative la plus directe de Google de fusionner le raisonnement et la création. Le positionnement officiel est clair : il peut tout créer à partir de n'importe quelle entrée, en commençant par la vidéo. Le modèle accepte des combinaisons de texte, d'image, d'audio et de vidéo, puis génère des vidéos de haute qualité basées sur les connaissances du monde réel de Gemini. Il prend également en charge le montage vidéo conversationnel, ce qui aura probablement plus d'importance que la génération en un seul coup (one-shot) dans les flux de travail créatifs réels.\u003C\u002Fp>\n\u003Cp>Ce dernier point est important. La valeur pratique de l'IA créative se résume rarement à « générer une vidéo ». Les flux de production exigent des révisions, des remplacements, du minutage, une continuité de style et des échanges autour des modifications. Si Omni peut rendre le montage plus conversationnel tout en préservant le contexte, il devient bien plus qu'un simple générateur de nouveautés. Il devient une interface créative.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Gemini Omni doit être considéré comme un modèle de flux de travail créatif\ninput = { text: "Présenter le lancement d'un produit dans une ville cyberpunk sous la pluie", image: "brand-reference.png", audio: "voiceover.wav", video: "rough-cut.mp4"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, "Rendre l'éclairage plus chaleureux et conserver le même design de produit")\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Pour les équipes qui conçoivent des outils médias, des visuels de produits e-commerce, du contenu éducatif, des prototypes de jeux, des flux publicitaires ou des pipelines de vidéos sociales, c'est la partie de l'I\u002FO 2026 qui importe le plus. L'interface passe d'un montage manuel sur timeline à un montage multimodal basé sur l'intention. Cela ne supprime pas le jugement créatif, mais modifie la manière dont le travail créatif est investi.\u003C\u002Fp>\n\u003Ch2>Gemini 3.5 Flash : L'intelligence de pointe alliée à l'action\u003C\u002Fh2>\n\u003Cp>Gemini 3.5 Flash constitue l'autre moitié du volet informatique. Google décrit la famille Gemini 3.5 comme combinant une intelligence de pointe avec l'action, et positionne 3.5 Flash comme la première version de cette famille. L'accent est mis sur les agents, le codage, les tâches complexes à long terme et l'utilité dans le monde réel. Ce choix de mots n'est pas fortuit. Il oriente directement vers des systèmes qui agissent, et pas seulement des systèmes qui répondent.\u003C\u002Fp>\n\u003Cp>Pour les développeurs, « Flash » est important car les workflows agentiels sont sensibles à la latence. Un modèle intelligent mais lent peut convenir pour la recherche ou une rédaction soignée. Il est beaucoup plus difficile de l'intégrer dans l'automatisation native du terminal, les boucles d'IDE, l'utilisation d'outils multi-étapes, les agents en arrière-plan et les expériences produit qui nécessitent un retour immédiat. Google essaie clairement de faire du comportement de pointe rapide le moteur par défaut des workflows agentiels.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Utilisation classique du modèle\nanswer = model.generate("Expliquer cette fonction") \u002F\u002F Utilisation du modèle agentiel\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Ce changement est la raison pour laquelle Gemini 3.5 appartient au même groupe qu'Antigravity. Antigravity a besoin d'un modèle capable de planifier, d'exécuter, de vérifier et de continuer à avancer sans transformer l'environnement de développement en salle d'attente. C'est là que la performance de calcul devient l'expérience développeur.\u003C\u002Fp>\n\u003Ch2>Pourquoi la vitesse et l'action vont de pair\u003C\u002Fh2>\n\u003Cp>La présentation de Google axée sur la vitesse n'est pas qu'un simple argument marketing. Les systèmes agentiques multiplient la latence. Une réponse unique nécessite un seul aller-retour avec le modèle. Un flux de travail multi-agent peut en nécessiter plusieurs : planification, sélection des outils, édition de code, exécution dans le terminal, vérification, correction, résumé et révision humaine. Si chaque étape est lente, l'ensemble du système devient inutilisable.\u003C\u002Fp>\n\u003Cul>\u003Cli>Une génération rapide améliore les boucles de codage interactives.\u003C\u002Fli>\u003Cli>Une faible latence rend les agents multi-étapes moins fragiles.\u003C\u002Fli>\u003Cli>Un débit élevé est important lorsque les agents s'exécutent dans des tâches de maintenance en arrière-plan.\u003C\u002Fli>\u003Cli>Un raisonnement stable est essentiel car des actions erronées plus rapides restent des actions erronées.\u003C\u002Fli>\u003Cli>La vérification reste essentielle car la vitesse seule ne garantit pas la confiance.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">L'agent utile n'est pas le modèle qui répond une seule fois. C'est le modèle capable de continuer à agir sans donner l'impression que le flux de travail est une file d'attente.\u003Ccite class=\"block mt-2 text-sm\">— Perspective sur le runtime agentique\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Gemini Omni vs Gemini 3.5 : Des tâches différentes, une même stack\u003C\u002Fh2>\n\u003Cp>La façon la plus claire de comprendre les annonces de calcul de l'I\u002FO 2026 est de séparer les tâches. Gemini Omni est un modèle de création et d'édition multimodal. Gemini 3.5 Flash est un modèle orienté vers l'action pour les agents et le codage. Ils sont complémentaires et non interchangeables. Une équipe produit pourrait utiliser Omni pour générer des médias et utiliser Gemini 3.5 Flash pour orchestrer le flux de travail autour de ces médias.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Exemple de flux de travail produit\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: "Publier la campagne de lancement", asset: creativeAsset, channels: ["YouTube Shorts", "page de destination", "e-mail"]\n}) Gemini35Flash.execute(agentPlan, tools)\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>C'est l'architecture plus large vers laquelle Google se dirige. Les modèles créatifs génèrent des artefacts plus riches. Les modèles d'action coordonnent les tâches autour de ces artefacts. Les interfaces produit exposent ces capacités aux utilisateurs. Les outils de développement assurent l'orchestration et la vérification. Les interfaces des appareils rendent l'assistant disponible dans davantage de contextes.\u003C\u002Fp>\n\u003Ch2>Ce que cela signifie pour les développeurs\u003C\u002Fh2>\n\u003Cp>Les développeurs ne devraient pas considérer Gemini 3.5 Flash comme une simple option de modèle supplémentaire. Il modifie la structure des applications qui peuvent être construites sur la pile de Google. Si un modèle peut gérer des séquences de tâches plus longues, utiliser des outils de manière fiable et fonctionner assez rapidement pour des flux de travail réels, alors les applications peuvent passer de fonctionnalités d'IA isolées à des processus médiatisés par le modèle.\u003C\u002Fp>\n\u003Cul>\u003Cli>Les agents de code peuvent refactoriser, tester et vérifier des unités de tâche plus importantes.\u003C\u002Fli>\u003Cli>Les agents de produit peuvent aider les utilisateurs à passer de l'intention à l'action au sein d'un flux unique.\u003C\u002Fli>\u003Cli>Les applications multimédias peuvent combiner la génération Omni avec l'orchestration de Gemini 3.5.\u003C\u002Fli>\u003Cli>Les fonctionnalités de recherche et de Workspace peuvent passer de la simple réponse à l'exécution.\u003C\u002Fli>\u003Cli>Les surfaces mobiles et XR peuvent utiliser Gemini comme une couche de contexte en direct plutôt que comme un assistant cloud distant.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cp>Le danger est de sur-construire avant que le modèle opérationnel ne soit mature. Les développeurs ont toujours besoin de versioning, d'évaluation, de journalisation, de contrôle des coûts, de comportements de repli et de confirmation humaine pour les actions à fort impact. Un modèle plus performant ne supprime pas le besoin de discipline technique. Il augmente la valeur de cette discipline.\u003C\u002Fp>\n\u003Ch2>Ce que cela signifie pour les équipes produit\u003C\u002Fh2>\n\u003Cp>Les équipes produit devraient interpréter Gemini Omni et Gemini 3.5 comme un signal indiquant que Google souhaite que l'IA devienne une couche d'exécution à travers tout l'écosystème. Cela crée des opportunités et des risques. L'opportunité réside dans un chemin plus rapide entre l'intention de l'utilisateur et le résultat final. Le risque est que le comportement du produit devienne moins transparent si les décisions de l'agent sont masquées derrière une interface soignée.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>agenticProductChecklist = { userIntent: "claire", modelRole: "défini", tools: "autorisés", outputs: "vérifiables", failures: "récupérables", costs: "mesurés", userControl: "explicite"\n}\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Si une équipe produit ne peut pas répondre à ce que le modèle est autorisé à faire, comment il est évalué et comment l'utilisateur peut se remettre d'une mauvaise action, l'intégration n'est pas prête pour la production. Cela est particulièrement vrai lorsque Gemini est connecté à Search, Workspace, Shopping, Android ou à des interfaces portables.\u003C\u002Fp>\n\u003Ch2>L'épreuve de réalité : les benchmarks ne sont pas le produit\u003C\u002Fh2>\n\u003Cp>Le risque lors de chaque lancement de modèle est l'intoxication aux benchmarks. Une meilleure performance est importante, mais la valeur en production dépend de la qualité de l'intégration. Un modèle peut être plus rapide et plus performant tout en échouant sur un flux de travail spécifique parce que les prompts sont faibles, les politiques des outils sont trop souples, l'évaluation est superficielle ou les solutions de repli sont manquantes.\u003C\u002Fp>\n\u003Cul>\u003Cli>Un modèle créatif a besoin de cohérence, de modifiabilité et de contrôle des résultats.\u003C\u002Fli>\u003Cli>Un modèle d'action a besoin de discipline dans l'utilisation des outils, de vérification et de modes de défaillance sécurisés.\u003C\u002Fli>\u003Cli>Un modèle pour développeurs a besoin d'un comportement reproductible au sein de véritables dépôts.\u003C\u002Fli>\u003Cli>Un modèle de produit a besoin de la confiance des utilisateurs et de limites de contrôle claires.\u003C\u002Fli>\u003Cli>Un modèle de plateforme a besoin de gestion des versions, de surveillance et d'observabilité des coûts.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Le modèle de lancement attire l'attention. Le modèle opérationnel détermine s'il survit à la production.\u003Ccite class=\"block mt-2 text-sm\">— Confrontation avec la réalité de l'ingénierie\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Comment cela s'intègre dans le cluster Google I\u002FO 2026\u003C\u002Fh2>\n\u003Cp>Cet article couvre la couche de modèle du cluster. Le \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub principal de Google I\u002FO 2026\u003C\u002Fa> explique l'intégralité du changement architectural. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio et Google DevTools\u003C\u002Fa> expliquent comment les modèles s'intègrent dans les flux de travail des développeurs. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR et Intelligent Eyewear\u003C\u002Fa> expliquent comment cette même intelligence se transpose sur les interfaces portables. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Les produits agentiels dans Search, Workspace et Shopping\u003C\u002Fa> expliquent ce qui se passe lorsque ces capacités atteignent les produits grand public et de productivité.\u003C\u002Fp>\n\u003Ch2>Articles connexes dans ce cluster\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cb>Hub principal :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026 : pivots architecturaux, IA agentique et confrontation à la réalité de l'écosystème unifié\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Outils de développement :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026 : Antigravity, AI Studio et Google DevTools\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Android, XR et interfaces d'appareils :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026 : Android XR et lunettes intelligentes\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Produits grand public agentiques :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026 : produits agentiques dans la Recherche, Workspace et Shopping\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>Perspective finale\u003C\u002Fh2>\n\u003Cp>Gemini Omni et Gemini 3.5 définissent la répartition du calcul derrière Google I\u002FO 2026. Omni est la couche de création : entrée multimodale, sortie vidéo, édition conversationnelle et génération ancrée dans le monde réel. Gemini 3.5 Flash est la couche d'action : une intelligence de pointe rapide pour les agents, le codage et les tâches à long terme. Ensemble, ils expliquent pourquoi le reste de la présentation se présente ainsi. Antigravity a besoin de modèles de niveau action. Search et Workspace ont besoin d'agents capables de raisonner et d'exécuter. Android XR a besoin d'une compréhension du contexte en direct. La présentation n'est pas seulement une histoire de modèle, mais sans cette couche de calcul, le reste de l'histoire ne fonctionne pas.\u003C\u002Fp>\n\u003Cdiv class=\"ce-delimiter cdx-block my-8\">\u003C\u002Fdiv>",{"time":228,"blocks":229,"version":394},1779228744646,[230,234,237,240,244,247,256,261,264,267,270,274,277,280,283,286,289,292,295,298,306,310,313,316,319,322,325,328,336,339,342,345,348,351,354,357,365,369,372,375,378,385,388,391],{"data":231,"type":233},{"text":232},"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> a replacé la couche de calcul de la stratégie IA de Google au centre. La conférence était remplie d'agents, d'outils de développement, d'interfaces portables et d'intégrations de produits, mais toutes ces couches dépendent de deux directions de modèles : \u003Cb>Gemini Omni\u003C\u002Fb> et \u003Cb>Gemini 3.5\u003C\u002Fb>. L'une pousse la création et l'édition multimodales. L'autre pousse l'intelligence de pointe avec l'action, en particulier à travers Gemini 3.5 Flash.","paragraph",{"data":235,"type":233},{"text":236},"Cet article est le \u003Cb>volet de la couche de calcul\u003C\u002Fb> au sein du \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub architectural plus large de Google I\u002FO 2026\u003C\u002Fa>. Le volet des outils de développement est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio et Google DevTools\u003C\u002Fa>. Le volet des interfaces matérielles est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR et Intelligent Eyewear\u003C\u002Fa>. Le volet des produits applicatifs est traité dans \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Produits agentiques à travers Search, Workspace et Shopping\u003C\u002Fa>.",{"data":238,"type":233},{"text":239},"L'important est d'éviter de percevoir Gemini Omni et Gemini 3.5 comme une simple annonce générique de « nouveau modèle d'IA ». Ils résolvent des problèmes de produit et d'infrastructure différents. Omni concerne la création générative à partir de n'importe quelle entrée, à commencer par la vidéo. Gemini 3.5 concerne une intelligence rapide et orientée vers l'action pour les agents, le code et les flux de travail à long terme. Cette distinction est essentielle pour les développeurs, les équipes produit et les architectes de plateforme.",{"data":241,"type":42},{"text":242,"level":243},"La couche de calcul derrière la conférence",2,{"data":245,"type":233},{"text":246},"La propre collection de Google pour l'I\u002FO 2026 structure l'événement autour de deux nouveaux modèles : Gemini Omni et Gemini 3.5. Gemini Omni est décrit comme un bond en avant dans la compréhension du monde, la multimodalité et l'édition, capable de générer des résultats à partir de n'importe quelle entrée textuelle, visuelle, audio et vidéo, à commencer par la vidéo. Gemini 3.5 Flash est présenté comme le premier modèle de la famille Gemini 3.5, combinant intelligence de pointe et action.",{"data":248,"type":255},{"items":249,"style":254},[250,251,252,253],"Gemini Omni se concentre sur la création et l'édition multimodales, en commençant par la vidéo.","Gemini 3.5 Flash se concentre sur une vitesse de niveau action pour les agents, le codage et les flux de travail complexes.","La division des modèles reflète la division plus large de la plateforme de Google : créer des médias plus riches, puis agir plus rapidement sur les produits et les outils.","La véritable valeur stratégique apparaît lorsque ces modèles sont connectés à Antigravity, AI Studio, Search, Workspace, Android XR et aux appareils équipés de Gemini.","unordered","list",{"data":257,"type":260},{"text":258,"caption":259},"L'histoire des modèles n'est pas seulement une question de contexte plus large ou de meilleures démos. Il s'agit d'une spécialisation des rôles : la création d'un côté, l'action de l'autre.","Lecture de la couche de calcul","quote",{"data":262,"type":42},{"text":263,"level":243},"Gemini Omni : Création à partir de n'importe quelle entrée",{"data":265,"type":233},{"text":266},"Gemini Omni est la tentative la plus directe de Google de fusionner le raisonnement et la création. Le positionnement officiel est clair : il peut tout créer à partir de n'importe quelle entrée, en commençant par la vidéo. Le modèle accepte des combinaisons de texte, d'image, d'audio et de vidéo, puis génère des vidéos de haute qualité basées sur les connaissances du monde réel de Gemini. Il prend également en charge le montage vidéo conversationnel, ce qui aura probablement plus d'importance que la génération en un seul coup (one-shot) dans les flux de travail créatifs réels.",{"data":268,"type":233},{"text":269},"Ce dernier point est important. La valeur pratique de l'IA créative se résume rarement à « générer une vidéo ». Les flux de production exigent des révisions, des remplacements, du minutage, une continuité de style et des échanges autour des modifications. Si Omni peut rendre le montage plus conversationnel tout en préservant le contexte, il devient bien plus qu'un simple générateur de nouveautés. Il devient une interface créative.",{"data":271,"type":273},{"code":272},"\u002F\u002F Gemini Omni doit être considéré comme un modèle de flux de travail créatif\ninput = { text: \"Présenter le lancement d'un produit dans une ville cyberpunk sous la pluie\", image: \"brand-reference.png\", audio: \"voiceover.wav\", video: \"rough-cut.mp4\"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, \"Rendre l'éclairage plus chaleureux et conserver le même design de produit\")","code",{"data":275,"type":233},{"text":276},"Pour les équipes qui conçoivent des outils médias, des visuels de produits e-commerce, du contenu éducatif, des prototypes de jeux, des flux publicitaires ou des pipelines de vidéos sociales, c'est la partie de l'I\u002FO 2026 qui importe le plus. L'interface passe d'un montage manuel sur timeline à un montage multimodal basé sur l'intention. Cela ne supprime pas le jugement créatif, mais modifie la manière dont le travail créatif est investi.",{"data":278,"type":42},{"text":279,"level":243},"Gemini 3.5 Flash : L'intelligence de pointe alliée à l'action",{"data":281,"type":233},{"text":282},"Gemini 3.5 Flash constitue l'autre moitié du volet informatique. Google décrit la famille Gemini 3.5 comme combinant une intelligence de pointe avec l'action, et positionne 3.5 Flash comme la première version de cette famille. L'accent est mis sur les agents, le codage, les tâches complexes à long terme et l'utilité dans le monde réel. Ce choix de mots n'est pas fortuit. Il oriente directement vers des systèmes qui agissent, et pas seulement des systèmes qui répondent.",{"data":284,"type":233},{"text":285},"Pour les développeurs, « Flash » est important car les workflows agentiels sont sensibles à la latence. Un modèle intelligent mais lent peut convenir pour la recherche ou une rédaction soignée. Il est beaucoup plus difficile de l'intégrer dans l'automatisation native du terminal, les boucles d'IDE, l'utilisation d'outils multi-étapes, les agents en arrière-plan et les expériences produit qui nécessitent un retour immédiat. Google essaie clairement de faire du comportement de pointe rapide le moteur par défaut des workflows agentiels.",{"data":287,"type":273},{"code":288},"\u002F\u002F Utilisation classique du modèle\nanswer = model.generate(\"Expliquer cette fonction\") \u002F\u002F Utilisation du modèle agentiel\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()",{"data":290,"type":233},{"text":291},"Ce changement est la raison pour laquelle Gemini 3.5 appartient au même groupe qu'Antigravity. Antigravity a besoin d'un modèle capable de planifier, d'exécuter, de vérifier et de continuer à avancer sans transformer l'environnement de développement en salle d'attente. C'est là que la performance de calcul devient l'expérience développeur.",{"data":293,"type":42},{"text":294,"level":243},"Pourquoi la vitesse et l'action vont de pair",{"data":296,"type":233},{"text":297},"La présentation de Google axée sur la vitesse n'est pas qu'un simple argument marketing. Les systèmes agentiques multiplient la latence. Une réponse unique nécessite un seul aller-retour avec le modèle. Un flux de travail multi-agent peut en nécessiter plusieurs : planification, sélection des outils, édition de code, exécution dans le terminal, vérification, correction, résumé et révision humaine. Si chaque étape est lente, l'ensemble du système devient inutilisable.",{"data":299,"type":255},{"items":300,"style":254},[301,302,303,304,305],"Une génération rapide améliore les boucles de codage interactives.","Une faible latence rend les agents multi-étapes moins fragiles.","Un débit élevé est important lorsque les agents s'exécutent dans des tâches de maintenance en arrière-plan.","Un raisonnement stable est essentiel car des actions erronées plus rapides restent des actions erronées.","La vérification reste essentielle car la vitesse seule ne garantit pas la confiance.",{"data":307,"type":260},{"text":308,"caption":309},"L'agent utile n'est pas le modèle qui répond une seule fois. C'est le modèle capable de continuer à agir sans donner l'impression que le flux de travail est une file d'attente.","Perspective sur le runtime agentique",{"data":311,"type":42},{"text":312,"level":243},"Gemini Omni vs Gemini 3.5 : Des tâches différentes, une même stack",{"data":314,"type":233},{"text":315},"La façon la plus claire de comprendre les annonces de calcul de l'I\u002FO 2026 est de séparer les tâches. Gemini Omni est un modèle de création et d'édition multimodal. Gemini 3.5 Flash est un modèle orienté vers l'action pour les agents et le codage. Ils sont complémentaires et non interchangeables. Une équipe produit pourrait utiliser Omni pour générer des médias et utiliser Gemini 3.5 Flash pour orchestrer le flux de travail autour de ces médias.",{"data":317,"type":273},{"code":318},"\u002F\u002F Exemple de flux de travail produit\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \"Publier la campagne de lancement\", asset: creativeAsset, channels: [\"YouTube Shorts\", \"page de destination\", \"e-mail\"]\n}) Gemini35Flash.execute(agentPlan, tools)",{"data":320,"type":233},{"text":321},"C'est l'architecture plus large vers laquelle Google se dirige. Les modèles créatifs génèrent des artefacts plus riches. Les modèles d'action coordonnent les tâches autour de ces artefacts. Les interfaces produit exposent ces capacités aux utilisateurs. Les outils de développement assurent l'orchestration et la vérification. Les interfaces des appareils rendent l'assistant disponible dans davantage de contextes.",{"data":323,"type":42},{"text":324,"level":243},"Ce que cela signifie pour les développeurs",{"data":326,"type":233},{"text":327},"Les développeurs ne devraient pas considérer Gemini 3.5 Flash comme une simple option de modèle supplémentaire. Il modifie la structure des applications qui peuvent être construites sur la pile de Google. Si un modèle peut gérer des séquences de tâches plus longues, utiliser des outils de manière fiable et fonctionner assez rapidement pour des flux de travail réels, alors les applications peuvent passer de fonctionnalités d'IA isolées à des processus médiatisés par le modèle.",{"data":329,"type":255},{"items":330,"style":254},[331,332,333,334,335],"Les agents de code peuvent refactoriser, tester et vérifier des unités de tâche plus importantes.","Les agents de produit peuvent aider les utilisateurs à passer de l'intention à l'action au sein d'un flux unique.","Les applications multimédias peuvent combiner la génération Omni avec l'orchestration de Gemini 3.5.","Les fonctionnalités de recherche et de Workspace peuvent passer de la simple réponse à l'exécution.","Les surfaces mobiles et XR peuvent utiliser Gemini comme une couche de contexte en direct plutôt que comme un assistant cloud distant.",{"data":337,"type":233},{"text":338},"Le danger est de sur-construire avant que le modèle opérationnel ne soit mature. Les développeurs ont toujours besoin de versioning, d'évaluation, de journalisation, de contrôle des coûts, de comportements de repli et de confirmation humaine pour les actions à fort impact. Un modèle plus performant ne supprime pas le besoin de discipline technique. Il augmente la valeur de cette discipline.",{"data":340,"type":42},{"text":341,"level":243},"Ce que cela signifie pour les équipes produit",{"data":343,"type":233},{"text":344},"Les équipes produit devraient interpréter Gemini Omni et Gemini 3.5 comme un signal indiquant que Google souhaite que l'IA devienne une couche d'exécution à travers tout l'écosystème. Cela crée des opportunités et des risques. L'opportunité réside dans un chemin plus rapide entre l'intention de l'utilisateur et le résultat final. Le risque est que le comportement du produit devienne moins transparent si les décisions de l'agent sont masquées derrière une interface soignée.",{"data":346,"type":273},{"code":347},"agenticProductChecklist = { userIntent: \"claire\", modelRole: \"défini\", tools: \"autorisés\", outputs: \"vérifiables\", failures: \"récupérables\", costs: \"mesurés\", userControl: \"explicite\"\n}",{"data":349,"type":233},{"text":350},"Si une équipe produit ne peut pas répondre à ce que le modèle est autorisé à faire, comment il est évalué et comment l'utilisateur peut se remettre d'une mauvaise action, l'intégration n'est pas prête pour la production. Cela est particulièrement vrai lorsque Gemini est connecté à Search, Workspace, Shopping, Android ou à des interfaces portables.",{"data":352,"type":42},{"text":353,"level":243},"L'épreuve de réalité : les benchmarks ne sont pas le produit",{"data":355,"type":233},{"text":356},"Le risque lors de chaque lancement de modèle est l'intoxication aux benchmarks. Une meilleure performance est importante, mais la valeur en production dépend de la qualité de l'intégration. Un modèle peut être plus rapide et plus performant tout en échouant sur un flux de travail spécifique parce que les prompts sont faibles, les politiques des outils sont trop souples, l'évaluation est superficielle ou les solutions de repli sont manquantes.",{"data":358,"type":255},{"items":359,"style":254},[360,361,362,363,364],"Un modèle créatif a besoin de cohérence, de modifiabilité et de contrôle des résultats.","Un modèle d'action a besoin de discipline dans l'utilisation des outils, de vérification et de modes de défaillance sécurisés.","Un modèle pour développeurs a besoin d'un comportement reproductible au sein de véritables dépôts.","Un modèle de produit a besoin de la confiance des utilisateurs et de limites de contrôle claires.","Un modèle de plateforme a besoin de gestion des versions, de surveillance et d'observabilité des coûts.",{"data":366,"type":260},{"text":367,"caption":368},"Le modèle de lancement attire l'attention. Le modèle opérationnel détermine s'il survit à la production.","Confrontation avec la réalité de l'ingénierie",{"data":370,"type":42},{"text":371,"level":243},"Comment cela s'intègre dans le cluster Google I\u002FO 2026",{"data":373,"type":233},{"text":374},"Cet article couvre la couche de modèle du cluster. Le \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub principal de Google I\u002FO 2026\u003C\u002Fa> explique l'intégralité du changement architectural. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio et Google DevTools\u003C\u002Fa> expliquent comment les modèles s'intègrent dans les flux de travail des développeurs. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR et Intelligent Eyewear\u003C\u002Fa> expliquent comment cette même intelligence se transpose sur les interfaces portables. \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Les produits agentiels dans Search, Workspace et Shopping\u003C\u002Fa> expliquent ce qui se passe lorsque ces capacités atteignent les produits grand public et de productivité.",{"data":376,"type":42},{"text":377,"level":243},"Articles connexes dans ce cluster",{"data":379,"type":255},{"items":380,"style":254},[381,382,383,384],"\u003Cb>Hub principal :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026 : pivots architecturaux, IA agentique et confrontation à la réalité de l'écosystème unifié\u003C\u002Fa>","\u003Cb>Outils de développement :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026 : Antigravity, AI Studio et Google DevTools\u003C\u002Fa>","\u003Cb>Android, XR et interfaces d'appareils :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026 : Android XR et lunettes intelligentes\u003C\u002Fa>","\u003Cb>Produits grand public agentiques :\u003C\u002Fb> \u003Ca href=\"\u002Ffr\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026 : produits agentiques dans la Recherche, Workspace et Shopping\u003C\u002Fa>",{"data":386,"type":42},{"text":387,"level":243},"Perspective finale",{"data":389,"type":233},{"text":390},"Gemini Omni et Gemini 3.5 définissent la répartition du calcul derrière Google I\u002FO 2026. Omni est la couche de création : entrée multimodale, sortie vidéo, édition conversationnelle et génération ancrée dans le monde réel. Gemini 3.5 Flash est la couche d'action : une intelligence de pointe rapide pour les agents, le codage et les tâches à long terme. Ensemble, ils expliquent pourquoi le reste de la présentation se présente ainsi. Antigravity a besoin de modèles de niveau action. Search et Workspace ont besoin d'agents capables de raisonner et d'exécuter. Android XR a besoin d'une compréhension du contexte en direct. La présentation n'est pas seulement une histoire de modèle, mais sans cette couche de calcul, le reste de l'histoire ne fonctionne pas.",{"data":392,"type":393},{},"delimiter","2.31","Google I\u002FO 2026 a placé Gemini Omni et Gemini 3.5 au centre de la stratégie d'IA agentique de Google. Cet article détaille la différence entre la création multimodale et l'intelligence de niveau action, pourquoi Gemini 3.5 Flash est important pour les agents et le codage, et comment ces modèles propulsent le changement de plateforme plus large de Google I\u002FO 2026.","\u002Fuploads\u002F2026\u002F05\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5-1779227791401-6hzln1.webp","google-io-2026-gemini-omni-and-gemini-3-5-1779227791401-6hzln1","PUBLISHED","2026-05-21T11:01:00.000Z","2026-05-19T21:24:25.091Z","2026-05-21T11:07:38.647Z",{"en":403,"de":404,"sr":405,"es":406,"fr":407,"it":408,"ru":409,"zh":410},"\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fde\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fsr\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fes\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Ffr\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fit\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fru\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fzh\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5",[],{"id":413,"login":414,"email":415,"displayName":416},"20","rooth8233","","Aleksandar Stajić",[418,584],{"lang":419,"title":420,"content":421,"contentJson":422,"excerpt":583},"en","Google I\u002FO 2026: Gemini Omni, Gemini 3.5, and the Compute Layer Behind Agentic AI","{\"time\":1774828800000,\"blocks\":[{\"data\":{\"text\":\"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> put the compute layer of Google’s AI strategy back in the center. The keynote was full of agents, developer tools, wearable interfaces, and product integrations, but all of those layers depend on two model directions: \u003Cb>Gemini Omni\u003C\u002Fb> and \u003Cb>Gemini 3.5\u003C\u002Fb>. One pushes multimodal creation and editing. The other pushes frontier intelligence with action, especially through Gemini 3.5 Flash.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"This article is the \u003Cb>compute-layer spoke\u003C\u002Fb> inside the larger \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">Google I\u002FO 2026 architectural hub\u003C\u002Fa>. The developer-tooling side is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>. The device-surface story is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Android XR and Intelligent Eyewear\u003C\u002Fa>. The product-surface story is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The important thing is to avoid reading Gemini Omni and Gemini 3.5 as one generic “new AI model” announcement. They solve different product and infrastructure problems. Omni is about any-input creative generation, starting with video. Gemini 3.5 is about fast, action-oriented intelligence for agents, coding, and long-horizon workflows. That separation matters for developers, product teams, and platform architects.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The Compute Layer Behind the Keynote\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Google’s own I\u002FO 2026 collection frames the event around two new models: Gemini Omni and Gemini 3.5. Gemini Omni is described as a leap forward in world understanding, multimodality, and editing, able to create output from input across text, images, audio, and video, starting with video. Gemini 3.5 Flash is introduced as the first model in the Gemini 3.5 family, combining frontier intelligence with action.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Gemini Omni focuses on multimodal creation and editing, starting with video.\",\"Gemini 3.5 Flash focuses on action-grade speed for agents, coding, and complex workflows.\",\"The model split mirrors Google’s broader platform split: create richer media, then act faster across products and tools.\",\"The real strategic value comes when these models are connected to Antigravity, AI Studio, Search, Workspace, Android XR, and Gemini-powered devices.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The model story is not just bigger context or better demos. It is role specialization: creation on one side, action on the other.\",\"caption\":\"Compute-layer reading\"},\"type\":\"quote\"},{\"data\":{\"text\":\"Gemini Omni: Creation From Any Input\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini Omni is Google’s most direct attempt to fuse reasoning with creation. The official positioning is clear: it can create anything from any input, starting with video. The model accepts combinations of text, image, audio, and video, then generates high-quality video grounded in Gemini’s real-world knowledge. It also supports conversational video editing, which is likely to matter more than one-shot generation in actual creative workflows.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"That last point is important. The practical value of creative AI is rarely only “generate a video.” Production workflows require revision, replacement, timing, style continuity, and conversation around changes. If Omni can make editing more conversational while preserving context, it becomes more than a novelty generator. It becomes a creative interface.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Gemini Omni should be read as a creative workflow model\\ninput = { text: \\\"Show a product launch in a rainy cyberpunk city\\\", image: \\\"brand-reference.png\\\", audio: \\\"voiceover.wav\\\", video: \\\"rough-cut.mp4\\\"\\n} output = GeminiOmni.generateVideo(input)\\nrevision = GeminiOmni.edit(output, \\\"Make the lighting warmer and keep the same product design\\\")\"},\"type\":\"code\"},{\"data\":{\"text\":\"For teams building media tools, ecommerce product visuals, education content, game prototyping, advertising workflows, or social video pipelines, this is the part of I\u002FO 2026 that matters most. The interface moves from manual timeline editing toward intent-based multimodal editing. That does not remove creative judgment, but it changes where creative labor is spent.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Gemini 3.5 Flash: Frontier Intelligence With Action\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini 3.5 Flash is the other half of the compute story. Google describes the Gemini 3.5 family as combining frontier intelligence with action, and positions 3.5 Flash as the first release in that family. The emphasis is on agents, coding, complex long-horizon tasks, and real-world utility. That language is not accidental. It points directly toward systems that do things, not just systems that answer.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"For developers, “Flash” matters because agentic workflows are latency-sensitive. A model that is smart but slow can work for research or careful writing. It is much harder to fit into terminal-native automation, IDE loops, multi-step tool usage, background agents, and product experiences that need immediate feedback. Google is clearly trying to make fast frontier behavior the default engine for agentic workflows.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Classic model usage\\nanswer = model.generate(\\\"Explain this function\\\") \u002F\u002F Agentic model usage\\nplan = model.plan(task)\\ntoolResult = tools.run(plan.nextStep)\\nverification = model.verify(toolResult) if verification.failed: rollback()\\nelse: continueExecution()\"},\"type\":\"code\"},{\"data\":{\"text\":\"That shift is why Gemini 3.5 belongs in the same cluster as Antigravity. Antigravity needs a model that can plan, execute, verify, and keep moving without turning the development environment into a waiting room. This is where compute performance becomes developer experience.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Why Speed and Action Belong Together\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Google’s keynote framing around speed is not just marketing. Agentic systems multiply latency. A single answer has one model round trip. A multi-agent workflow can have many: planning, tool selection, code editing, terminal execution, verification, repair, summarization, and human review. If each step is slow, the whole system becomes unusable.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Fast output improves interactive coding loops.\",\"Low latency makes multi-step agents feel less brittle.\",\"High throughput matters when agents run in background maintenance tasks.\",\"Stable reasoning matters because faster wrong actions are still wrong actions.\",\"Verification remains essential because speed alone does not equal trust.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The useful agent is not the model that answers once. It is the model that can keep acting without making the workflow feel like a queue.\",\"caption\":\"Agentic runtime perspective\"},\"type\":\"quote\"},{\"data\":{\"text\":\"Gemini Omni vs Gemini 3.5: Different Jobs, Same Stack\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"The cleanest way to understand the I\u002FO 2026 compute announcements is to separate the jobs. Gemini Omni is a multimodal creation and editing model. Gemini 3.5 Flash is an action-oriented model for agents and coding. They are complementary, not interchangeable. A product team might use Omni to generate media and use Gemini 3.5 Flash to orchestrate the workflow around that media.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Product workflow example\\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \\\"Publish launch campaign\\\", asset: creativeAsset, channels: [\\\"YouTube Shorts\\\", \\\"landing page\\\", \\\"email\\\"]\\n}) Gemini35Flash.execute(agentPlan, tools)\"},\"type\":\"code\"},{\"data\":{\"text\":\"That is the broader architecture Google is pointing toward. Creative models generate richer artifacts. Action models coordinate tasks around those artifacts. Product surfaces expose those capabilities to users. Developer tools provide orchestration and verification. Device surfaces make the assistant available in more contexts.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"What This Means for Developers\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Developers should not treat Gemini 3.5 Flash as only another model option. It changes the shape of applications that can be built on top of Google’s stack. If a model can handle longer task sequences, use tools reliably, and operate fast enough for real workflows, then applications can shift from isolated AI features to model-mediated processes.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Code agents can refactor, test, and verify larger task units.\",\"Product agents can help users move from intent to action inside one flow.\",\"Media applications can combine Omni generation with Gemini 3.5 orchestration.\",\"Search and Workspace features can move from answering toward executing.\",\"Mobile and XR surfaces can use Gemini as a live context layer instead of a distant cloud assistant.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The danger is overbuilding before the operational model is mature. Developers still need versioning, evaluation, logging, cost controls, fallback behavior, and human confirmation for high-impact actions. A stronger model does not remove the need for engineering discipline. It increases the value of that discipline.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"What This Means for Product Teams\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Product teams should read Gemini Omni and Gemini 3.5 as a signal that Google wants AI to become an execution layer across the ecosystem. That creates opportunity and risk. The opportunity is a faster path from user intent to finished output. The risk is that product behavior becomes less transparent if agent decisions are hidden behind a polished interface.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"agenticProductChecklist = { userIntent: \\\"clear\\\", modelRole: \\\"defined\\\", tools: \\\"permissioned\\\", outputs: \\\"reviewable\\\", failures: \\\"recoverable\\\", costs: \\\"measured\\\", userControl: \\\"explicit\\\"\\n}\"},\"type\":\"code\"},{\"data\":{\"text\":\"If a product team cannot answer what the model is allowed to do, how it is evaluated, and how the user can recover from a bad action, the integration is not ready for production. This is especially true when Gemini is connected to Search, Workspace, Shopping, Android, or wearable interfaces.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The Reality Check: Benchmarks Are Not the Product\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"The risk with every model launch is benchmark intoxication. Better performance matters, but production value depends on integration quality. A model can be faster and stronger while still failing a specific workflow because the prompts are weak, tool policies are loose, evaluation is shallow, or rollback paths are missing.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"A creative model needs consistency, editability, and output control.\",\"An action model needs tool discipline, verification, and safe failure modes.\",\"A developer model needs repeatable behavior inside real repositories.\",\"A product model needs user trust and clear control boundaries.\",\"A platform model needs versioning, monitoring, and cost observability.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The launch model gets attention. The operating model decides whether it survives production.\",\"caption\":\"Engineering reality check\"},\"type\":\"quote\"},{\"data\":{\"text\":\"How This Fits the Google I\u002FO 2026 Cluster\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"This article covers the model layer of the cluster. The \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">main Google I\u002FO 2026 hub\u003C\u002Fa> explains the full architectural shift. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa> explains how the models enter developer workflows. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Android XR and Intelligent Eyewear\u003C\u002Fa> explains how the same intelligence moves into wearable surfaces. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa> explains what happens when these capabilities reach consumer and productivity products.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Related Articles in This Cluster\",\"level\":2},\"type\":\"header\"},{\"data\":{\"items\":[\"\u003Cb>Main Hub:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">Google I\u002FO 2026: Architectural Pivots, Agentic AI, and the Unified Ecosystem Reality Check\u003C\u002Fa>\",\"\u003Cb>Developer Tooling:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Google I\u002FO 2026: Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>\",\"\u003Cb>Android, XR, and Device Surfaces:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Google I\u002FO 2026: Android XR and Intelligent Eyewear\u003C\u002Fa>\",\"\u003Cb>Agentic Consumer Products:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Google I\u002FO 2026: Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"Final Perspective\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini Omni and Gemini 3.5 define the compute split behind Google I\u002FO 2026. Omni is the creation layer: multimodal input, video output, conversational editing, and world-grounded generation. Gemini 3.5 Flash is the action layer: fast frontier intelligence for agents, coding, and long-horizon tasks. Together, they explain why the rest of the keynote looks the way it does. Antigravity needs action-grade models. Search and Workspace need agents that can reason and execute. Android XR needs live context understanding. The keynote is not just a model story, but without this compute layer the rest of the story does not work.\"},\"type\":\"paragraph\"},{\"data\":{},\"type\":\"delimiter\"}],\"version\":\"2.30.8\"}",{"time":423,"blocks":424,"version":582},1774828800000,[425,428,431,434,437,440,447,451,454,457,460,463,466,469,472,475,478,481,484,487,495,499,502,505,508,511,514,517,525,528,531,534,537,540,543,546,554,558,561,564,567,574,577,580],{"data":426,"type":233},{"text":427},"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> put the compute layer of Google’s AI strategy back in the center. The keynote was full of agents, developer tools, wearable interfaces, and product integrations, but all of those layers depend on two model directions: \u003Cb>Gemini Omni\u003C\u002Fb> and \u003Cb>Gemini 3.5\u003C\u002Fb>. One pushes multimodal creation and editing. The other pushes frontier intelligence with action, especially through Gemini 3.5 Flash.",{"data":429,"type":233},{"text":430},"This article is the \u003Cb>compute-layer spoke\u003C\u002Fb> inside the larger \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026 architectural hub\u003C\u002Fa>. The developer-tooling side is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>. The device-surface story is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR and Intelligent Eyewear\u003C\u002Fa>. The product-surface story is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>.",{"data":432,"type":233},{"text":433},"The important thing is to avoid reading Gemini Omni and Gemini 3.5 as one generic “new AI model” announcement. They solve different product and infrastructure problems. Omni is about any-input creative generation, starting with video. Gemini 3.5 is about fast, action-oriented intelligence for agents, coding, and long-horizon workflows. That separation matters for developers, product teams, and platform architects.",{"data":435,"type":42},{"text":436,"level":243},"The Compute Layer Behind the Keynote",{"data":438,"type":233},{"text":439},"Google’s own I\u002FO 2026 collection frames the event around two new models: Gemini Omni and Gemini 3.5. Gemini Omni is described as a leap forward in world understanding, multimodality, and editing, able to create output from input across text, images, audio, and video, starting with video. Gemini 3.5 Flash is introduced as the first model in the Gemini 3.5 family, combining frontier intelligence with action.",{"data":441,"type":255},{"items":442,"style":254},[443,444,445,446],"Gemini Omni focuses on multimodal creation and editing, starting with video.","Gemini 3.5 Flash focuses on action-grade speed for agents, coding, and complex workflows.","The model split mirrors Google’s broader platform split: create richer media, then act faster across products and tools.","The real strategic value comes when these models are connected to Antigravity, AI Studio, Search, Workspace, Android XR, and Gemini-powered devices.",{"data":448,"type":260},{"text":449,"caption":450},"The model story is not just bigger context or better demos. It is role specialization: creation on one side, action on the other.","Compute-layer reading",{"data":452,"type":42},{"text":453,"level":243},"Gemini Omni: Creation From Any Input",{"data":455,"type":233},{"text":456},"Gemini Omni is Google’s most direct attempt to fuse reasoning with creation. The official positioning is clear: it can create anything from any input, starting with video. The model accepts combinations of text, image, audio, and video, then generates high-quality video grounded in Gemini’s real-world knowledge. It also supports conversational video editing, which is likely to matter more than one-shot generation in actual creative workflows.",{"data":458,"type":233},{"text":459},"That last point is important. The practical value of creative AI is rarely only “generate a video.” Production workflows require revision, replacement, timing, style continuity, and conversation around changes. If Omni can make editing more conversational while preserving context, it becomes more than a novelty generator. It becomes a creative interface.",{"data":461,"type":273},{"code":462},"\u002F\u002F Gemini Omni should be read as a creative workflow model\ninput = { text: \"Show a product launch in a rainy cyberpunk city\", image: \"brand-reference.png\", audio: \"voiceover.wav\", video: \"rough-cut.mp4\"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, \"Make the lighting warmer and keep the same product design\")",{"data":464,"type":233},{"text":465},"For teams building media tools, ecommerce product visuals, education content, game prototyping, advertising workflows, or social video pipelines, this is the part of I\u002FO 2026 that matters most. The interface moves from manual timeline editing toward intent-based multimodal editing. That does not remove creative judgment, but it changes where creative labor is spent.",{"data":467,"type":42},{"text":468,"level":243},"Gemini 3.5 Flash: Frontier Intelligence With Action",{"data":470,"type":233},{"text":471},"Gemini 3.5 Flash is the other half of the compute story. Google describes the Gemini 3.5 family as combining frontier intelligence with action, and positions 3.5 Flash as the first release in that family. The emphasis is on agents, coding, complex long-horizon tasks, and real-world utility. That language is not accidental. It points directly toward systems that do things, not just systems that answer.",{"data":473,"type":233},{"text":474},"For developers, “Flash” matters because agentic workflows are latency-sensitive. A model that is smart but slow can work for research or careful writing. It is much harder to fit into terminal-native automation, IDE loops, multi-step tool usage, background agents, and product experiences that need immediate feedback. Google is clearly trying to make fast frontier behavior the default engine for agentic workflows.",{"data":476,"type":273},{"code":477},"\u002F\u002F Classic model usage\nanswer = model.generate(\"Explain this function\") \u002F\u002F Agentic model usage\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()",{"data":479,"type":233},{"text":480},"That shift is why Gemini 3.5 belongs in the same cluster as Antigravity. Antigravity needs a model that can plan, execute, verify, and keep moving without turning the development environment into a waiting room. This is where compute performance becomes developer experience.",{"data":482,"type":42},{"text":483,"level":243},"Why Speed and Action Belong Together",{"data":485,"type":233},{"text":486},"Google’s keynote framing around speed is not just marketing. Agentic systems multiply latency. A single answer has one model round trip. A multi-agent workflow can have many: planning, tool selection, code editing, terminal execution, verification, repair, summarization, and human review. If each step is slow, the whole system becomes unusable.",{"data":488,"type":255},{"items":489,"style":254},[490,491,492,493,494],"Fast output improves interactive coding loops.","Low latency makes multi-step agents feel less brittle.","High throughput matters when agents run in background maintenance tasks.","Stable reasoning matters because faster wrong actions are still wrong actions.","Verification remains essential because speed alone does not equal trust.",{"data":496,"type":260},{"text":497,"caption":498},"The useful agent is not the model that answers once. It is the model that can keep acting without making the workflow feel like a queue.","Agentic runtime perspective",{"data":500,"type":42},{"text":501,"level":243},"Gemini Omni vs Gemini 3.5: Different Jobs, Same Stack",{"data":503,"type":233},{"text":504},"The cleanest way to understand the I\u002FO 2026 compute announcements is to separate the jobs. Gemini Omni is a multimodal creation and editing model. Gemini 3.5 Flash is an action-oriented model for agents and coding. They are complementary, not interchangeable. A product team might use Omni to generate media and use Gemini 3.5 Flash to orchestrate the workflow around that media.",{"data":506,"type":273},{"code":507},"\u002F\u002F Product workflow example\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \"Publish launch campaign\", asset: creativeAsset, channels: [\"YouTube Shorts\", \"landing page\", \"email\"]\n}) Gemini35Flash.execute(agentPlan, tools)",{"data":509,"type":233},{"text":510},"That is the broader architecture Google is pointing toward. Creative models generate richer artifacts. Action models coordinate tasks around those artifacts. Product surfaces expose those capabilities to users. Developer tools provide orchestration and verification. Device surfaces make the assistant available in more contexts.",{"data":512,"type":42},{"text":513,"level":243},"What This Means for Developers",{"data":515,"type":233},{"text":516},"Developers should not treat Gemini 3.5 Flash as only another model option. It changes the shape of applications that can be built on top of Google’s stack. If a model can handle longer task sequences, use tools reliably, and operate fast enough for real workflows, then applications can shift from isolated AI features to model-mediated processes.",{"data":518,"type":255},{"items":519,"style":254},[520,521,522,523,524],"Code agents can refactor, test, and verify larger task units.","Product agents can help users move from intent to action inside one flow.","Media applications can combine Omni generation with Gemini 3.5 orchestration.","Search and Workspace features can move from answering toward executing.","Mobile and XR surfaces can use Gemini as a live context layer instead of a distant cloud assistant.",{"data":526,"type":233},{"text":527},"The danger is overbuilding before the operational model is mature. Developers still need versioning, evaluation, logging, cost controls, fallback behavior, and human confirmation for high-impact actions. A stronger model does not remove the need for engineering discipline. It increases the value of that discipline.",{"data":529,"type":42},{"text":530,"level":243},"What This Means for Product Teams",{"data":532,"type":233},{"text":533},"Product teams should read Gemini Omni and Gemini 3.5 as a signal that Google wants AI to become an execution layer across the ecosystem. That creates opportunity and risk. The opportunity is a faster path from user intent to finished output. The risk is that product behavior becomes less transparent if agent decisions are hidden behind a polished interface.",{"data":535,"type":273},{"code":536},"agenticProductChecklist = { userIntent: \"clear\", modelRole: \"defined\", tools: \"permissioned\", outputs: \"reviewable\", failures: \"recoverable\", costs: \"measured\", userControl: \"explicit\"\n}",{"data":538,"type":233},{"text":539},"If a product team cannot answer what the model is allowed to do, how it is evaluated, and how the user can recover from a bad action, the integration is not ready for production. This is especially true when Gemini is connected to Search, Workspace, Shopping, Android, or wearable interfaces.",{"data":541,"type":42},{"text":542,"level":243},"The Reality Check: Benchmarks Are Not the Product",{"data":544,"type":233},{"text":545},"The risk with every model launch is benchmark intoxication. Better performance matters, but production value depends on integration quality. A model can be faster and stronger while still failing a specific workflow because the prompts are weak, tool policies are loose, evaluation is shallow, or rollback paths are missing.",{"data":547,"type":255},{"items":548,"style":254},[549,550,551,552,553],"A creative model needs consistency, editability, and output control.","An action model needs tool discipline, verification, and safe failure modes.","A developer model needs repeatable behavior inside real repositories.","A product model needs user trust and clear control boundaries.","A platform model needs versioning, monitoring, and cost observability.",{"data":555,"type":260},{"text":556,"caption":557},"The launch model gets attention. The operating model decides whether it survives production.","Engineering reality check",{"data":559,"type":42},{"text":560,"level":243},"How This Fits the Google I\u002FO 2026 Cluster",{"data":562,"type":233},{"text":563},"This article covers the model layer of the cluster. The \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">main Google I\u002FO 2026 hub\u003C\u002Fa> explains the full architectural shift. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa> explains how the models enter developer workflows. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR and Intelligent Eyewear\u003C\u002Fa> explains how the same intelligence moves into wearable surfaces. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa> explains what happens when these capabilities reach consumer and productivity products.",{"data":565,"type":42},{"text":566,"level":243},"Related Articles in This Cluster",{"data":568,"type":255},{"items":569,"style":254},[570,571,572,573],"\u003Cb>Main Hub:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026: Architectural Pivots, Agentic AI, and the Unified Ecosystem Reality Check\u003C\u002Fa>","\u003Cb>Developer Tooling:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026: Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>","\u003Cb>Android, XR, and Device Surfaces:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026: Android XR and Intelligent Eyewear\u003C\u002Fa>","\u003Cb>Agentic Consumer Products:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026: Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>",{"data":575,"type":42},{"text":576,"level":243},"Final Perspective",{"data":578,"type":233},{"text":579},"Gemini Omni and Gemini 3.5 define the compute split behind Google I\u002FO 2026. Omni is the creation layer: multimodal input, video output, conversational editing, and world-grounded generation. Gemini 3.5 Flash is the action layer: fast frontier intelligence for agents, coding, and long-horizon tasks. Together, they explain why the rest of the keynote looks the way it does. Antigravity needs action-grade models. Search and Workspace need agents that can reason and execute. Android XR needs live context understanding. The keynote is not just a model story, but without this compute layer the rest of the story does not work.",{"data":581,"type":393},{},"2.30.8","Google I\u002FO 2026 put Gemini Omni and Gemini 3.5 at the center of Google’s agentic AI strategy. This article breaks down the difference between multimodal creation and action-grade intelligence, why Gemini 3.5 Flash matters for agents and coding, and how these models power the wider Google I\u002FO 2026 platform shift.",{"lang":7,"title":224,"content":226,"contentJson":585,"excerpt":395},{"time":228,"blocks":586,"version":394},[587,589,591,593,595,597,600,602,604,606,608,610,612,614,616,618,620,622,624,626,629,631,633,635,637,639,641,643,646,648,650,652,654,656,658,660,663,665,667,669,671,674,676,678],{"data":588,"type":233},{"text":232},{"data":590,"type":233},{"text":236},{"data":592,"type":233},{"text":239},{"data":594,"type":42},{"text":242,"level":243},{"data":596,"type":233},{"text":246},{"data":598,"type":255},{"items":599,"style":254},[250,251,252,253],{"data":601,"type":260},{"text":258,"caption":259},{"data":603,"type":42},{"text":263,"level":243},{"data":605,"type":233},{"text":266},{"data":607,"type":233},{"text":269},{"data":609,"type":273},{"code":272},{"data":611,"type":233},{"text":276},{"data":613,"type":42},{"text":279,"level":243},{"data":615,"type":233},{"text":282},{"data":617,"type":233},{"text":285},{"data":619,"type":273},{"code":288},{"data":621,"type":233},{"text":291},{"data":623,"type":42},{"text":294,"level":243},{"data":625,"type":233},{"text":297},{"data":627,"type":255},{"items":628,"style":254},[301,302,303,304,305],{"data":630,"type":260},{"text":308,"caption":309},{"data":632,"type":42},{"text":312,"level":243},{"data":634,"type":233},{"text":315},{"data":636,"type":273},{"code":318},{"data":638,"type":233},{"text":321},{"data":640,"type":42},{"text":324,"level":243},{"data":642,"type":233},{"text":327},{"data":644,"type":255},{"items":645,"style":254},[331,332,333,334,335],{"data":647,"type":233},{"text":338},{"data":649,"type":42},{"text":341,"level":243},{"data":651,"type":233},{"text":344},{"data":653,"type":273},{"code":347},{"data":655,"type":233},{"text":350},{"data":657,"type":42},{"text":353,"level":243},{"data":659,"type":233},{"text":356},{"data":661,"type":255},{"items":662,"style":254},[360,361,362,363,364],{"data":664,"type":260},{"text":367,"caption":368},{"data":666,"type":42},{"text":371,"level":243},{"data":668,"type":233},{"text":374},{"data":670,"type":42},{"text":377,"level":243},{"data":672,"type":255},{"items":673,"style":254},[381,382,383,384],{"data":675,"type":42},{"text":387,"level":243},{"data":677,"type":233},{"text":390},{"data":679,"type":393},{},"Post erfolgreich abgerufen",{"items":682,"source":767,"manualIds":768,"manualMatchedIds":769},[683,690,697,704,711,718,725,732,739,746,753,760],{"id":684,"slug":685,"title":686,"excerpt":687,"featuredImage":688,"publishedAt":689},"482","adr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing","ADR vs NFR : les décisions d'architecture et la qualité du système ne sont pas la même chose","ADR vs NFR expliqués : découvrez comment les exigences de qualité système orientent les décisions d'architecture, comment les ADR consignent les compromis et pourquoi la validation reste distincte.","\u002Fuploads\u002F2026\u002F10\u002Fadr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing-1791475921511-6zgen1.webp","2026-10-08T12:11:00.000Z",{"id":691,"slug":692,"title":693,"excerpt":694,"featuredImage":695,"publishedAt":696},"483","what-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs","Qu'est-ce qu'un architecte de solutions IA ? Limites du système, responsabilités et compromis","Un architecte de solutions d'IA transforme les exigences métier en un système d'IA prêt pour la production, couvrant les données, les modèles, les outils, la sécurité, l'exécution, l'évaluation et les opérations.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-an-ai-solution-architect-system-boundaries-responsibilities-and-trade-offs-1791476643267-1st5xz.webp","2026-10-08T12:23:00.000Z",{"id":698,"slug":699,"title":700,"excerpt":701,"featuredImage":702,"publishedAt":703},"496","why-does-ai-retrieve-some-sources-and-ignore-others-the-retrieval-authority-layer","Pourquoi l'IA récupère-t-elle certaines sources et en ignore-t-elle d'autres ? — La couche d'autorité de récupération","Trouver un document pertinent ne suffit pas. Les systèmes d’IA doivent aussi distinguer les sources actuelles, faisant autorité, applicables et traçables des sources qui semblent simplement similaires. La couche d’autorité de récupération définit cette frontière de sélection des sources.","\u002Fuploads\u002F2026\u002F10\u002Fwhy-does-ai-retrieve-some-sources-and-ignore-others-the-retrieval-authority-layer-1792072410616-0evp1z.webp","2026-10-15T07:51:00.000Z",{"id":705,"slug":706,"title":707,"excerpt":708,"featuredImage":709,"publishedAt":710},"467","the-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers","La frontière de validité des réponses : la couche manquante entre la pertinence et les réponses fiables de l'IA","Une source peut être pertinente, faisant autorité et pourtant être erronée pour la question posée. La couche manquante est l'applicabilité : les conditions dans lesquelles une réponse est valable, et les changements qui obligent à la reconsidérer. Cet article présente la Frontière de Validité de la Réponse comme un modèle de conception de source pour les humains, la recherche par IA et les systèmes RAG.","\u002Fuploads\u002F2026\u002F09\u002Fthe-answer-validity-boundary-the-missing-layer-between-relevance-and-reliable-ai-answers-1790272901306-1g5jly.webp","2026-09-24T11:59:00.000Z",{"id":712,"slug":713,"title":714,"excerpt":715,"featuredImage":716,"publishedAt":717},"475","managed-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","Harnais d'agent géré vs boucle d'agent auto-hébergée : ce que vous gagnez, ce que vous perdez","“Agent auto-hébergé” peut désigner des architectures très différentes. Ce guide distingue le harnais géré, l'environnement d'exécution auto-hébergé et la boucle d'agent entièrement auto-opérée—et montre de quelle frontière de contrôle les équipes ont réellement besoin.","\u002Fuploads\u002F2026\u002F09\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose-1790352403475-kj10jh.webp","2026-09-25T12:05:00.000Z",{"id":719,"slug":720,"title":721,"excerpt":722,"featuredImage":723,"publishedAt":724},"480","when-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger","Quand une IA devrait-elle cesser de faire confiance à ses propres connaissances ? — Le déclencheur de récupération","Un modèle d'IA n'a pas besoin de récupération pour chaque question. Le problème important est de savoir quand ses connaissances internes ne suffisent plus. Le Déclencheur de Récupération est une frontière de décision pratique qui détermine quand un système d'IA devrait cesser de se fier uniquement aux connaissances du modèle et obtenir des preuves externes avant de répondre.","\u002Fuploads\u002F2026\u002F09\u002Fwhen-should-an-ai-stop-trusting-its-own-knowledge-the-retrieval-trigger-1790574991244-f4rpyg.webp","2026-09-28T01:49:00.000Z",{"id":726,"slug":727,"title":728,"excerpt":729,"featuredImage":730,"publishedAt":731},"386","enterprise-start-here-your-gateway-to-operational-excellence","Enterprise Start Here: Your Gateway to Operational Excellence","New to our enterprise platform? This guide provides a structured onboarding path, from foundational reference models to actionable playbooks, runbooks, and assessments designed for seamless implementation.","\u002Fuploads\u002F2026\u002F02\u002Ffrom-global-business-to-the-kitchen-a-reverse-communication-system-that-still-scales-1771251820950-zhp2bz.webp","2026-03-01T11:55:00.000Z",{"id":733,"slug":734,"title":735,"excerpt":736,"featuredImage":737,"publishedAt":738},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","IA souveraine : contrôle des modèles, des données, des infrastructures et des dépendances","L'IA souveraine concerne le contrôle effectif sur les modèles, les données, l'infrastructure, les logiciels, les opérations et les dépendances stratégiques — et non simplement l'endroit où un modèle d'IA est hébergé.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":740,"slug":741,"title":742,"excerpt":743,"featuredImage":744,"publishedAt":745},"491","ai-governance-models-data-permissions-risk-and-auditability","Gouvernance de l'IA : modèles, données, autorisations, risques et auditabilité","La gouvernance de l'IA définit qui peut approuver, exploiter, modifier et auditer les systèmes d'IA à travers les modèles, les fournisseurs, les données, les autorisations, les risques, l'évaluation et l'ensemble du cycle de vie.","\u002Fuploads\u002F2026\u002F10\u002Fai-governance-models-data-permissions-risk-and-auditability-1791485901301-g60xyu.webp","2026-10-08T12:56:00.000Z",{"id":747,"slug":748,"title":749,"excerpt":750,"featuredImage":751,"publishedAt":752},"494","air-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access","IA en environnement isolé : comment les systèmes d’IA fonctionnent sans accès à Internet ni au cloud","L'IA en environnement isolé exécute des modèles, du RAG et des applications d'IA à l'intérieur d'un domaine de sécurité isolé, sans dépendance à Internet ni au cloud. Découvrez comment les modèles, les données, les mises à jour et les outils fonctionnent hors ligne.","\u002Fuploads\u002F2026\u002F10\u002Fair-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access-1791487983978-e6xqf0.webp","2026-10-08T11:32:00.000Z",{"id":754,"slug":755,"title":756,"excerpt":757,"featuredImage":758,"publishedAt":759},"453","zbt-z8102ax-openwrt-2102-firmware-review","Test du firmware OpenWrt 21.02 du ZBT Z8102AX : assez stable, mais est-il paré pour l'avenir ?","Le ZBT Z8102AX fonctionne sous une version d'OpenWrt 21.02 modifiée par le fabricant avec le noyau 5.4.246. Lors des tests pratiques, le firmware a fonctionné avec succès et a maintenu le routeur stable pendant plusieurs jours, mais cette ancienne base soulève d'importantes questions sur la sécurité, le contrôle du modem, les chemins de mise à niveau et la maintenabilité à long terme.","\u002Fuploads\u002F2026\u002F06\u002Fopenwrt-router-review-dual-sim-04-1781620594653-uvf5oy.webp","2026-06-16T10:39:00.000Z",{"id":761,"slug":762,"title":763,"excerpt":764,"featuredImage":765,"publishedAt":766},"488","what-is-context-engineering-what-the-model-receives-before-it-answers","Qu’est-ce que l’ingénierie du contexte ? Ce que le modèle reçoit avant de répondre","L'ingénierie de contexte conçoit les informations qu'un modèle d'IA reçoit avant l'inférence, y compris les invites, la récupération, la mémoire, l'état de l'application, les résultats d'outils et l'historique des conversations.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-is-context-engineering-what-the-model-receives-before-it-answers-1791480653258-018kcv.webp","2026-10-08T13:29:00.000Z","fallback",[],[]]