Новый ИИ от Google только что нарушил правила.

Google только что совершил парадокс в области ИИ: его новый «легкий» Gemini 3 Flash обходит флагманский Gemini 3 Pro в том, что наиболее важно для разработчиков — в программировании. На SWE-bench Verified, одном из самых сложных реальных бенчмарков в области программной инженерии, Flash набирает 78% при 76% у Pro, при этом предлагая более низкую цену и меньшую задержку.

Ютубер Мэтью Берман выразил настроение одним словом: «невероятно». В своём анализе запуска он отмечает, что Gemini 3 Flash стоит примерно четверть цены Gemini 3 Pro, около трети цены GPT-5.2 и примерно шестую часть стоимости семейства Claude, однако при этом он всё равно показывает результаты, близкие к 80% GPT-5.2 на одном и том же тесте по программированию.

Это центральное напряжение новой линейки Google: как «дешёвый и быстрый» вдруг становится разумным выбором в области, одержимой брендингом «Pro», «Ultra» и «Frontier»? Если предполагаемая лёгкая модель может сравниться или почти сравниться с самыми мощными конкурентами, старые предположения о том, что больший размер автоматически означает лучшее, начинают трещать по швам.

Ценностное предложение Flash основано на трех столпах, которые обычно находятся в компромиссе друг с другом: - Радикальное снижение затрат - Ураганная скорость - Удивительно сильные логика и программирование

Что касается цен, то Gemini 3 Flash стоит около 0,50 доллара за миллион входных токенов и 3,00 доллара за миллион выходных токенов. Это позволяет ему оставаться в бюджетном сегменте по сравнению с Pro, при этом значительно превосходя более старую версию Gemini 2.5 Flash по качеству и возможностям.

Скорость — это второй шок. Google утверждает, что Flash работает примерно в 3 раза быстрее, чем Gemini 2.5 Pro, при этом требуя примерно на 30% меньше токенов для сложных задач «мышления». Берман описывает его как «невероятно быстрый, невероятно дешевый и невероятно хороший», утверждая, что отдача на токен ощущается выше, чем у соперничающих моделей.

Сырая интеллектуальность и мультимодальность составляют третью опору. Gemini 3 Flash набирает 33.7% на Последнем Экзамене Человечества (Arc AGI2), почти равен GPT-5.2 в математике AIME 2025 с 95–99%, и демонстрирует 81.2% на MMMU-Pro для мультимодального мышления. Он обрабатывает видео, изображения и аудио, а теперь также обеспечивает работу режима поиска ИИ от Google и стандартного опыта использования приложения Gemini.

Настоящая история заключается в том, что эта аномалия сигнализирует: Google делает ставку на то, что в гонке искусственного интеллекта победит не только самая большая модель, но и та, которая сделает «профессиональный» интеллект обыденным.

Flash в названии Google — это не просто брендинг; это описание того, как модель ведет себя в вашем браузере. Gemini 3 Flash нацелен на получение ответов за доли секунды, сокращая задержку, из-за которой большинство AI-чатов воспринимается как ожидание на линии. Меньшая задержка означает, что ответы начинают поступать почти сразу же после нажатия клавиши "ввод", даже для многомодальных запросов с прикрепленными изображениями, аудио или видео.

Сравнивая с предыдущими моделями Google, прыжок впечатляющий. Gemini 3 Flash работает примерно в 3 раза быстрее, чем Gemini 2.5 Pro, при этом использует примерно на 30% меньше токенов для сложных этапов "мышления". Вы получаете профессиональное решение задач, таких как программирование и математика, но с отзывчивостью легкого помощника.

Скорость имеет решающее значение в тех случаях, когда люди уже ожидают мгновенных результатов: в поиске. Google незаметно сделал Gemini 3 Flash основой для приложения Gemini и режима ИИ в Google Search, как раз потому, что сокращение времени отклика на сотые доли миллисекунды меняет то, готовы ли пользователи принимать ответы ИИ вообще. Если поиск с ИИ кажется медленнее загрузки страницы с синей ссылкой, пользователи уходят.

С помощью Flash Google может встраивать объяснения ИИ, резюме и рекомендации прямо в результаты поиска, не создавая ощущения объезда. Попросите составить маршрут на выходные, быстрое резюме «Тонкого искусства пофигизма» и варианты ресторанов, и модель сможет быстро собрать, отсортировать и переписать информацию так, чтобы она соответствовала ритму нормального просмотра.

Этот профиль задержки открывает доступ к другому классу приложений: поистине реальным агентам. Flash может поддерживать инструменты, которые - смотрят потоковое видео в реальном времени и делают аннотации - слушают встречу и мгновенно находят документы - управляют кодирующими помощниками, которые обновляются по мере ввода текста, а не после паузы.

Поскольку его стоимость составляет примерно четверть от Gemini 3 Pro и около трети от GPT-5.2, разработчики могут держать этих агентов «всегда включенными», не выходя за рамки бюджета. В сочетании с мультимодальной поддержкой и практически мгновенными ответами, Gemini 3 Flash перестаёт ощущаться как чат-бот и начинает выглядеть как инфраструктура для непрерывного интерактивного ИИ.

Назовите это тем, что оно есть: шок от цен. Gemini 3 Flash стоит примерно четверть от тарифов Gemini 3 Pro, около трети от GPT-5.2 и почти одну шестую от линейки Claude. Для компаний, которые смотрят на семизначные счета за облачные услуги, это не скидка; это перезагрузка.

Стоимость за миллион токенов обычно кажется абстрактной, но в масштабах она определяет, какие продукты существуют. Поставщик автоматизации поддержки, обрабатывающий 50 миллионов токенов в день, внезапно видит, как расходы на модель падают в 4 раза по сравнению с Pro и в 6 раз по сравнению с Claude. Эта разница может финансировать привлечения новых инженеров, снижать цены по сравнению с конкурентами или увеличивать маржу вместо OpenAI или Anthropic.

Высокообъемные рабочие процессы ощущают это наиболее ярко. Подумайте: - 10,000 торговых представителей с ИИ-ассистентами, составляющими электронные письма - Огромные кодовые базы, которые постоянно рефакторятся ботами - Медиаархивы, автоматически помеченные, резюмированные и переведённые

При таких объемах снижение всего на $0,50 за миллион токенов накапливается в миллионы ежегодно; Gemini 3 Flash снижает затраты значительно больше, при этом сопоставляя или превосходя Pro по показателям кодирования.

Google также говорит о «влиянии на токен», и здесь цифры подтверждают маркетинг. Результаты SWE-bench Verified показывают, что Flash набирает 78% по сравнению с 76% у Gemini 3 Pro, лишь немного отставая от 80% у GPT-5.2. Если Flash решает больше реальных задач на 1,000 токенов, предприятия покупают меньше токенов для достижения тех же бизнес-результатов.

Эффективность проявляется в поведении, а не только в метриках. Flash часто требует более коротких запросов и меньшего количества повторений, чтобы дать правильный ответ, особенно в кодировании и структурированном мышлении. Это означает меньшее расходование токенов как на вводе, так и на выводе, а также меньше "склеивающего" кода для команд, соединяющих агентов и рабочие процессы.

Стратегически такое ценообразование ставит конкурентов в неудобное положение. Чтобы соответствовать Flash по стоимости, OpenAI или Anthropic придется снизить свои собственные маржи; чтобы соответствовать по качеству при текущих ценах, они выглядят слишком дорогими для каждого финансового директора. Тем временем Google может объединить Flash в рамках Cloud, Workspace и Search, превращая дешевые токены в привлекательные корпоративные контракты.

Теперь всем, кто планирует масштабные внедрения ИИ, приходится оправдывать свой выбор не в пользу Flash. Показатели производительности и цены на Gemini 3 Flash – Google DeepMind выглядят скорее как предупреждающая этикетка для остальной отрасли, чем как технические характеристики.

Тихой сенсацией Google не является новая ультрапремиум модель; это так называемая «легкая» версия. Gemini 3 Flash набрала 78% на SWE-bench Verified, опередив Gemini 3 Pro с её 76%, несмотря на цену, которая составляет примерно четверть от стоимости флагмана, и заметно более быструю работу. На бенчмарке, созданном для выявления слабоватыми рассуждений, бюджетный чип только что обошел флагман.

SWE-bench Verified — это не игрушечный лидерборд. Бенчмарк извлекает реальные проблемы из GitHub из крупных открытых Python проектов, предоставляет модели контекст репозитория и просит её создать конкретные патчи, которые действительно применяются, компилируются и проходят существующий тестовый набор. Никакого нечеткого псевдокода — либо патч исправляет ошибку, либо он не проходит.

Это делает SWE-bench редким измерением практических навыков программирования, а не лишь эффектного автозаполнения. Модели должны ориентироваться в незнакомых кодовых базах, соблюдать стиль проекта, учитывать зависимости и избегать нарушения независящего поведения. Разница в 2 балла на этом уровне означает сотни дополнительных исправленных проблем в наборе тестов.

Gemini 3 Flash с результатом 78% находится всего на 2% ниже GPT-5.2, который набрал 80%, и опережает своего "умнее" собрата. Для разработчиков это означает модель, которая может: - Читать запутанный сервисный репозиторий и выпускать работающие исправления ошибок - Реализовывать новые конечные точки или функции, которые проходят CI с первого раза - Рефакторить устаревшие утилиты, не взрывая при этом тесты на нижних уровнях

Изменения в стоимости влияют на уравнение даже больше, чем точность. При цене примерно в 1/4 от стоимости Gemini 3 Pro, около 1/3 от GPT-5.2 и 1/6 от сопоставимых моделей Claude, команды теперь могут на полную мощность использовать ИИ в своих рабочих процессах вместо того, чтобы экономить токены. Боты для ревью кода, генераторы тестов, помощники по миграции и помощники CI становятся экономически целесообразными в больших масштабах.

Разработчики, создающие агентов, ощущают это особенно сильно. Кодирующий агент, который выполняет итерации по патчам, повторно запускает тесты и заново просматривает логи, может сжигать миллионы токенов в день. Запуск этого цикла на Gemini 3 Flash вместо премиум-уровня сокращает расходы на инференс, одновременно увеличивая успешность патчей по бенчмарку, созданному для агентов.

Как модель «Flash» смогла это осуществить? Google намекает на более эффективную архитектуру и обучение, а поведение соответствует стратегии дистилляции: сжать выводы Gemini 3 Pro в более маленького и быстрого студента, при этом тщательно подбирая код, тесты и задачи в масштабе репозитория. Улучшенное подкрепление на основе результатов тестов и широкомасштабная обработка изменений GitHub также могут склонить модель к правкам, которые компилируются и проходят проверку.

Архитектура объясняет лишь половину истории; важны также приемы вывода. По сообщению, Flash использует примерно на 30% меньше токенов для "размышлений" по сравнению с предыдущими поколениями, что говорит о агрессивной оптимизации запросов и внутреннем планировании, которое тратит меньше токенов на избыточное рассуждение. Для разработчиков это выражается в более быстрых откликах, меньших контекстных окнах и большем количестве попыток за доллар.

В совокупности, оценка 78% по стандарту SWE-bench при ценах Flash переписывает ментальную модель «Профессиональный» против «дешёвого» уровня. Кодировочная модель, к которой вы привыкли, может больше не быть самой важной, а скорее той, которая исправляет наибольшее количество ошибок в процентном соотношении.

Полимат, возможно, единственное точное слово в данном случае. Gemini 3 Flash демонстрирует уровни производительности на уровне передовых технологий не только в коде, но и в математике, знаниях и многомодальном рассуждении, при этом сохраняя ярлык «легковесный». Google продолжает называть его Профессиональным уровнем рассуждений на скорости Flash, и — впервые — рекламный текст соответствует установленным стандартам.

Начните с математики, традиционно сложной области для небольших, быстрых моделей. На AIME 2025, известном своей строгостью в оценке математических навыков, Gemini 3 Flash набирает от 95% до 99%, почти догоняя результат GPT-5.2, близкий к 100%. Это ставит его в один ряд с моделями, специализирующимися на "высокой" математике, несмотря на его оптимизированный для низкой задержки дизайн.

Общие знания и логическое мышление рассказывают похожую историю. В Последнем Экзамене Человечества (Arc AGI2) Flash набирает около 33.6–33.7%, что ниже 37.5% Gemini 3 Pro, но практически на одном уровне с GPT-5.2, у которого 34.5%. В сравнении с 11% Gemini 2.5, этот результат не является простым увеличением; это скачок на уровне целого поколения в широкомасштабном рассуждении.

Мультимодальные тесты показывают, что это не односторонний текстовый движок. На MMMU-Pro, мультимодальном университете, Gemini 3 Flash достигает 81,2%, опережая GPT-5.2 и занимая первое место в рейтинге. Это означает, что так называемая "дешевая" модель теперь лидирует в сложных задачах рассуждения с изображениями и текстами, которые ранее требовали самых громоздких и медленных систем.

В целом, профиль выглядит меньше как сокращенный помощник и больше как сжатый флагман. Flash уступает Pro в некоторых чистых оценках рассуждений, но незначительно, и безусловно выигрывает в программировании, сохраняя при этом математику и общие знания на том же конкурентном уровне. Для многих задач такая сделка — слегка более низкие достижения в ущерб значительно более низким затратам и задержкам — кажется безальтернативной.

Презентация Google о том, что «скорость и масштаб не обязательно должны обходиться в ущерб интеллекту», звучит менее как подтасовка, когда модель с четвертью стоимости может почти сравняться или превзойти Pro по программированию, математике и мультимодальным тестам. Gemini 3 Flash ведет себя как самородок в компактном пакете, обеспечивая широкий, профессиональный уровень рассуждений по цене и скорости, которые делают использование чего-то большего излишним.

Ваша новая «быстрая» модель Gemini делает не только чтение и запись. Gemini 3 Flash изначально принимает текст, изображения, аудио и полные видеопотоки, а затем анализирует их за один раз, без громоздких переключений режимов или отдельных загрузок. Вы указываете ей файл или URL, и она рассматривает всё внутри — кадры, звуки, текст на экране — как одну единую задачу.

Собственные демонстрации Google сильно опираются на видео. Передайте Flash запись вашего уикенд-матча по пиклболу, и он проведет покадровый анализ: кто не на месте, какие удары вы постоянно пропускаете, как нарушается техника вашей подачи. Затем это превращается в аннотированный план тренировок с временными метками и замедленными комментариями.

Аудио получает аналогичное внимание. Загрузите эпизод подкаста или лекцию, и Flash не только транскрибирует его, но также создает структурированный тест, резюме и список дополнительной литературы. Попросите "пять вопросов, которые затруднят студента на промежуточном экзамене", и он на лету подбирает уровень сложности, извлекая ключевые концепции из звуковой волны, а не только из транскрипта.

За кулисами это проявляется в бенчмарках. На MMMU-Pro, жестком мультимодальном экзамене, охватывающем диаграммы, графики, фотографии и технические фигуры, Gemini 3 Flash набирает 81,2%, немного обгоняя GPT-5.2 и опережая предыдущие модели Google. Эта цифра фактически говорит о том, что эта «облегченная» модель теперь находится на переднем крае в области reasoning, связанного с визуальным восприятием и языком.

Для создателей это открывает новые рабочие процессы. Ютубер может загрузить необработанные видео, попросить Flash найти каждый момент, когда продукт появляется на экране, а затем автоматически создать предложения для B-roll, названия глав и сценарии для коротких видео. TikTok-образователь может записать короткое голосовое сообщение и позволить Flash разработать уникальные крючки, подписи и тексты для миниатюр, адаптированные для платформы.

Аналитики получают другую суперсилу. Представьте, что вы перетаскиваете папку с аудиозаписями финансовых звонков, слайд-презентациями и фотографиями продуктов в один запрос и спрашиваете о рисках или конкурентной информации. Мгновенно производится перекрестная проверка произнесенных утверждений с графиками и мелким шрифтом, для чего старые «текстовые» инструменты требовали три разных инструмента для приблизительного решения.

Разработчики могут интегрировать это всё в приложения, используя Руководство разработчика Gemini 3 – API Gemini, рассматривая мультимодальный ввод как первоклассный элемент. Тем временем обычные пользователи видят лишь одно: их ИИ наконец-то наблюдает, слушает и читает мир так, как это делаю они.

Google тихонько превращает Gemini 3 Flash в свой новый стандартный мозг. Откройте приложение Gemini или включите режим ИИ в Поиске Google, и вы больше не общаетесь с Gemini 2.5 Flash или Gemini 3 Pro — вы обращаетесь к модели, настроенной на скорость, стоимость и "достаточно хорошую" интеллектуальность в глобальном масштабе.

Поиск зависит от задержки. Пользователи покидают страницу, если результат кажется медленнее обычного запроса в Google, поэтому модель, отвечающая в один миг, важнее той, которая выдает несколько лишних баллов в бенчмарке. Gemini 3 Flash работает примерно в 3 раза быстрее, чем предыдущие модели Pro-класса, и использует примерно на 30% меньше токенов для многих задач рассуждения, что напрямую сокращает как время ожидания, так и счета за сервер.

Решение Google выглядит жестко прагматичным: направить 99% повседневных вопросов — сводки, инструкции, покупки, быстрые сравнительные оценки — к Flash, а оставить Gemini 3 Pro для крайних случаев, которые действительно требуют весомой логики. При стоимости Flash примерно 1/4 от Gemini 3 Pro, 1/3 от GPT-5.2 и 1/6 от семейства Claude за миллион токенов, такая замена превращается в колоссальную экономию в масштабах Google.

Эта экономика становится оружием, когда вы подключаете её к доминирующему поисковику мира. Каждое панельное решение AI, каждый последующий вопрос, каждый мультимодальный запрос (скриншот, фотография продукта, видеоклип) теперь работает на модели, которая не только дешевле, но и конкурентоспособна по качеству: 78% на SWE-bench Verified coding, 33.7% на Humanity’s Last Exam и 81.2% на MMMU-Pro.

Конкуренты, такие как OpenAI, Anthropic и Meta, должны оплачивать собственные затраты на индукцию или договариваться о размещении, пытаясь сопоставить скорость и цены Google на фронтэнде. Тем временем Google может перекрывать расходы на Flash за счет рекламы, Android, Chrome и YouTube, и при этом демократизировать цены своих конкурентов по запросам, не позволяя пользователям видеть выбор модели.

Таким образом, когда Мэттью Берман задает вопрос: “Закончила ли Google борьбу с конкурентами?”, он на самом деле спрашивает, означает ли распределение поиска в сочетании с ультраэффективной моделью конец эры автономных чат-ботов. Если теперь стандартный способ, которым миллиарды людей «общаются с ИИ», — это поисковая строка Google на базе Gemini 3 Flash, то все остальные стали просто необязательным дополнением.

Новый спринтер от Google теперь соревнуется с марафонцем от OpenAI. По сырым показателям Gemini 3 Flash лишь немного отстает от GPT-5.2, не на километры. SWE-bench Verified зафиксировал результат Flash на уровне 78%, по сравнению с 80% у GPT-5.2, разница достаточно мала, чтобы затеряться в реальных рабочих процессах, особенно если учитывать задержки и стоимость.

Последний экзамен человечества рассказывает ту же историю. Flash достигает 33,7%, GPT-5.2 — 34,5% — это погрешность округления в мире бенчмарков, но сейсмический сдвиг в рыночном позиционировании. Google теперь предлагает разум near-frontier как бюджетный вариант, а не роскошный уровень.

Размер контекстного окна по-прежнему в пользу OpenAI. Flash обрабатывает примерно 17,000 токенов, в то время как Gemini 3 Pro достигает около 24,000, а GPT-5.2, вероятно, значительно превышает оба. Для длительных исследовательских отчетов, многодокументных юридических анализов или глубокого изучения кода эта дополнительная свобода все еще важна.

Торговые сделки выглядят иначе, когда вы прикрепляете к ним денежный знак. Flash стоит примерно треть от цены GPT-5.2 и шестую часть цены моделей Claude, при этом он также обходится дешевле Gemini 3 Pro, стоя лишь четверть от его стоимости. Для команд, выполняющих тысячи или миллионы вызовов в день, эта разница перестает быть академической и начинает восприниматься как статья бюджета.

Паритет производительности выходит за рамки кодирования и рассуждений. В Arc AGI2 / Последнем экзамене человечества Flash с 33.6–33.7% немного отстаёт от GPT-5.2 менее чем на процент, при этом опережая почти каждую другую модель. На мультимодальных тестах, таких как MMMU-Pro, Flash достигает 81.2%, обходя GPT-5.2 и подтверждая, что «лёгкая» модель Google способна обрабатывать изображения и диаграммы на поистине элитном уровне.

Где GPT-5.2, вероятно, по-прежнему доминирует, так это в экстремальном контексте и крайних случаях аналитики, которые поддерживают тяжеловесных агентов, многочасовое планирование или обширные корпоративные графы знаний. Более крупные контекстные окна и потенциально более глубокие цепочки размышлений предоставляют OpenAI больше свободы действий в этих сценариях. Flash, в свою очередь, оптимизирует скорость, эффективность токенов и «достаточно хорошую» общую интеллигенцию в масштабах.

Этот компромисс создает новую конкурентную динамику. Вместо выбора между дешевым игрушечным устройством и дорогой передовой системой, разработчики теперь видят почти передовой вариант по цене, сопоставимой с инфраструктурой, а не с роскошным API. Для многих продуктов — поиска, поддержки, помощников по программированию, легких агентов — Gemini 3 Flash делает GPT-5.2 менее стандартным решением и больше похожим на премиум-апгрейд.

Скорость, интеллект и цена наконец-то слились в единое целое, меняя то, что вы можете отправить. Gemini 3 Flash работает примерно за 1/4 стоимости Gemini 3 Pro и около 1/3 от GPT-5.2, при этом сохраняя 78% SWE-bench Verified результат. Эта комбинация переносит множество ранее теоретических ИИ-продуктов в область «запустите это для миллионов пользователей, не поджигая при этом финансового директора».

Поддержка клиентов является самым очевидным узким местом. Вместо одного медленного, монолитного чат-бота компании могут запустить рой специализированных агентов: один настроен на вопросы биллинга, другой — на техническую диагностику, третий — на отмены и поддержание клиентской базы. Каждый агент может выполнять десятки быстрых шагов мышления на запрос — извлекая документы, проверяя историю аккаунта, предлагая решения — не превышая допустимую задержку для окна живого чата.

Финансовые команды получают обновление нового типа. Низкая стоимость токенов Flash позволяет осуществлять потоковую аналитику в реальном времени по тысячам тикеров, новостных лент и отчетов. Вы можете представить себе панели управления, на которых агент непрерывно переписывает резюме рисков, подмечает аномалии в потоках транзакций и моделирует сценарии «что, если» по мере движения рынка, все это с ответами менее чем за секунду.

Модерация контента становится гораздо более жизнеспособной в крупных масштабах. Один-единственный модель, которая может читать текст, анализировать изображения и очищать короткие видео, может оценивать и распределять посты за один проход. С ценами Flash — $0,50 за миллион входящих токенов и $3,00 за миллион выходящих токенов — платформы могут позволить себе многоступенчатые процессы проверки: первичный отбор, рассмотрение апелляций и объяснение политик, вместо одного грубого фильтра.

Агентные рабочие процессы – это место, где это становится невероятно мощным. Поскольку Flash может выполнять множество небольших, умных действий быстро, вы можете создавать системы, которые: - Обсуждают и подводят итоги тысяч документов - Создают и тестируют копии в разных каналах - Обрабатывают заявки, обновляют CRM и запускают автоматизацию

Разработчики получают не просто более быстрый конечный пункт чата; они получают оркестрационный движок. В Gemini 3 Flash на Vertex AI Google акцентирует внимание на этом, предлагая многоагентные настройки, которые объединяют десятки вызовов для планирования, использования инструментов и проверки. С в три раза большей скоростью, чем у старых моделей Pro-класса, и с 30% меньшим количеством необходимых «мыслящих» токенов, эти агентские стеки наконец выглядят как производственное программное обеспечение, а не дорогие демо-версии.

Эффективность, а не количество параметров, теперь определяет передовые технологии потребительского ИИ. Gemini 3 Flash отражает этот сдвиг: так называемая "легкая" модель, которая в 4 раза дешевле Gemini 3 Pro, при этом превосходя его по производительности в кодировании, подтвержденной SWE-bench Verified (78% против 76%) и оставаясь в пределах досягаемости 80% от GPT-5.2.

На протяжении десятилетия лаборатории продавали простую идею: большие модели, больше FLOPs, лучшие результаты. Gemini 3 Flash разрушает этот нарратив на публике, а не в исследовательском блоге, становясь стандартным «умом» Google в приложении Gemini и AI-режиме в Поиске, несмотря на больший контекстный окно Pro (24,000 против ~17,000 токенов Flash) и более сложную архитектуру.

Теперь производительность за доллар важнее, чем слава в таблицах лидеров. При цене около $0.50 за миллион входных токенов и $3.00 за миллион выходных токенов, Flash предлагает: - Подтверждено SWE-bench: 78% по цене 1/4 от Pro - Последний экзамен человечества / Arc AGI2: ~33.6–33.7%, всего в пункте от 34.5% GPT-5.2 - AIME 2025: 95–99%, практически соответствует GPT-5 Extra High

Гиперактивная эффективность меняет, какие продукты становятся жизнеспособными. Модель, которая в 3 раза быстрее Gemini 2.5 Pro, использует примерно на 30% меньше "мыслительных" токенов и обрабатывает видео, изображения и аудио в одном стеке, делает доступными агентов с низкой задержкой, реального времени копилотов и мультимодальный поиск в экономическом масштабе, а не только в демонстрациях.

Сообщение Google однозначно: «скорость и масштаб не должны жертвовать интеллекту». Ожидайте, что следующая волна моделей Gemini будет оптимизировать токены на задачу, повторное использование кеша и мультимодальную компрессию, а не стремиться к всё более крупным монолитам, с рассуждениями в стиле Pro, сгруппированными в рендеринги класса Flash.

Соперникам придется следовать. OpenAI, Anthropic, Meta и Mistral теперь конкурируют не только по показателям в стиле IQ, но и по количеству реальных задач, которые можно решить с помощью миллиона токенов. Новый закон ИИ благоприятствует тем, кто сможет извлечь максимальную отдачу и доход из каждого отдельного токена.

Что такое Gemini 3 Flash?

Gemini 3 Flash — последняя версия ИИ-модели от Google, разработанная для высокой скорости и экономии затрат. Она специализируется на задачах с высоким объемом и низкой задержкой, сохраняя при этом профессиональные навыки рассуждения.

Как Gemini 3 Flash лучше, чем Gemini 3 Pro?

Хотя Gemini 3 Pro более мощен для сложного логического анализа, Gemini 3 Flash значительно быстрее, стоит примерно в четыре раза меньше и удивительно превосходит Pro по определённым критериям, таким как программирование (проверка SWE-bench).

Каковы основные области применения Gemini 3 Flash?

Его основные области применения включают в себя чат-ботов в реальном времени, анализ данных в режиме реального времени, транскрипцию видео и аудио, а также обеспечение автономных рабочих процессов, где скорость и стоимость являются критическими факторами для масштабируемости.

Является ли Gemini 3 Flash бесплатным для использования?

Gemini 3 Flash теперь является моделью по умолчанию в бесплатном приложении Gemini. Для разработчиков и компаний, использующих API, предусмотрена конкурентная ценовая структура на основе использования токенов, которая значительно ниже, чем у Gemini 3 Pro и других моделей.