Scheda modello DeepMind Gemini 3.5 Flash. · fonte
Scheda modello DeepMind Gemini 3.5 Flash. · fonte
Scheda modello DeepMind Gemini 3.5 Flash. · fonte
Scheda modello DeepMind Gemini 3.5 Flash. · fonte
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (19 May 2026). Reasoning: Artificial Analysis Intelligence Index 55 at launch (AA launch article; ahead of Grok 4.3 53). Coding null: no Terminal-Bench 4.0; Google published Terminal-bench 2.1 76.2% (Terminus-2) and SWE-Bench Pro 55.1%; AA's own Coding Index was 45, not an anchor figure. Context 1M tokens. Price $1.50 in / $9 out per 1M = $3.375 blended (AA; 3x Gemini 3 Flash). Speed over 280 output tokens/s measured by Artificial Analysis at launch. Input text, image, video, speech (AA). Pin sourceUrl is TechCrunch; the model card is used here as maker page and was opened this run.[3]
Gemini 3.5 Flash scores 55 on the Artificial Analysis Intelligence Index, up 9 points from Gemini 3 Flash, driven primarily by agentic performance gains and hallucination reduction.
Gemini 3.5 Flash burns through so many more tokens on agent-based tasks that total costs end up 75 percent higher than Gemini 3.1 Pro, according to Artificial Analysis.
Gemini tracked each stream independently while periodically merging findings into an evolving assessment summary.
That speed is central to Flash's design for agentic work, where multiple AI agents run at the same time on long-running tasks, according to Kavukcuoglu.
| Gemini 3.5 Flash: The new leader in intelligence versus speed · 19 mag 2026 | 0.80 |
|---|---|
| With Gemini 3.5 Flash, Google bets its next AI wave on agents, not chatbots · 19 mag 2026 | 0.40 |
| Google's Gemini 3.5 Flash follows Anthropic and OpenAI in making newer AI models significantly pricier · 20 mag 2026 | -0.30 |
| 5 prompts that show how the new Gemini 3.5 Flash is its best AI model yet · 21 mag 2026 | 0.40 |
Foto dei lettori, separate dai media con fonti del pin. Valuta ciò che hai mangiato o visto e, su un pin di ristorante, tagga i piatti direttamente sulla tua foto.
La prima voce è sempre la fonte del pin. L’affidabilità complessiva è una media ponderata di quanto ogni fonte conferma gli orari di inizio e fine indicati sopra; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recente.
TechCrunch riporta che Google ha lanciato Gemini 3.5 Flash martedì 19 maggio 2026 alla sua conferenza annuale per sviluppatori I/O; la scheda del modello di Google DeepMind[3] per 3.5 Flash è pubblicata lo stesso giorno.
The Wikipedia article lists Gemini 3.5 Flash as released on 19 May 2026, based on Gemini 3 Flash.
DeepMind's model card, published 19 May 2026, gives the benchmark results against Gemini 3 Flash, 3.1 Pro, Claude Sonnet 4.6, Claude Opus 4.7 and GPT-5.5.
Manca qualcosa o c’è un errore? Dillo con parole tue: un link che conferma questo pin, una data di inizio o fine diversa e perché, o un fatto che manca o è sbagliato. L’IA lo confronta con le fonti del pin, ne cerca di migliori e aggiunge qualsiasi pagina ti dia ragione. Le fonti del pin contano comunque di più. Anche un’immagine che mostra altro, o lo mostra male, viene esaminata e spostata in basso o sostituita.
Titolo originale: Gemini 3.5 Flash Released
| Benchmark | Gemini 3.5 Flash | Gemini 3 Flash | Gemini 3.1 Pro | Claude Sonnet 4.6 | Claude Opus 4.7 | GPT-5.5 |
|---|---|---|---|---|---|---|
| Terminal-bench 2.1 (Programmazione agentica da terminale, harness Terminus-2) | 76,2% | 58,0% | 70,3% | — | 66,1% | 78,2% |
| SWE-Bench Pro (Public) (Compiti vari di programmazione agentica, tentativo singolo) | 55,1% | 49,6% | 54,2% | — | 64,3% | 58,6% |
| MCP Atlas (Flussi di lavoro in più passaggi con MCP) | 83,6% | 62,0% | 78,2% | 69,5% | 79,1% | 75,3% |
| Toolathlon (Uso generale di strumenti nel mondo reale) | 56,5% | 49,4% | — | — | — | 55,6% |
| OSWorld-Verified (Uso agentico del computer) | 78,4% | 65,1% | 76,2% | 72,5% | 78,0% | 78,7% |
| Finance Agent v2 (Analisi finanziaria e processo decisionale) | 57,9% | 42,6% | 43,0% | 51,0% | 51,5% | 51,8% |
| GDPval-AA (Lavoro di conoscenza economicamente rilevante, Elo) | 1656 | 1204 | 1314 | 1676 | 1753 | 1769 |
| CharXiv Reasoning (Sintesi di informazioni da grafici complessi, senza strumenti) | 84,2% | 80,3% | 83,3% | 72,4% | 82,1% | 84,1% |
| MMMU-Pro (Comprensione e ragionamento multimodali, senza strumenti) | 83,6% | 81,2% | 80,5% | 74,5% | 75,2% | 81,2% |
| Blueprint-Bench 2 (Ragionamento spaziale agentico, punteggio normalizzato) | 33,6% | 0,0% | 26,5% | 6,7% | 24,5% | 36,2% |
| MRCR v2 (8-needle) (Prestazioni su contesto lungo, 128k (media)) | 77,3% | 67,2% | 84,9% | 84,9% | 59,3% | 94,8% |
| MRCR v2 (8-needle) (Prestazioni su contesto lungo, 1M (puntuale)) | 26,6% | 22,1% | 26,3% | — | — | — |
| Humanity’s Last Exam (Ragionamento accademico (set completo, testo + MM)) | 40,2% | 33,7% | 44,4% | 33,2% | 46,9% | 41,4% |
| ARC-AGI-2 (Rompicapi di ragionamento astratto) | 72,1% | 33,6% | 77,1% | 58,3% | 75,8% | 84,6% |