Gemini 3.5 Flash vs 3.1 Pro: Kecepatan, Agen, dan Biaya

Ini Dora. Saya sudah mencermati angka-angka Gemini 3.5 Flash vs 3.1 pro sejak peluncuran Google I/O 2026 pada 19 Mei dan kesimpulan singkatnya adalah: inversi hierarki ini nyata, bukan sekadar pemasaran, dan ini berdampak pada keputusan routing yang mungkin sudah Anda kunci di file konfigurasi.

Model Flash seharusnya menukar kualitas demi kecepatan. 3.5 Flash memutus kontrak itu — setidaknya pada beban kerja yang sebenarnya dijalankan oleh sebagian besar agen produksi.

Mengapa Perbandingan Ini Tidak Biasa: Flash Mengalahkan Pro Sebelumnya

Yang Google Tunjukkan di I/O 2026

Gemini 3.5 Flash dirilis GA pada 19 Mei, dengan ID model stabil Gemini-3.5 Flash tanpa sufiks preview. Klaim utama dari Google: model ini mengungguli Gemini 3.1 Pro pada benchmark coding dan agentic, sambil berjalan sekitar 4x lebih cepat dari model frontier yang sebanding, seringkali dengan biaya kurang dari setengahnya.

Inversi Tingkatan Dijelaskan dalam Satu Paragraf

Flash mengalahkan 3.1 Pro pada benchmark yang menyerupai pekerjaan nyata: Terminal-Bench 2.1 (76,2% vs 70,3%), MCP Atlas (83,6% vs 78,2%), Finance Agent v2 (57,9% vs 43,0%), dan GDPval-AA Elo (1656 vs 1314). Flash tertinggal dari Pro pada Humanity’s Last Exam (40,2% vs 44,4%) dan ARC-AGI-2 (72,1% vs 77,1%) — benchmark yang didominasi oleh pengetahuan parametrik mentah dan penalaran abstrak murni. Dalam mengevaluasi Gemini 3.5 Flash vs 3.1 pro, pembagiannya jelas: pekerjaan agen ke Flash, penalaran berat tetap di Pro.

Perbandingan Langsung: Benchmark dan Apa yang Sebenarnya Diukur

Kasus benchmark Gemini 3.5 Flash melawan 3.1 Pro bersifat spesifik, bukan universal. Berikut yang sebenarnya ditunjukkan angka-angka tersebut.

Terminal-Bench 2.1 mengukur kemampuan menjalankan tugas terminal multi-langkah — membaca status sistem file, menulis dan menjalankan skrip, menangani output error, mencoba ulang. Flash mencetak 76,2% versus 70,3% milik 3.1 Pro. Selisih hampir 6 poin itu bermakna untuk pipeline otomatis di mana model mengoperasikan terminal alih-alih memberi saran kepada operator manusia.

MCP Atlas adalah yang terus saya perhatikan. Ia menguji keandalan penggunaan alat berskala — seberapa baik model mempertahankan pemanggilan alat yang benar di seluruh urutan multi-panggilan yang diperluas (8–15 panggilan per tugas, konteks 4k–12k token per panggilan). Skor Flash 83,6% mengalahkan 78,2% milik 3.1 Pro dan juga memimpin setiap pesaing termasuk Claude Opus 4.7 (79,1%) dan GPT-5.5 (75,3%). Bagi para pengembang yang membangun agen otonom yang mengintegrasikan pencarian web, basis data vektor, dan sandbox eksekusi kode, inilah benchmark yang paling perlu dipertimbangkan.

GDPval-AA Elo: Flash di 1656 versus Pro di 1314. Selisih 342 poin pada evaluasi agentic tugas nyata. Bukan kesalahan pembulatan.

Di Mana 3.1 Pro Masih Unggul (ARC-AGI-2, Pengambilan Konteks Panjang)

Skor ARC-AGI-2 mendukung Pro dengan selisih 5 poin (77,1% vs 72,1%). Untuk tugas yang membutuhkan pengenalan pola baru, deduksi logis kompleks, atau masalah yang tidak terpetakan ke pola data pelatihan, 3.1 Pro memiliki keunggulan.

Kesenjangan konteks panjang adalah yang perlu benar-benar Anda uji terhadap data Anda sendiri. MRCR v2 pada konteks 128K menunjukkan 3.1 Pro di 84,9% vs Flash di 77,3% — selisih 7,6 poin. Jika kasus penggunaan Anda melibatkan pengambilan informasi spesifik dari dokumen sangat panjang, analisis dokumen hukum, atau pengambilan needle-in-a-haystack, 3.1 Pro tetap menjadi pilihan yang lebih kuat.

Satu peringatan jujur: semua angka utama di atas dilaporkan sendiri oleh Google. Validasi terhadap prompt dan batasan domain Anda sendiri sebelum menarik kesimpulan.

Skor Pemahaman Multimodal

CharXiv Reasoning: Flash di 84,2%, sedikit mengungguli GPT-5.5 di 84,1%. OSWorld: 78,4%, setara dengan GPT-5.5 (78,7%). Pada pipeline multimodal, Flash memiliki kasus upgrade yang paling jelas.

Harga dan Latensi

Harga Gemini 3.5 Flash

Harga Gemini 3.5 Flash: $1,50 per juta token input, $9 per juta token output. Input yang di-cache turun menjadi $0,15 per 1 juta — angka yang relevan jika Anda menjalankan system prompt berulang di seluruh loop agen. Jendela konteks: 1.048.576 token input, 65.536 token output. Dynamic thinking aktif secara default dengan level (minimal, rendah, sedang, tinggi) untuk tradeoff biaya/performa.

Biaya Per Unit Gemini 3.1 Pro Preview

Gemini 3.1 Pro: $2,00 per juta token input cache-miss, $12,00 per juta token output. Jendela konteks: 2,0 juta token. Output maksimum: 16K token per permintaan. Di atas konteks 200K, harga naik menjadi $4,00 input / $18,00 output. Flash memiliki keunggulan batas output 4x (65K vs 16K per respons), yang penting untuk menghasilkan file kode lengkap tanpa pemotongan.

Perbandingan Throughput

Flash menghasilkan sekitar 284 token per detik dibanding Pro yang 109. Alur kerja yang membutuhkan tiga menit dengan Pro mungkin selesai dalam kurang dari sembilan puluh detik dengan Flash, dengan biaya per token 25% lebih rendah.

Kecepatan bukan tujuannya. Tidak mengganggu alur kerja adalah tujuannya. Pada 3+ pemanggilan alat per langkah agen, kesenjangan itu bertambah cepat.

Keputusan Routing Produksi

Kapan Flash Adalah Default yang Tepat

Gunakan Flash sebagai default routing Anda jika:

Agen Anda melakukan beberapa pemanggilan alat berurutan per tugas (MCP, function calling, sandbox eksekusi kode)
Anda menggunakan pipeline CI/CD atau beban kerja otomasi terminal
Konteks tetap di bawah 100K token per permintaan
Waktu respons terlihat oleh pengguna — pada 284 token/detik vs 109, ini penting untuk produk interaktif

Untuk agen berbasis MCP, tidak ada persaingan. Flash memimpin MCP Atlas dengan 5,4 poin, Toolathlon dengan 7,1, Finance Agent v2 dengan 14,9. Keunggulan kecepatan bertambah dalam loop multi-langkah. Input yang di-cache seharga $0,15/1 juta membuat penggunaan alat frekuensi tinggi 10x lebih murah dibanding menjalankan Pro.

Kapan 3.1 Pro Masih Layak Biayanya

Dua kasus. Pertama adalah kemurnian penalaran: desain algoritma, konstruksi bukti, debugging kompleks di mana Anda tidak dapat menjalankan output untuk memvalidasinya. ARC-AGI-2 di 77,1% vs 72,1% adalah sinyalnya. Dalam tugas di mana kesalahan mahal dan Anda hanya punya satu kesempatan, selisih itu penting.

Kasus kedua adalah konteks panjang. Jika pengambilan Anda beroperasi pada 128K token atau lebih — analisis codebase penuh, RAG dokumen panjang, kontrak — uji kesenjangan MRCR v2 terhadap panjang pengambilan aktual Anda sebelum beralih. Jendela konteks 2,0 juta token milik 3.1 Pro juga memberi Anda ruang yang tidak dapat ditandingi Flash.

Kapan Harus Menunggu 3.5 Pro Daripada Memilih Salah Satu

Gemini 3.5 Pro diumumkan di I/O pada 19 Mei tetapi masih dalam preview Vertex terbatas, dengan GA diperkirakan pada Juni 2026. Model ini menargetkan jendela konteks 2 juta token, penalaran Deep Think, dan multimodal frontier — kasus penggunaan yang dulunya ditangani Gemini Ultra.

Tunggu 3.5 Pro jika kebutuhan inti Anda adalah penalaran berat dalam skala besar dan Anda membutuhkan jendela konteks 2 juta. Pro saat ini adalah 3.1 dan ia memenangkan benchmark tersebut. 3.5 Pro kemungkinan akan memperlebar keunggulan itu lebih jauh.

Pertanyaan praktisnya adalah kalender. Jika Anda perlu merutekan traffic produksi sekarang, Anda memilih antara Flash dan 3.1 Pro. Jalankan evaluasi Anda sendiri pada distribusi tugas spesifik Anda. Itu akan memberi tahu Anda lebih banyak dari apa pun yang saya katakan.

Pola Fallback untuk Stack Ketersediaan Tinggi

Pola yang bersih adalah pengklasifikasi permintaan, bukan penggantian ID model global. Jangan jalankan migrasi sebagai “ganti setiap string Gemini-3.1-pro-preview dengan Gemini-3.5-Flash.” Begitulah berita peluncuran yang bagus berubah menjadi regresi produksi.

Logika fallback praktis:

Primer: Gemini-3.5-Flash untuk beban kerja agen dan coding
Eskalasi pada tugas penalaran: Gemini-3.1-pro-preview — dipicu oleh pengklasifikasi tugas (konteks panjang, deduksi baru, batasan tanpa-coba-ulang)
Pada 429 / kehabisan kuota: coba ulang Flash dengan exponential backoff terlebih dahulu; eskalasi ke Pro hanya setelah dua kali percobaan gagal
Pada 5xx: langsung fallback ke Pro, catat ID model dan alasan kegagalan

Catat ID model, ukuran prompt, jumlah token, jumlah pemanggilan alat, latensi, alasan fallback, dan hasil yang terlihat pengguna. Tanpa field tersebut, Anda akan berdebat tentang preferensi model alih-alih mengukur performa route.

Apa Artinya untuk Agregasi Model

Mengapa Peluncuran Bertahap Membuat Komitmen Single-Vendor Lebih Berisiko

Situasi benchmark agen Gemini bulan ini menggambarkan pola yang dipercepat sepanjang 2025–2026: model tingkat Flash mengalahkan Pro sebelumnya pada pekerjaan agentic, sementara Pro bertahan pada penalaran. Bulan depan 3.5 Pro dirilis. Peringkat berubah lagi.

Mengkodekan keras infrastruktur Anda ke satu ID model berarti setiap rilis memaksa migrasi di bawah tekanan waktu. Tim yang menangani siklus ini dengan lancar sudah merutekan berdasarkan kelas tugas, bukan berdasarkan nama model.

Routing di Seluruh Tingkatan dalam Satu Vendor + Lintas Vendor

Memiliki banyak alat bukan masalahnya. Harus mengelola alat Anda adalah masalahnya.

Kesimpulan ini memiliki tanggal kedaluwarsa. Keputusan Gemini 3.1 pro vs Gemini 3.5 Flash terlihat seperti Flash untuk sebagian besar pekerjaan agen produksi, hari ini. Periksa benchmark 3.5 Pro ketika kartu model dirilis di Juni. Logika routing yang Anda bangun sekarang harus membuat re-evaluasi itu menjadi perubahan konfigurasi, bukan perubahan kode.

FAQ

Apakah Gemini 3.5 Flash secara mutlak lebih baik dari Gemini 3.1 Pro?

Tidak. Flash mengungguli 3.1 Pro pada tugas agentic, penggunaan alat, coding, dan benchmark multimodal. Namun, 3.1 Pro masih memimpin pada penalaran abstrak murni (ARC-AGI-2) dan pengambilan konteks panjang di atas 128K token. Model yang lebih baik sepenuhnya bergantung pada distribusi beban kerja Anda.

Haruskah saya bermigrasi dari 3.1 Pro ke 3.5 Flash sekarang?

Tergantung. Jika beban kerja Anda didominasi oleh agen, pemanggilan alat multi-langkah, otomasi terminal, atau tugas coding, migrasi biasanya sepadan — Anda akan mendapatkan performa benchmark yang lebih baik, throughput sekitar 3x lebih tinggi, dan biaya lebih rendah. Untuk RAG konteks panjang atau penalaran berisiko tinggi di mana kesalahan mahal, uji prompt Anda sendiri terlebih dahulu sebelum beralih.

Kapan Gemini 3.5 Pro akan dirilis?

Gemini 3.5 Pro diumumkan di I/O 2026 tetapi belum tersedia secara umum. Saat ini masih dalam preview terbatas. Google mengindikasikan target Juni 2026 untuk rilis penuh. Model Pro produksi saat ini tetap Gemini 3.1 Pro Preview.

Apakah Gemini 3.5 Flash memiliki tier gratis?

Ya, ada tier gratis dengan kuota harian. Namun, untuk beban kerja agen produksi yang serius, batas tier gratis kemungkinan akan cepat tercapai. Sebagian besar kasus penggunaan produksi harus merencanakan tier berbayar.

Kesimpulan

Pembagian Gemini 3.5 Flash vs 3.1 Pro lebih jelas dari kebanyakan perbandingan Flash vs. Pro. Flash memenangkan pekerjaan yang terlihat seperti produksi: agen, pemanggilan alat, tugas terminal, grounding multimodal. Pro memenangkan pekerjaan yang terlihat seperti riset: penalaran berat, pengambilan konteks panjang, deduksi baru.

Default ke Flash untuk beban kerja agen. Pertahankan Pro sebagai target eskalasi untuk permintaan yang berat penalaran dan pengambilan konteks panjang di atas 128K. Bangun logika fallback Anda sekarang sehingga rilis 3.5 Pro di Juni menjadi pembaruan konfigurasi, bukan sprint migrasi.

Inilah batas data saya. Jalankan pada distribusi tugas Anda sendiri sebelum Anda mengkomit perubahan routing ke produksi.

Posting sebelumnya: