Gemini 3.6 Flash trên Antigravity CLI — ít hơn 17% output token

Google phát hành Gemini 3.6 Flash ngày 21/7/2026. Điểm đáng chú ý với người làm agent trong terminal không phải điểm benchmark, mà là nó sinh ít hơn 17% output token so với 3.5 Flash — trong khi output đắt gấp năm lần input.

Gemini 3.6 Flash hơn 3.5 Flash ở đâu

Ba con số trên là mức nhảy thật, nhất là DeepSWE (37 lên 49) — benchmark đo agent sửa code trên repo thật, đúng loại việc hay giao cho CLI.

Phần token còn quan trọng hơn với ví tiền:

• 17% ít output token hơn 3.5 Flash trên đo đạc của Artificial Analysis
• Tới 65% ít hơn trên DeepSWE theo số của Datacurve
• Giá: 1,50 USD mỗi 1M input, 7,50 USD mỗi 1M output

Bản Antigravity mô tả cùng một thứ theo hướng hành vi: ít bước suy luận hơn, ít lượt gọi tool hơn cho cùng một workflow, và ít lần sửa code thừa hơn. Với agent chạy vòng lặp, ít vòng nghĩa là ít tiền và ít chỗ để nó tự đi lạc.

Cùng đợt còn có Gemini 3.5 Flash-Lite: 0,30 USD input / 2,50 USD output, 350 token/giây, Terminal-Bench 2.1 đạt 54% so với 31% của bản trước. Đây là model cho việc phân loại, tóm tắt, gọi liên tục — không phải cho agent sửa code.

Cài Antigravity CLI và đăng nhập

Gemini CLI đã bị thay bằng Antigravity CLI, lệnh là agy. Nó là một binary biên dịch sẵn, không cần Node hay Python:

# macOS / Linux
curl -fsSL https://antigravity.google/cli/install.sh | bash

# Windows PowerShell
irm https://antigravity.google/cli/install.ps1 | iex

Binary nằm ở ~/.local/bin/agy (macOS/Linux) hoặc C:\Users\<user>\AppData\Local\agy\bin (Windows). Script cài nhận hai cờ nếu bạn không muốn nó động vào shell profile:

curl -fsSL https://antigravity.google/cli/install.sh | bash -s -- --skip-path --skip-aliases

Đăng nhập lấy từ keyring của hệ điều hành, không có thì mở trình duyệt. Khi chạy qua SSH, agy phát hiện phiên remote và in ra một URL để bạn mở ở máy local rồi nhập mã ngược lại — đây là điểm khác biệt đáng giá so với việc phải forward port. Thoát phiên bằng /logout.

Chọn model: agy models rồi --model

Mặc định CLI tự chọn model. Muốn ghim cứng thì liệt kê trước, đừng đoán tên:

agy models                              # liệt kê model khả dụng
agy --model "Gemini 3.6 Flash (High)"   # ghim model cho phiên này

Tên model là chuỗi có dấu cách và có mức effort trong ngoặc — (Low), (Medium), (High) — nên bắt buộc bọc nháy. Danh sách đổi theo phiên bản CLI, vì vậy agy models là nguồn đúng, không phải bài viết nào trên mạng (kể cả bài này).

Trong phiên tương tác, /model cho biết đang chạy model nào. Ngoài họ Gemini, CLI còn gắn sẵn Claude Sonnet 4.6, Claude Opus 4.6 và GPT-OSS 120B sau cùng một lệnh — đổi model không phải đổi công cụ.

Vài lệnh dùng hằng ngày:

/help          # bảng lệnh và phím tắt
/config        # quyền, theme, tuỳ chọn
/agents        # theo dõi các subagent chạy song song
/artifact      # xem plan, diff, kết quả test mà agent tạo ra
!              # bật/tắt shell mode, ESC để thoát
ctrl+k         # duyệt tool đang chờ

Chạy headless: agy -p cho script và CI

Chế độ không mở TUI là chỗ CLI này khác một cái chat:

agy -p "Đọc CHANGELOG.md rồi viết release note tiếng Việt cho bản mới nhất"

Cắm được vào git hook, cron, hoặc một bước CI. Kết hợp với --model để phần việc rẻ chạy Flash, phần khó mới gọi model đắt.

Có một cờ nữa là --dangerously-skip-permissions, tự duyệt mọi tool call. Tên cờ đã nói đúng bản chất: agent được phép chạy lệnh shell và sửa file mà không hỏi. Chỉ dùng trong container hoặc repo dùng một lần, tuyệt đối không chạy trên máy có SSH key và quyền deploy production. Cần tự động hoá thật thì giới hạn quyền trong /config trước, đừng tắt hết cảnh cửa.

Chi phí một lượt agent: output mới là chỗ tốn tiền

Lấy một lượt agent điển hình trên repo cỡ vừa: khoảng 1M token input (đọc file, tool result dội lại) và 200K token output.

Input gấp năm lần output về số lượng nhưng hai bên trả tiền ngang nhau. Nên 17% output token cắt đi không phải con số marketing — nó là ~0,26 USD mỗi lượt ở ví dụ trên, và nhân với số lượt một ngày thì đó là khoản thật.

Hệ quả thực tế khi viết prompt: giảm output đáng tiền hơn giảm input. Bảo agent trả lời gọn, không in lại nguyên file vừa sửa, không kể lại từng bước — rẻ hơn là cắt bớt file cho nó đọc.

Khi nào để Flash chạy, khi nào đổi model

Flash hợp việc nhiều mà rõ ràng: migration nhiều file theo một khuôn, đổi tên xuyên repo, viết test cho code đã có, dựng script vặt, đọc log tìm mẫu. Đây cũng là loại việc mà đoạn 17% kia cộng dồn nhanh nhất.

Đổi sang Pro hoặc Claude Opus khi việc cần một quyết định đúng ngay từ đầu: chọn kiến trúc, tìm bug chỉ tái hiện lúc production, đọc một codebase lạ để trả lời "nên sửa ở đâu". Model rẻ chạy lạc mười vòng vẫn đắt hơn model đắt chạy đúng một vòng.

Cách chia việc theo chi phí này tôi có mô tả kỹ hơn trong bài đánh giá Hy3 của Tencent, và phần nền tảng về tool use với vòng lặp agent nằm ở lộ trình AI Engineer.

Ba chỗ cần cẩn thận trước khi cắm vào việc thật

Benchmark là số của Google, không phải số của bạn. DeepSWE 49% nghĩa là hơn một nửa số task vẫn fail. Đo trên repo của mình bằng vài task đã biết đáp án trước khi tin.

Tự chọn model làm chi phí khó dự đoán. Chế độ auto tiện lúc dùng tay, nhưng trong CI thì ghim --model để hoá đơn không nhảy vì CLI tự nâng cấp lựa chọn.

Tên model sẽ đổi. Chuỗi "Gemini 3.6 Flash (High)" gắn với phiên bản CLI hiện tại. Script nào hardcode chuỗi đó nên có bước kiểm tra bằng agy models, không thì một bản cập nhật là gãy pipeline mà không rõ lý do.