ИИтак
Поиск

← Назад

модель · Google · вышла 19 мая

Gemini 3.5 Flash

Быстрая модель Google для агентов и программирования; на выходе обходила Gemini 3.1 Pro, теперь её сменили версии 3.6–3.8 Flash

рекомендации разработчика

О модели

Gemini 3.5 Flash — первая модель линейки Gemini 3.5, Google показала её на конференции I/O в мае 2026 года. Компания описывает её как «передовой интеллект в сочетании с действием»: модель рассчитана не столько на беседу, сколько на агентную работу. Так называют задачи, в которых нейросеть сама проходит много шагов: вызывает инструменты, пишет и правит код, разбирает документы. На ней же работает Gemini Spark — личный агент Google, который действует от имени пользователя.

По замерам Google, модель обходит прошлогоднюю Gemini 3.1 Pro на ключевых тестах: 76,2% в Terminal-Bench 2.1 (работа в командной строке), 83,6% в MCP Atlas (вызов внешних инструментов), 84,2% в CharXiv Reasoning (понимание графиков и научных иллюстраций) и 1656 баллов Эло в GDPval-AA, где оценивают офисные задачи специалистов. Компания заявляет, что модель выдаёт текст примерно в четыре раза быстрее других передовых моделей и часто обходится меньше чем в половину их цены. По сравнению с прошлыми версиями по умолчанию она рассуждает меньше: вместо высокого уровня рассуждений выставлен средний, и Google считает, что качество от этого почти не страдает. Модель также сама сохраняет ход рассуждений между репликами диалога, что помогает при отладке и переделке кода в несколько заходов. Позже Google добавила ей управление компьютером — для долгой автоматизации вроде постоянного тестирования программ.

Модель берут для быстрых агентных циклов: запускать вспомогательных агентов, вести многошаговые процессы, много раз подряд править и проверять код. Среди сценариев Google называет автоматизацию финансовых процессов, подключение новых клиентов, распознавание текста на изображениях и анализ больших наборов данных. Ответы модель умеет сверять с Google Поиском и Картами, а также со страницами по ссылке.

Выдаёт модель только текст: генерировать картинки и звук она не умеет, а голосовые диалоги в реальном времени (Live API) не поддерживает. При переходе на неё разработчикам придётся поправить код: Google больше не советует задавать параметры случайности ответа, а бюджет рассуждений заменён на четыре уровня, от минимального до высокого. Для больших объёмов простых задач компания советует более дешёвые Flash-Lite. С июля Google выпустила более новые Gemini 3.6, 3.7 и 3.8 Flash.

источники:Анонс Gemini 3.5 в блоге Google ↗Документация Gemini API: Gemini 3.5 Flash ↗Что нового в Gemini 3.5 Flash ↗

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗

весь рейтинг

30место из 268индекс 155вероятный разброс 153–157

  • DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗91,1%высокое
  • LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗55,5%высокое
  • Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗25,1%низкое
  • EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗4,8%высокое
  • Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗58,1%среднее
  • FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗26,8%высокое
  • FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗62,8%высокое
  • DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗37,4%среднее
  • ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗31,0%высокое
  • APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗27,5%
  • Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗47,4%низкое
  • SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗66,2%высокое
  • ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗72,1%высокое
  • WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗62,6%высокое
  • OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗95,6%низкое
  • SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗72,0%
  • SWE-Bench verifiedНастоящие задачи из GitHub по проектам на Python: модель правит код, а тесты проверяют, решена ли проблемаПо оценке Epoch, в 5–10% задач есть ошибки, поэтому 100% недостижимы; Epoch считает результат по 484 задачам из 500.Подробнее на английском ↗79,3%высокое
  • GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗90,4%низкое
  • ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗92,5%высокое

Рейтинг Voice Arena

Синтез речи вслепую сравнивают парами носители языка, распознавание оценивают по доле ошибок в словах. Русский язык Voice Arena не оценивает. Данные: Voice Arena, обновлены 4 ноября.

Новости о модели

все упоминания · 10

  1. Google выпустила голосовые модели Gemini 3.8 Live для разработчиков

    Модели Google ведут голосовой разговор и одновременно в фоне обращаются к сервисам, а версия с размышлениями заняла первое место в рейтинге голосовых моделей Artificial Analysis.

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).

* Meta Platforms Inc., которой принадлежат Facebook и Instagram, признана в России экстремистской организацией, её деятельность запрещена.