Gemini 3.5 Flash против 3.1 Pro: скорость, агенты и стоимость

Здесь Дора. Я изучаю цифры Gemini 3.5 Flash vs 3.1 pro с момента запуска Google I/O 2026 19 мая, и коротко суть такова: инверсия иерархии реальна, это не маркетинг, и она влияет на решения по маршрутизации, которые вы, возможно, уже зафиксировали в конфигурационном файле.

Flash-модели должны жертвовать качеством ради скорости. 3.5 Flash нарушает это соглашение — по крайней мере, на рабочих нагрузках, которые реально выполняют производственные агенты.

Почему это сравнение необычно: Flash обходит предыдущий Pro

Что Google показал на I/O 2026

Gemini 3.5 Flash вышел в GA 19 мая, стабильный идентификатор модели Gemini-3.5 Flash без суффикса preview. Главное заявление от Google: он превосходит Gemini 3.1 Pro на бенчмарках кодирования и агентных задач, работая примерно в 4 раза быстрее сопоставимых frontier-моделей, зачастую дешевле более чем вдвое.

Инверсия уровней, объяснённая в одном абзаце

Flash превосходит 3.1 Pro на бенчмарках, похожих на реальную работу: Terminal-Bench 2.1 (76,2% против 70,3%), MCP Atlas (83,6% против 78,2%), Finance Agent v2 (57,9% против 43,0%) и GDPval-AA Elo (1656 против 1314). Он уступает Pro на Humanity’s Last Exam (40,2% против 44,4%) и ARC-AGI-2 (72,1% против 77,1%) — бенчмарках, где доминируют чистые параметрические знания и абстрактное мышление. При оценке Gemini 3.5 Flash vs 3.1 pro разделение чёткое: агентная работа — Flash, сложные рассуждения — Pro.

Сравнение лицом к лицу: бенчмарки и что они реально измеряют

Преимущество Gemini 3.5 Flash benchmark над 3.1 Pro конкретно, а не универсально. Вот что реально показывают цифры.

Terminal-Bench 2.1 измеряет способность выполнять многошаговые задачи в терминале — чтение состояния файловой системы, написание и запуск скриптов, обработка вывода ошибок, повторные попытки. Flash набирает 76,2% против 70,3% у 3.1 Pro. Этот разрыв почти в 6 пунктов значим для автоматизированных конвейеров, где модель управляет терминалом, а не консультирует оператора-человека.

MCP Atlas — тот, к которому я возвращаюсь снова и снова. Он тестирует масштабируемую надёжность использования инструментов — насколько хорошо модель поддерживает корректные вызовы инструментов в расширенных последовательностях с несколькими вызовами (8–15 вызовов на задачу, 4k–12k токенов контекста на вызов). Результат Flash 83,6% превосходит 78,2% у 3.1 Pro и также опережает всех конкурентов, включая Claude Opus 4.7 (79,1%) и GPT-5.5 (75,3%). Для разработчиков, создающих автономных агентов, интегрирующих веб-поиск, векторные базы данных и песочницы для выполнения кода, это бенчмарк, которому следует придавать наибольший вес.

GDPval-AA Elo: Flash — 1656 против 1314 у Pro. Разрыв в 342 пункта на реальной агентной оценке. Не погрешность округления.

Где 3.1 Pro по-прежнему побеждает (ARC-AGI-2, длинноконтекстное извлечение)

По ARC-AGI-2 Pro выигрывает 5 пунктов (77,1% против 72,1%). Для задач, требующих распознавания новых паттернов, сложной логической дедукции или проблем, которые не соответствуют паттернам обучающих данных, 3.1 Pro имеет преимущество.

Разрыв по длинному контексту — тот, который стоит реально проверить на своих данных. MRCR v2 на контексте 128K показывает 84,9% у 3.1 Pro против 77,3% у Flash — разрыв в 7,6 пункта. Если ваш сценарий использования предполагает извлечение конкретной информации из очень длинных документов, анализ юридических документов или поиск иголки в стоге сена, 3.1 Pro остаётся более сильным вариантом.

Одна честная оговорка: все приведённые выше заголовочные цифры самостоятельно опубликованы Google. Проверьте на своих собственных промптах и доменных ограничениях, прежде чем делать выводы.

Показатели мультимодального понимания

CharXiv Reasoning: Flash — 84,2%, незначительно опережая GPT-5.5 с 84,1%. OSWorld: 78,4%, на уровне GPT-5.5 (78,7%). В мультимодальных конвейерах у Flash наиболее очевидный случай для обновления.

Ценообразование и задержка

Цены на Gemini 3.5 Flash

Gemini 3.5 Flash pricing: $1,50 за миллион входных токенов, $9 за миллион выходных токенов. Кэшированный ввод снижается до $0,15 за 1M — актуальная цифра, если вы запускаете повторяющиеся системные промпты в циклах агентов. Контекстное окно: 1 048 576 входных токенов, 65 536 выходных токенов. Динамическое мышление включено по умолчанию с уровнями (минимальный, низкий, средний, высокий) для компромисса стоимость/производительность.

Стоимость единицы Gemini 3.1 Pro Preview

Gemini 3.1 Pro: $2,00 за миллион входных токенов при промахе кэша, $12,00 за миллион выходных токенов. Контекстное окно: 2,0M токенов. Максимальный вывод: 16K токенов на запрос. При контексте свыше 200K цены возрастают до $4,00 за ввод / $18,00 за вывод. У Flash преимущество в 4 раза по лимиту вывода (65K против 16K на ответ), что важно при генерации полных файлов кода без усечения.

Сравнение пропускной способности

Flash выдаёт около 284 токенов в секунду против 109 у Pro. Рабочий процесс, занимающий три минуты с Pro, может завершиться менее чем за девяносто секунд с Flash при на 25% более низкой стоимости за токен.

Скорость — не цель. Цель — не прерывать поток. При 3+ вызовах инструментов на шаг агента этот разрыв накапливается быстро.

Производственное решение по маршрутизации

Когда Flash является правильным умолчанием

Используйте Flash как умолчание для маршрутизации, если:

Ваш агент выполняет несколько последовательных вызовов инструментов на задачу (MCP, function calling, песочница выполнения кода)
Вы работаете на CI/CD конвейерах или рабочих нагрузках по автоматизации терминала
Контекст остаётся ниже 100K токенов на запрос
Время отклика видимо пользователю — при 284 токенах/сек против 109 это важно для интерактивных продуктов

Для агентов на основе MCP выбор очевиден. Flash опережает MCP Atlas на 5,4 пункта, Toolathlon — на 7,1, Finance Agent v2 — на 14,9. Преимущество в скорости накапливается в многошаговых циклах. Кэшированный ввод по $0,15/1M делает высокочастотное использование инструментов в 10 раз дешевле, чем запуск Pro.

Когда 3.1 Pro по-прежнему стоит своих затрат

Два случая. Первый — чистота рассуждений: проектирование алгоритмов, построение доказательств, сложная отладка, где нельзя запустить вывод для проверки. ARC-AGI-2 77,1% против 72,1% — это сигнал. В задачах, где ошибки дорогостоящи и у вас один шанс, этот разрыв важен.

Второй случай — длинный контекст. Если ваше извлечение работает при 128K токенов и более — полный анализ кодовой базы, RAG по длинным документам, контракты — проверьте разрыв MRCR v2 на ваших реальных длинах извлечения перед переключением. Контекстное окно 3.1 Pro в 2,0M также даёт вам резерв, которого Flash не может обеспечить.

Когда стоит подождать 3.5 Pro вместо выбора между двумя

Gemini 3.5 Pro был анонсирован на I/O 19 мая, но пока находится в ограниченном превью Vertex, с ожидаемым GA в июне 2026. Он нацелен на контекстное окно в 2M токенов, глубокое мышление Deep Think и frontier мультимодальность — сценарии использования, которые раньше покрывал Gemini Ultra.

Подождите 3.5 Pro, если ваше основное требование — сложные рассуждения в масштабе и вам нужно контекстное окно в 2M. Текущий Pro — 3.1, и он выигрывает на тех бенчмарках. 3.5 Pro, вероятно, ещё больше расширит это преимущество.

Практический вопрос — сроки. Если вам нужно маршрутизировать производственный трафик сейчас, вы выбираете между Flash и 3.1 Pro. Проведите собственные оценки на вашем конкретном распределении задач. Это скажет вам больше, чем всё, что я говорю.

Паттерны резервирования для стеков с высокой доступностью

Чистый паттерн — классификатор запросов, а не глобальная замена идентификатора модели. Не проводите миграцию как «заменить каждую строку Gemini-3.1-pro-preview на Gemini-3.5-Flash». Именно так хорошие новости о запуске превращаются в производственные регрессии.

Практическая логика резервирования:

Основная: Gemini-3.5-Flash для агентных и кодовых рабочих нагрузок
Эскалация на задачах рассуждения: Gemini-3.1-pro-preview — запускается классификатором задач (длинный контекст, новая дедукция, ограничение без повтора)
При 429 / исчерпании квоты: сначала повторить Flash с экспоненциальной выдержкой; эскалировать до Pro только после двух неудачных повторов
При 5xx: немедленно переключиться на Pro, зафиксировать идентификатор модели и причину сбоя

Логируйте идентификатор модели, размер промпта, количество токенов, количество вызовов инструментов, задержку, причину резервирования и видимый пользователем результат. Без этих полей вы будете спорить о предпочтениях модели вместо того, чтобы измерять производительность маршрута.

Что это означает для агрегации моделей

Почему поэтапные развёртывания делают обязательства перед одним поставщиком рискованнее

Ситуация с Gemini agent benchmark в этом месяце иллюстрирует паттерн, ускорившийся в 2025–2026 годах: Flash-модель обходит предыдущий Pro на агентной работе, тогда как Pro удерживает позиции на рассуждениях. В следующем месяце выйдет 3.5 Pro. Рейтинг снова сбросится.

Жёсткая привязка инфраструктуры к единственному идентификатору модели означает, что каждый релиз вынуждает вас проводить миграцию под давлением времени. Команды, которые плавно справились с этим циклом, уже маршрутизировали по классу задач, а не по названию модели.

Маршрутизация по уровням внутри одного поставщика + между поставщиками

Наличие множества инструментов — не проблема. Проблема — необходимость управлять своими инструментами.

У этого вывода есть срок годности. Решение Gemini 3.1 pro vs Gemini 3.5 Flash сегодня выглядит как Flash для большинства производственных агентных задач. Проверьте бенчмарки 3.5 Pro, когда карточка модели выйдет в июне. Логика маршрутизации, которую вы строите сейчас, должна сделать эту переоценку изменением конфигурации, а не изменением кода.

FAQ

Является ли Gemini 3.5 Flash однозначно лучше, чем Gemini 3.1 Pro?

Нет. Flash превосходит 3.1 Pro на агентных задачах, использовании инструментов, кодировании и мультимодальных бенчмарках. Однако 3.1 Pro по-прежнему лидирует на чистом абстрактном мышлении (ARC-AGI-2) и длинноконтекстном извлечении свыше 128K токенов. Лучшая модель полностью зависит от распределения ваших рабочих нагрузок.

Стоит ли мне сейчас мигрировать с 3.1 Pro на 3.5 Flash?

Зависит от ситуации. Если ваши рабочие нагрузки преимущественно состоят из агентов, многошаговых вызовов инструментов, автоматизации терминала или задач кодирования, миграция обычно оправдана — вы получите лучшую производительность на бенчмарках, примерно втрое более высокую пропускную способность и меньшие затраты. Для длинноконтекстного RAG или высококритичных рассуждений, где ошибки дорогостоящи, сначала протестируйте собственные промпты перед переключением.

Когда будет выпущен Gemini 3.5 Pro?

Gemini 3.5 Pro был анонсирован на I/O 2026, но ещё не стал общедоступным. В настоящее время он находится в ограниченном превью. Google указал на июнь 2026 года как целевую дату полного выпуска. Текущая производственная Pro-модель остаётся Gemini 3.1 Pro Preview.

Есть ли у Gemini 3.5 Flash бесплатный уровень?

Да, существует бесплатный уровень с дневными квотами. Однако для любых серьёзных производственных агентных рабочих нагрузок лимиты бесплатного уровня, скорее всего, будут быстро исчерпаны. Большинство производственных сценариев использования должны планировать платный уровень.

Итог

Разделение Gemini 3.5 Flash vs 3.1 Pro чище, чем большинство сравнений Flash и Pro. Flash выигрывает работу, похожую на производственную: агенты, вызовы инструментов, задачи терминала, мультимодальное обоснование. Pro выигрывает работу, похожую на исследовательскую: сложные рассуждения, длинноконтекстное извлечение, новая дедукция.

По умолчанию используйте Flash для агентных рабочих нагрузок. Держите Pro доступным как цель эскалации для запросов с интенсивными рассуждениями и длинноконтекстного извлечения свыше 128K. Выстройте логику резервирования сейчас, чтобы выпуск 3.5 Pro в июне стал обновлением конфигурации, а не спринтом по миграции.

Здесь мои данные заканчиваются. Запустите на своём собственном распределении задач, прежде чем фиксировать изменение маршрутизации в производстве.

Предыдущие публикации: