Модель · Google
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
вышла 19 мая
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
28 место из 266
индекс 155, вероятный разброс 153–157 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| 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 |
| 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 |
Характеристики
- Вышла
- 19 мая
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 1 млн токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 65 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $1,50 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,15 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $9 за миллион токенов
- Понимает
- текст, изображения, видео, аудио, PDF
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- закрытые
- Знания до
- январь 2025
- Идентификатор в API
- gemini-3.5-flash
Что это за модель
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
Того же уровня по индексу Epoch
-
Muse Spark 1.1
Meta29-е место в Epochконтекст 1 млн$1,25 / $4,25рассуждениядешевле в 2,1 раза
-
Gemini 3.1 Pro Preview
Google27-е место в Epochконтекст 1 млн$2 / $12рассуждениядороже
-
Другие модели семейства
-
-
-
-
Nano Banana 2
-
-
-
-
Nano Banana
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).