---
title: "Gemini 3.5 Flash"
source: "https://systems-analysis.info/wiki/Gemini_3.5_Flash"
wiki: "systems-analysis.info/wiki"
article: "Gemini_3.5_Flash"
language: "ru"
categories:
  - "Категория:Gemini"
  - "Категория:Google"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 560
wiki_created_at: 2026-11-10T18:13:30Z
wiki_modified_at: 2026-11-11T00:58:44Z
downloaded_at: 2026-11-11T01:08:43Z
---

# Gemini 3.5 Flash

**Gemini 3.5 Flash** — нативно мультимодальная модель искусственного интеллекта компании Google DeepMind из семейства Gemini, ориентированная на агентные рабочие процессы и программирование и поддерживающая управляемые уровни вычислений для рассуждений. Модель была впервые представлена и выпущена в общий доступ 19 мая 2026 года.

## Оценка

Gemini 3.5 Flash оценивалась по широкому набору тестов (бенчмарков), охватывающих способности к рассуждению, программирование, использование инструментов в агентных сценариях, мультимодальные возможности, многоязычную обработку данных и работу с длинным контекстом. Дополнительные тесты, сведения о подходе к оценке, результатах и применяемых методологиях опубликованы в <a href="https://deepmind.google/models/evals-methodology/gemini-3-5-flash" class="external text" rel="nofollow">методологии оценки Gemini 3.5 Flash</a>.

Согласно Model Card Google DeepMind, приведённые ниже результаты актуальны по состоянию на май 2026 года.<sup>[\[1\]](https://systems-analysis.info/wiki/Gemini_3.5_Flash#cite_note-1)</sup>

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th></th>
<th>Gemini 3.5 Flash</th>
<th><a href="https://systems-analysis.info/wiki/Gemini_3_Flash" title="Gemini 3 Flash">Gemini 3 Flash</a></th>
<th><a href="https://systems-analysis.info/wiki/Gemini_3.1_Pro" title="Gemini 3.1 Pro">Gemini 3.1 Pro</a></th>
<th>Claude Sonnet 4.6</th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4.7" title="Claude Opus 4.7">Claude Opus 4.7</a></th>
<th><a href="https://systems-analysis.info/wiki/GPT-5.5" title="GPT-5.5">GPT-5.5</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Terminal-Bench 2.1</td>
<td>Agentic terminal coding</td>
<td>Terminus-2 harness</td>
<td style="background: #e6f3ff">76.2%</td>
<td>58.0%</td>
<td>70.3%</td>
<td>—</td>
<td>66.1%</td>
<td><strong>78.2%</strong></td>
</tr>
<tr class="even">
<td style="text-align: left;">SWE-Bench Pro (Public)</td>
<td>Diverse agentic coding tasks</td>
<td>Single attempt</td>
<td style="background: #e6f3ff">53.9%</td>
<td>48.4%</td>
<td>54.2%</td>
<td>53.0%</td>
<td><strong>64.3%</strong></td>
<td>58.6%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">MCP Atlas</td>
<td>Multi-step workflows using MCP</td>
<td></td>
<td style="background: #e6f3ff"><strong>83.6%</strong></td>
<td>62.0%</td>
<td>78.2%</td>
<td>69.5%</td>
<td>79.1%</td>
<td>75.3%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Toolathlon</td>
<td>Real-world general tool use</td>
<td></td>
<td style="background: #e6f3ff"><strong>56.5%</strong></td>
<td>49.4%</td>
<td>—</td>
<td>—</td>
<td>—</td>
<td>55.6%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">OSWorld-Verified</td>
<td>Agentic computer use</td>
<td></td>
<td style="background: #e6f3ff">78.4%</td>
<td>65.1%</td>
<td>76.2%</td>
<td>72.5%</td>
<td>78.0%</td>
<td><strong>78.7%</strong></td>
</tr>
<tr class="even">
<td style="text-align: left;">Finance Agent v2</td>
<td>Financial analysis and<br />
decision-making</td>
<td></td>
<td style="background: #e6f3ff"><strong>57.9%</strong></td>
<td>42.6%</td>
<td>43.0%</td>
<td>51.0%</td>
<td>51.5%</td>
<td>51.8%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">GDPval-AA</td>
<td>Economically valuable<br />
knowledge work</td>
<td>Elo Rating</td>
<td style="background: #e6f3ff">1,656</td>
<td>1,204</td>
<td>1,314</td>
<td>1,674</td>
<td>1,753</td>
<td><strong>1,773</strong></td>
</tr>
<tr class="even">
<td style="text-align: left;">CharXiv Reasoning</td>
<td>Information synthesis from<br />
complex charts</td>
<td>No tools</td>
<td style="background: #e6f3ff"><strong>84.2%</strong></td>
<td>80.3%</td>
<td>83.3%</td>
<td>70.5%</td>
<td>82.1%</td>
<td>84.1%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">MMMU-Pro</td>
<td>Multimodal understanding and<br />
reasoning</td>
<td>No tools</td>
<td style="background: #e6f3ff"><strong>83.6%</strong></td>
<td>81.2%</td>
<td>80.5%</td>
<td>74.5%</td>
<td>75.2%</td>
<td>81.2%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Blueprint-Bench 2</td>
<td>Agentic spatial reasoning</td>
<td>Normalized score</td>
<td style="background: #e6f3ff">33.6%</td>
<td>0.0%</td>
<td>26.5%</td>
<td>6.7%</td>
<td>24.5%</td>
<td><strong>36.2%</strong></td>
</tr>
<tr class="odd">
<td style="text-align: left;">MRCR v2 (8-needle)</td>
<td>Long context performance</td>
<td>128k (average)<br />
1M (pointwise)</td>
<td style="background: #e6f3ff">77.3%<br />
<strong>26.6%</strong></td>
<td>67.2%<br />
22.1%</td>
<td>84.9%<br />
26.3%</td>
<td>84.9%<br />
not supported</td>
<td>59.3%<br />
not supported</td>
<td><strong>94.8%</strong><br />
not supported</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/Humanity%27s_Last_Exam" title="Humanity&#39;s Last Exam">Humanity’s Last Exam</a></td>
<td>Academic reasoning (full set,<br />
text + MM)</td>
<td></td>
<td style="background: #e6f3ff">40.2%</td>
<td>33.7%</td>
<td>44.4%</td>
<td>33.2%</td>
<td><strong>46.9%</strong></td>
<td>41.4%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">ARC-AGI-2</td>
<td>Abstract reasoning puzzles</td>
<td></td>
<td style="background: #e6f3ff">72.1%</td>
<td>33.6%</td>
<td>77.1%</td>
<td>58.3%</td>
<td>75.8%</td>
<td><strong>85.0%</strong></td>
</tr>
</tbody>
</table>

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/Gemini_3.5_Flash#cite_ref-1) Google DeepMind. *Gemini 3.5 Flash — Model Card*. Выпуск: май 2026 года. С. 4.</span>

  

## См. также

- [Gemini 3 Flash](https://systems-analysis.info/wiki/Gemini_3_Flash "Gemini 3 Flash")
- [Gemini 3.6 Flash](https://systems-analysis.info/wiki/Gemini_3.6_Flash "Gemini 3.6 Flash")
