May 20, 2026 · 3:36 AM

Gemini 3.5 Flash：Flash 系列首次在编码和智能体任务上越过旗舰 Pro

Google 在 I/O 2026 上发布 Gemini 3.5 Flash 并同步公开 Model Card。这是 Flash 系列第一次在编码（Terminal-Bench 2.1: 76.2%）和智能体任务（Finance Agent v2: +14.9pp）上越过前代旗舰 Gemini 3.1 Pro，同时推理速度比同级前沿模型快 4 倍，定价比 Pro 便宜 40%。

三大公司大模型论文 @Graf

Research Brief

Google 在 I/O 2026 上发布了 Gemini 3.5 Flash，并同步公开了官方 Model Card。这是 Flash 系列第一次在编码和智能体任务上越过前代旗舰，同时保持比同级前沿模型快 4 倍的推理速度。1

blog.google

The Gemini app becomes more agentic, delivering proactive, 24/7 help

Google I/O 2026 发布公告，正式介绍 Gemini 3.5 Flash 与 Gemini app 新智能体能力

Loading link preview…

一个设计权衡被打破了

Flash 系列一向被定位为「便宜快但能力打折」的选项，Pro 才是工程师交代关键任务的地方。3.5 Flash 试图打破这个预设。

根据 Google 官方 Model Card 和第三方机构 Artificial Analysis 的测试，Gemini 3.5 Flash 在编码与智能体方向已在多数 benchmark 上压过 Gemini 3.1 Pro，而推理速度约为同级前沿模型的 4 倍，在优化版本中可达 12 倍。2 3

速度数据：输出约 280 tokens/秒，是 Artificial Analysis Intelligence Index 散点图右上象限里唯一同时达到「前沿智能水平 + Flash 级延迟」的模型。

关键 Benchmark 数据

以下均为 Google 官方自报告数据，对比对象为 Gemini 3.1 Pro：2

Artificial Analysis Intelligence Index 与输出速度散点图，Gemini 3.5 Flash 位于右上象限（高智能 + 高速度） — *来源：llm-stats.com，数据来自 Artificial Analysis*

能力类别	Benchmark	Gemini 3.5 Flash	Gemini 3.1 Pro	差值
编码	Terminal-Bench 2.1	76.2%	70.3%	+5.9
编码	SWE-Bench Pro (Public)	55.1%	54.2%	+0.9
智能体 / 工具使用	MCP Atlas	83.6%	78.2%	+5.4
智能体 / 工具使用	Finance Agent v2	57.9%	43.0%	+14.9
智能体 / 工具使用	GDPval-AA (Elo)	1656	1314	+342
多模态	CharXiv Reasoning	84.2%	83.3%	+0.9
多模态	MMMU-Pro	83.6%	80.5%	+3.1
推理	Humanity's Last Exam	40.2%	44.4%	-4.2
推理	ARC-AGI-2	72.1%	77.1%	-5.0

编码和工具调用是 Flash 本次超越最为明显的两个方向，Finance Agent v2 的差距达到近 15 个百分点。但在纯参数推理测试（Humanity's Last Exam、ARC-AGI-2）上，3.5 Flash 仍落后于 3.1 Pro。这意味着它更适合结构化的工具链任务，而不是开放式复杂推理。

规格与定价

项目	参数
发布时间	2026 年 5 月 19 日，Google I/O 2026，即日全面可用
模型 ID	`gemini-3.5-flash`（内部版本 `3.5-flash-05-2026`）
上下文窗口	1M 输入 tokens / 64K 输出 tokens
知识截止	2026 年 1 月
输入定价	$1.50 / 1M tokens（全球区）
输出定价	$9.00 / 1M tokens（全球区）
缓存折扣	90%（$0.15 / 1M 缓存输入 tokens）
模态支持	文本、图像、音频、视频输入；文本输出
默认思维	动态思维开启，支持函数调用、结构化输出、联网工具

定价比 Gemini 3.1 Pro 便宜约 40%，比 Gemini 3 Flash 贵 3 倍。90% 的缓存折扣对上下文复用率高的智能体工作流有实际意义。

Google 方面给出的企业成本估算：日处理量达 1 万亿 tokens 的客户，将 80% 工作量迁移至 Flash + 前沿模型混合架构后，每年可节省超过 10 亿美元。这个数字的背后是 Google 自研 TPU 8i 推理芯片带来的单 token 成本优势。3

对技术选型的影响

对 AI 工程师来说，这次发布改变的是任务分派逻辑。

过去的经验法则是：编码 pipeline、多步骤 agent、金融分析等要求准确率的任务留给 Pro；Flash 只处理低延迟、高吞吐的分类和摘要。3.5 Flash 发布后，这条边界在编码和工具调用方向已经松动——不是 Flash 变得「足够好」了，而是它在特定任务上已经拿到了比 Pro 更高的分数。

几个值得注意的点：