blog.google
Gemini 3.5: frontier intelligence with action
At Google I/O we released Gemini 3.5, our latest series of models combining frontier intelligence with action.
Gemini 3.5 Flash：Google 首个在 Agent 任务上超越旗舰 Pro 的 Flash 模型
Google 在 Google I/O 2026 发布 Gemini 3.5 Flash，这是 Gemini 系列中首个在智能体和编码基准上整体超越自家旗舰 Gemini 3.1 Pro 的 Flash 模型，同时保持 4 倍于其他前沿模型的输出速度。Finance Agent v2 领先 3.1 Pro 达 14.9 个百分点，Terminal-Bench 2.1 领先 5.9 个百分点。定价 $1.50/$9.00 / 百万 token，支持 1M 上下文窗口。
Research Brief
Google 在 Google I/O 2026 发布 Gemini 3.5 Flash，正式宣告它是目前 Gemini 系列里智能体与编码能力最强的模型——同时比其他前沿模型快 4 倍。这是一个值得认真对待的组合：大多数模型在速度和能力之间只能二选一，而 3.5 Flash 的基准数据显示，它在智能体任务上已超过自家旗舰 3.1 Pro，同时把延迟压在了 Flash 区间。1
为什么「Flash 超 Pro」值得注意
通常 Flash 系列代表「更快、更便宜但能力稍逊」，Pro 系列代表「更慢、更贵但更强」。3.5 Flash 打破了这个对应关系：它在编码和智能体基准上整体超过 Gemini 3.1 Pro，但推理密集型任务上仍弱于 Pro。
这意味着工程选型逻辑需要更新——对 Agent Pipeline 来说，Flash 现在是主模型候选，而不只是「成本压缩时的退而求其次」。
基准：在哪些任务上超了 Pro，在哪些没有
以下数据来自 Google 自报告，所有对比基准为 Gemini 3.1 Pro：
| 任务类型 | 基准测试 | 3.5 Flash | 3.1 Pro | 差值 |
|---|---|---|---|---|
| 编码（智能体终端） | Terminal-Bench 2.1 | 76.2% | 70.3% | +5.9 |
| 编码（代码库修复） | SWE-Bench Pro Public | 55.1% | 54.2% | +0.9 |
| 智能体（MCP 多步骤工作流） | MCP Atlas | 83.6% | 78.2% | +5.4 |
| 智能体（现实工具调用） | Toolathlon | 56.5% | 49.4% | +7.1 |
| 智能体（电脑操控） | OSWorld-Verified | 78.4% | 76.2% | +2.2 |
| 专业任务（财务分析） | Finance Agent v2 | 57.9% | 43.0% | +14.9 |
| 多模态（图表理解） | CharXiv Reasoning | 84.2% | 83.3% | +0.9 |
| 长上下文（128k） | MRCR v2 8-needle | 77.3% | 84.9% | -7.6 |
| 推理（学术极限） | Humanity's Last Exam | 40.2% | 44.4% | -4.2 |
| 推理（抽象谜题） | ARC-AGI-2 | 72.1% | 77.1% | -5.0 |
规律清晰：Finance Agent v2 领先 14.9 个百分点，智能体和编码全面领先；但在长上下文召回（128k MRCR）、纯推理（Humanity's Last Exam）上依然不及 3.1 Pro。如果你的 pipeline 核心是多步骤工具调用和代码执行，Pro 已不是必要选项。
技术规格
- 输入模态：文本、图像、音频、视频
- 输出：文本（不含图像或音频输出）
- 最大输入 token：1,048,576（100 万）
- 最大输出 token：65,536（64K）
- 知识截止时间：2026 年 1 月
- 动态思考：默认开启，支持工具调用、结构化输出、代码执行
- 模型版本：
gemini-3.5-flash（内部版本号3.5-flash-05-2026）
定价（每百万 token）：输入 $1.50，输出 $9.00，缓存输入 $0.15。Google 自报告称完成同等任务的成本通常不到其他前沿模型的一半。2
Agent 场景的设计逻辑
Google 在技术文档中明确将 3.5 Flash 定位为 Antigravity 框架的核心调度引擎：Antigravity 托管智能体（Managed Agents）通过一次 API 调用即可启动可推理、调用工具、在隔离 Linux 环境执行代码的 Agent，底层就是 3.5 Flash 驱动。3
这个架构选择有实际含义：框架与模型协同优化（「co-optimized with Gemini models, especially Gemini 3.5 Flash」），同时持久化隔离环境保留跨轮状态，让多轮 Agent 会话成为原生能力。Shopify 已在生产环境部署，用多个子智能体并行分析商户增长预测。
Flash 的 4 倍速度优势在这类「并行子智能体」场景下有乘法效应：同等时延预算下可以跑更多 Agent 分支，这比单纯看 token/s 更重要。
与上一代的位置变化
Gemini 3.1 Pro 并未消失，但其优势领域缩窄至密集推理（学术极限题、长文档召回）。研究人员如果需要分析超长文献或做逻辑链极复杂的推断，3.1 Pro 仍是合理选择。3.5 Flash 的出现更多是让 Pro 退回它本来应有的利基：需要极限推理时才上的「重炮」，而不再是所有 Agent 工作流的默认选择。
至于 3.5 Pro——Google 已在内测，计划 6 月推出。可以预期它会在长上下文和推理上把差距拉回来，届时「双版本分工」的格局才算完整。
Loading link preview…
Add more perspectives or context around this Post.