Gemini 3.5 Flash vs 3.1 Pro: Velocidade, Agentes e Custo

Dora aqui. Estou analisando os números do Gemini 3.5 Flash vs 3.1 Pro desde o lançamento do Google I/O 2026 em 19 de maio e o resumo é este: a inversão de hierarquia é real, não é marketing, e afeta decisões de roteamento que você talvez já tenha fixadas em um arquivo de configuração.

Modelos Flash deveriam trocar qualidade por velocidade. O 3.5 Flash quebra esse contrato — pelo menos nas cargas de trabalho que agentes de produção reais executam.

Por Que Esta Comparação é Incomum: Flash Superando o Pro Anterior

O Que o Google Mostrou no I/O 2026

O Gemini 3.5 Flash foi lançado em GA no dia 19 de maio, com ID de modelo estável Gemini-3.5 Flash sem sufixo de prévia. A afirmação principal do Google: ele supera o Gemini 3.1 Pro em benchmarks de codificação e agênticos, rodando aproximadamente 4x mais rápido que modelos frontier comparáveis, frequentemente a menos da metade do custo.

A Inversão de Tier Explicada em Um Parágrafo

O Flash supera o 3.1 Pro nos benchmarks que se parecem com trabalho real: Terminal-Bench 2.1 (76,2% vs 70,3%), MCP Atlas (83,6% vs 78,2%), Finance Agent v2 (57,9% vs 43,0%) e GDPval-AA Elo (1656 vs 1314). Fica atrás do Pro no Humanity’s Last Exam (40,2% vs 44,4%) e ARC-AGI-2 (72,1% vs 77,1%) — benchmarks dominados por conhecimento paramétrico bruto e raciocínio abstrato puro. Ao avaliar o Gemini 3.5 Flash vs 3.1 Pro, a divisão é clara: trabalho de agente vai para o Flash, raciocínio complexo fica com o Pro.

Confronto Direto: Benchmarks e o Que Realmente Medem

O caso do benchmark do Gemini 3.5 Flash contra o 3.1 Pro é específico, não universal. Veja o que os números realmente mostram.

O Terminal-Bench 2.1 mede a capacidade de executar tarefas de terminal em múltiplas etapas — leitura do estado do sistema de arquivos, escrita e execução de scripts, tratamento de saída de erros, novas tentativas. Flash pontua 76,2% versus 70,3% do 3.1 Pro. Essa diferença de quase 6 pontos é significativa para pipelines automatizados onde o modelo opera o terminal em vez de aconselhar um operador humano.

O MCP Atlas é o que continuo revisitando. Ele testa a confiabilidade de uso de ferramentas em escala — quão bem um modelo mantém invocações corretas de ferramentas em sequências estendidas de múltiplas chamadas (8–15 chamadas por tarefa, contexto de 4k–12k tokens por chamada). O 83,6% do Flash supera os 78,2% do 3.1 Pro e também lidera todos os concorrentes, incluindo Claude Opus 4.7 (79,1%) e GPT-5.5 (75,3%). Para desenvolvedores construindo agentes autônomos que integram busca na web, bancos de dados vetoriais e sandboxes de execução de código, este é o benchmark a considerar com mais peso.

GDPval-AA Elo: Flash em 1656 versus Pro em 1314. Uma diferença de 342 pontos em uma avaliação agêntica de tarefas reais. Não é um erro de arredondamento.

Onde o 3.1 Pro Ainda Vence (ARC-AGI-2, Recuperação de Contexto Longo)

As pontuações do ARC-AGI-2 favorecem o Pro por 5 pontos (77,1% vs 72,1%). Para tarefas que exigem reconhecimento de padrões novos, dedução lógica complexa ou problemas que não mapeiam para padrões de dados de treinamento, o 3.1 Pro tem vantagem.

A diferença de contexto mais longo é a que deve ser realmente testada em seus dados. O MRCR v2 em contexto de 128K mostra o 3.1 Pro em 84,9% vs Flash em 77,3% — uma diferença de 7,6 pontos. Se seu caso de uso envolve recuperação de informações específicas de documentos muito longos, análise de documentos jurídicos ou recuperação tipo agulha no palheiro, o 3.1 Pro continua sendo a opção mais forte.

Uma ressalva honesta: todos os números de destaque acima são auto-reportados pelo Google. Valide com seus próprios prompts e restrições de domínio antes de tirar conclusões.

Pontuações de Compreensão Multimodal

CharXiv Reasoning: Flash em 84,2%, superando levemente os 84,1% do GPT-5.5. OSWorld: 78,4%, equivalente ao GPT-5.5 (78,7%). Em pipelines multimodais, o Flash tem o caso de atualização mais claro.

Preços e Latência

Preços do Gemini 3.5 Flash

Preços do Gemini 3.5 Flash: $1,50 por milhão de tokens de entrada, $9 por milhão de tokens de saída. A entrada em cache cai para $0,15 por 1M — o número relevante se você estiver executando prompts de sistema repetidos em loops de agente. Janela de contexto: 1.048.576 tokens de entrada, 65.536 tokens de saída. O pensamento dinâmico está ativado por padrão com níveis (mínimo, baixo, médio, alto) para compensações de custo/desempenho.

Custo Unitário do Gemini 3.1 Pro Preview

Gemini 3.1 Pro: $2,00 por milhão de tokens de entrada com cache miss, $12,00 por milhão de tokens de saída. Janela de contexto: 2,0M tokens. Saída máxima: 16K tokens por requisição. Acima de 200K de contexto, o preço sobe para $4,00 entrada / $18,00 saída. O Flash tem uma vantagem de 4x no limite de saída (65K vs 16K por resposta), o que importa para gerar arquivos de código completos sem truncamento.

Comparação de Throughput

O Flash entrega cerca de 284 tokens por segundo contra 109 do Pro. Um fluxo de trabalho que leva três minutos com o Pro pode terminar em menos de noventa segundos com o Flash, com 25% menos custo por token.

Velocidade não é o objetivo. Não interromper o fluxo é. Com 3+ chamadas de ferramenta por etapa do agente, essa diferença se acumula rapidamente.

Decisão de Roteamento em Produção

Quando o Flash é o Padrão Correto

Use o Flash como padrão de roteamento se:

Seu agente faz múltiplas chamadas de ferramenta sequenciais por tarefa (MCP, function calling, sandbox de execução de código)
Você está em pipelines de CI/CD ou cargas de trabalho de automação de terminal
O contexto fica abaixo de 100K tokens por requisição
O tempo de resposta é visível ao usuário — a 284 tokens/seg versus 109, isso importa para produtos interativos

Para agentes baseados em MCP, não é nem perto. O Flash lidera o MCP Atlas por 5,4 pontos, Toolathlon por 7,1, Finance Agent v2 por 14,9. A vantagem de velocidade se acumula em loops de múltiplas etapas. Entrada em cache a $0,15/1M torna o uso de ferramentas de alta frequência 10x mais barato do que rodar o Pro.

Quando o 3.1 Pro Ainda Vale o Custo

Dois casos. Um é pureza de raciocínio: design de algoritmos, construção de provas, depuração complexa onde você não pode executar a saída para validá-la. ARC-AGI-2 em 77,1% vs 72,1% é o sinal. Em tarefas onde erros são caros e você tem uma única chance, essa diferença importa.

O segundo caso é contexto longo. Se sua recuperação opera em 128K tokens ou além — análise de codebase completa, RAG de documentos longos, contratos — teste a diferença do MRCR v2 em relação aos seus comprimentos reais de recuperação antes de mudar. A janela de contexto de 2,0M do 3.1 Pro também lhe dá margem que o Flash não consegue igualar.

Quando Esperar pelo 3.5 Pro em Vez de Escolher Entre os Dois

O Gemini 3.5 Pro foi anunciado no I/O em 19 de maio, mas ainda está em prévia limitada do Vertex, com GA esperado em junho de 2026. Ele mira uma janela de contexto de 2M tokens, raciocínio Deep Think e multimodal frontier — os casos de uso que o Gemini Ultra costumava cobrir.

Espere pelo 3.5 Pro se seu requisito principal é raciocínio complexo em escala e você precisa da janela de contexto de 2M. O Pro atual é o 3.1 e ele vence nesses benchmarks. O 3.5 Pro provavelmente ampliará ainda mais essa vantagem.

A questão prática é o calendário. Se você precisa rotear tráfego de produção agora, está escolhendo entre Flash e 3.1 Pro. Execute suas próprias avaliações na sua distribuição específica de tarefas. Isso vai lhe dizer mais do que qualquer coisa que eu possa dizer.

Padrões de Fallback para Stacks de Alta Disponibilidade

O padrão limpo é um classificador de requisições, não uma substituição global de ID de modelo. Não execute a migração como “substitua cada string Gemini-3.1-pro-preview por Gemini-3.5-Flash.” É assim que boas notícias de lançamento se transformam em regressões de produção.

Lógica de fallback prática:

Primário: Gemini-3.5-Flash para cargas de trabalho de agente e codificação
Escalada em tarefas de raciocínio: Gemini-3.1-pro-preview — acionado pelo classificador de tarefas (contexto longo, dedução nova, restrição sem nova tentativa)
Em 429 / esgotamento de cota: tente novamente o Flash com backoff exponencial primeiro; escale para Pro somente após duas tentativas falhas
Em 5xx: retorne ao Pro imediatamente, registre o ID do modelo e o motivo da falha

Registre ID do modelo, tamanho do prompt, contagem de tokens, contagem de chamadas de ferramenta, latência, motivo do fallback e resultado visível ao usuário. Sem esses campos, você vai debater preferências de modelo em vez de medir o desempenho da rota.

O Que Isso Significa para Agregação de Modelos

Por Que Lançamentos em Fases Tornam Compromissos com um Único Fornecedor Mais Arriscados

A situação do benchmark de agente Gemini este mês ilustra um padrão que se acelerou ao longo de 2025–2026: um modelo de tier Flash supera o Pro anterior em trabalho agêntico, enquanto o Pro mantém vantagem em raciocínio. No próximo mês, o 3.5 Pro é lançado. A classificação se redefine novamente.

Fixar sua infraestrutura a um único ID de modelo significa que cada lançamento força uma migração sob pressão de tempo. As equipes que lidaram bem com este ciclo já estavam roteando por classe de tarefa, não por nome de modelo.

Roteamento Entre Tiers Dentro de um Fornecedor + Entre Fornecedores

Ter muitas ferramentas não é o problema. Ter que gerenciar suas ferramentas é.

Esta conclusão tem uma data de validade. A decisão Gemini 3.1 Pro vs Gemini 3.5 Flash parece ser Flash para a maior parte do trabalho de agente em produção, hoje. Verifique os benchmarks do 3.5 Pro quando o cartão do modelo for lançado em junho. A lógica de roteamento que você constrói agora deve tornar essa reavaliação uma mudança de configuração, não uma mudança de código.

Perguntas Frequentes

O Gemini 3.5 Flash é estritamente melhor que o Gemini 3.1 Pro?

Não. O Flash supera o 3.1 Pro em tarefas agênticas, uso de ferramentas, codificação e benchmarks multimodais. No entanto, o 3.1 Pro ainda lidera em raciocínio abstrato puro (ARC-AGI-2) e recuperação de contexto longo acima de 128K tokens. O modelo melhor depende inteiramente da sua distribuição de carga de trabalho.

Devo migrar do 3.1 Pro para o 3.5 Flash agora?

Depende. Se suas cargas de trabalho são dominadas por agentes, chamadas de ferramentas em múltiplas etapas, automação de terminal ou tarefas de codificação, a migração geralmente vale a pena — você obterá melhor desempenho em benchmarks, throughput aproximadamente 3x maior e menor custo. Para RAG de contexto longo ou raciocínio de alto risco onde erros são caros, teste seus próprios prompts primeiro antes de mudar.

Quando será lançado o Gemini 3.5 Pro?

O Gemini 3.5 Pro foi anunciado no I/O 2026, mas ainda não está geralmente disponível. Atualmente está em prévia limitada. O Google indicou junho de 2026 como meta para o lançamento completo. O modelo Pro de produção atual permanece o Gemini 3.1 Pro Preview.

O Gemini 3.5 Flash tem um tier gratuito?

Sim, há um tier gratuito com cotas diárias. No entanto, para qualquer carga de trabalho de agente em produção séria, os limites do tier gratuito provavelmente serão atingidos rapidamente. A maioria dos casos de uso em produção deve planejar o tier pago.

Conclusão

A divisão Gemini 3.5 Flash vs 3.1 Pro é mais clara do que a maioria das comparações entre Flash e Pro. O Flash vence o trabalho que parece produção: agentes, chamadas de ferramentas, tarefas de terminal, ancoragem multimodal. O Pro vence o trabalho que parece pesquisa: raciocínio complexo, recuperação de contexto longo, dedução nova.

Use Flash como padrão para cargas de trabalho de agente. Mantenha o Pro disponível como alvo de escalada para requisições com raciocínio intenso e recuperação de contexto longo acima de 128K. Construa sua lógica de fallback agora para que o lançamento do 3.5 Pro em junho seja uma atualização de configuração, não um sprint de migração.

É aqui que meus dados terminam. Execute na sua própria distribuição de tarefas antes de confirmar uma mudança de roteamento para produção.

Posts anteriores: