Gemini 3.5 Flash

Situativin der eigenen Familie überholt

War der des Katalogs: Intelligence-Index 50 (über Sonnet 4.6 und dem teureren Gemini 3.1 Pro) und Agentic 37 – deutlich über dem hauseigenen 3.1 Pro (21) und zum Bruchteil des Flaggschiff-Preises. Rein auf die Indizes gerechnet war er schon seit der 80-Prozent-Preissenkung von GPT-5.6 Luna (0,20 $/1,20 $ gegen 1,50 $/9 $ bei 51/71/46) unterboten; seit dem 2. September 2026 unterbietet ihn auch das eigene Haus. Artificial Analysis misst Gemini 3.8 Flash (hohe Stufe) mit 58,7 / 76,3 / 50,0 gegen die hier geführten 52 / 70 / 40 – besser in allen drei Indizes, bei 0,75 $ statt 1,50 $ Input und 3,75 $ statt 9 $ Output. Wir stufen 3.5 Flash deshalb auf „situativ“ herunter, nicht auf „überholt“: Für die Nachfolger der Flash-Reihe dokumentiert Google weder Kontextfenster noch Modalitäten, und genau die (Video, Audio, PDF bei 1 Mio. Token Kontext) sind der belegte Grund, 3.5 Flash noch einzusetzen.

latenzkritische Aufgaben
Hochvolumen
Suche/Grounding
multimodale Eingaben

Stärker bei gleichem oder geringerem Preis: Qwen3.8-Flash-Next, GPT-5.6 Luna, GLM-5.3-Flash — erreicht alle unabhängigen AA-Indizes ≥ bei niedrigerem .

Typische Einsatzfälle

latenzkritische Aufgaben
Hochvolumen
Suche/Grounding

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar. Die oben ist daraus abgeleitet: AA-Intelligenz je AA-Blended-Preis (3:1) – entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis. AAs token-basiertes „Cost to Run Index“ ist nicht öffentlich abrufbar.

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

Artificial Analysis Intelligence Index
50
unabhängigArtificial Analysis, abgerufen 2026-06-16
Artificial Analysis Coding Index
70
unabhängigArtificial Analysis Coding Index, abgerufen 2026-07-09
Artificial Analysis Agentic Index
37
(high)
unabhängigArtificial Analysis (API), abgerufen 2026-08-05
LMArena Text Arena (Elo)
1477
unabhängigLMArena (arena.ai), Stand 2026-06-10
DeepSWE (Long-Horizon Coding)
28 %
(medium)
unabhängigdeepswe.lol (kontaminationsfrei, mini-swe-agent), 2026-06-16
Terminal-Bench (agentische Shell-Aufgaben)
79 %
unabhängigArtificial Analysis (API), abgerufen 2026-06-16
τ²-bench (Tool-Use-Verlässlichkeit)
95 %
unabhängigArtificial Analysis (API), abgerufen 2026-06-16

Einordnung

Überraschend stark in der Allzweck-Intelligenz: 50 – vor Sonnet 4.6 (47) und sogar dem teureren Gemini 3.1 Pro (46), bei deutlich niedrigerem Preis ($1,50 / $9).Beleg · Sekundärquelle
Beim Coding ( 70) überraschend stark – über DeepSeek-V4-Pro (59) und praktisch gleichauf mit dem teureren Gemini 3.1 Pro (69), klar vor Grok 4.3 (42); breit multimodal – starkes Preis-Leistungs-Verhältnis für latenzkritische Aufgaben.Beleg · Sekundärquelle
Nachfolger da: Google gab am 21. Juli 2026 Gemini 3.6 Flash als neues Standard-Modell frei ($1,50 / $7,50 – Output günstiger als hier, laut Google ~17 % weniger Output-Token) sowie das noch billigere 3.5 Flash-Lite ($0,30 / $2,50). Die genannten Effizienz-/Benchmark-Sprünge sind Google-eigene Zahlen; unabhängige AA-Werte für 3.6 Flash liegen noch nicht vor – Kennzahlen hier bleiben bis zum Abgleich auf 3.5 Flash.Beleg · Primärquelle
Und schon der übernächste: Gemini 3.7 Flash kam am 13. August 2026 – drei Wochen nach 3.6 Flash und zum identischen Tarif. Googles Preisdokumentation weist für beide Modelle dieselben Zeilen aus: $0,75 Input / $3,75 Output je Mio. bis 31.12.2026, danach $1,50 / $7,50 (Batch je zur Hälfte). Die Sprünge sind wieder Google-eigene Messungen gegen den eigenen Vorgänger – FrontierCode 1.1 43,6 gegen 34,4 %, DeepSWE v1.1 65,3 gegen 49,0 %, WebDev-Arena-Elo 1588 gegen 1538, GDP.pdf 34,0 gegen 22,0 %, AutomationBench 30,4 gegen 17,0 %. Die Taktung ist die eigentliche Nachricht: Google iteriert die Flash-Reihe schneller, als unabhängig nachgemessen wird – zu 3.6 Flash liegt bis heute keine AA-/LMArena-Zahl vor, und 3.7 Flash hat es bereits abgelöst. Kennzahlen hier bleiben deshalb weiterhin auf 3.5 Flash. Siehe Depesche `gemini-3-7-flash-drei-wochen-nach-3-6-flash`.Beleg · Primärquelle
Gemini 3.8 Flash (2. September 2026) beendet die Wartezeit auf die Fremdmessung — und damit den Vorrang dieses Eintrags. Artificial Analysis hat die dritte Flash-Generation in sechs Wochen noch am Erscheinungstag in allen drei Aufwandsstufen vermessen (Index-Version 4.1): hohe Stufe 58,7 Intelligence / 76,3 Coding / 50,0 Agentic gegen die hier geführten 52 / 70 / 40, bei $0,75 statt $1,50 Input und $3,75 statt $9 Output. Damit ist 3.5 Flash in der eigenen Familie in jedem Index und auf beiden Preisachsen unterboten; die Einstufung geht auf „situativ“. Ein Katalogeintrag für 3.8 Flash bleibt trotzdem aus: Weder Ankündigung noch Preisdoku noch Modellübersicht nennen ein , und ohne belegten Wert tragen wir keinen nach — der belegte 1-Mio.-Token-Kontext samt Video/Audio/PDF ist der verbliebene Grund, hier zu bleiben. Nebenbefund derselben Messung: 3.8 Flash kostet je Aufgabe 43 Prozent mehr als 3.7 Flash, obwohl der Token-Preis identisch ist — Google nennt als Konstruktionsentscheidung, das Modell „works harder“ und nutze „more tokens“. Siehe Depesche `gemini-3-8-flash-kosten-je-aufgabe-43-prozent-preis-unveraendert`.Beleg · Primärquelle
Basis eines Robotik-Ablegers: Das am 30. Juli 2026 vorgestellte Gemini Robotics ER 2 setzt laut Model Card auf Gemini 3.5 Flash auf – als Planungsmodell für Roboter mit 128k Kontext, 64k Ausgabe und zusätzlichen Datensätzen zum verkörperten Schließen. Es ist über dieselbe Gemini-API zugänglich; die zugehörigen Motorik-Modelle (VLA) bleiben Partnern vorbehalten. Für sicherheitskritische Anwendungen ist es laut Card ausdrücklich nicht bestimmt.Beleg · Primärquelle
Stark bei pädagogischer Anpassung: In Ai2s TutorMoments (520 von Lehrkräften markierte Nachhilfe-Momente, Werte zwischen 0 und 1) erreicht 3.5 Flash mit schlichtem Prompt 0,723 / 0,158 / 0,598 (angemessen gerüstet / angemessen gefordert / Über-Rüstung vermieden) – der zweitbeste Rüstungswert des Feldes und weit vor GPT-5.5 (0,269) – und mit ausbuchstabiertem Prompt 0,885 / 0,646 / 0,817. Beim Fordern bleibt das ältere Gemini 2.5 Pro (0,712) voraus.Beleg · Primärquelle

Aus der System-Card

Verdichtete Befunde aus der offiziellen des Anbieters (Primärquelle, ). Fähigkeitswerte sind Anbieterangaben – nicht unabhängig nachgemessen. Card-Stand 2026-05-19.

Fähigkeiten

Coding – Laut Card erreicht Gemini 3.5 Flash auf 2.1 76,2 % – deutlich über Gemini 3 Flash (58,0 %) und meist über Gemini 3.1 Pro.
Agentisch – Laut Card führt es bei agentischen Aufgaben mit 83,6 % auf Atlas und 56,5 % auf Toolathlon und übertrifft dort sowohl Gemini 3.1 Pro als auch Claude Opus 4.7.
Multimodal – Laut Card liegt es multimodal bei 84,2 % (CharXiv Reasoning) und 83,6 % (MMMU-Pro), jeweils ohne Tools und über allen Vergleichsmodellen der Tabelle.
Flash schlägt 3.1 Pro – Laut Card übertrifft das schnelle, günstige Flash-Modell den größeren Vorgänger Gemini 3.1 Pro in mehreren Disziplinen (MCP Atlas 83,6 % vs. 78,2 %, Finance Agent v2 57,9 % vs. 43,0 %).

Verhalten & Sicherheit

FSF/CCLs – Laut Card erreicht Gemini 3.5 Flash keines der im Frontier Safety Framework definierten Critical Capability Levels; die Bewertung stützt sich auf Gemini 3.1 Pro als fähigstes Modell der Reihe.
Cyber – Weil frühere Gemini-3-Modelle die Cyber-Alert-Schwelle erreichten, wurde zusätzlich getestet – Gemini 3.5 Flash bleibt unter dem Cyber-CCL.
Refusals & Ton – Laut Card bleiben unbegründete Ablehnungen niedrig (+0,8 %, „non-egregious“), und der objektive Ton bei Ablehnungen verbessert sich um +8,9 % gegenüber Gemini 3 Flash.
Safety insgesamt – Laut Card schlägt es den Vorgänger über Sicherheit und Ton hinweg; kleine Rückgänge bei Text-to-Text-Safety (−3,9 %) und Multilingual Safety (−2,6 %) waren manuell überwiegend False Positives.
Red Teaming – Laut Card erfüllt es die Child-Safety-Schwellen, und das Red-Teaming fand im Vergleich zu Gemini 3.1 Pro keine gravierenden Bedenken.

Reine Update-Card: für Architektur, Trainingsdaten, Limitierungen und Safety-Policies verweist sie auf die Gemini-3-Flash- bzw. Gemini-3.1-Pro-Card; die Benchmark-Werte sind anbieter-selbstberichtet (Stand Mai 2026).

Google DeepMind – Gemini 3.5 Flash Model Card (PDF)· Primärquelle, abgerufen 2026-06-16

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

kritischZum Nachfolger Gemini 3.7 Flash, wo bis heute keine unabhängige Messung vorliegt: Der Betreiber eines Coding-Leaderboards erklärt öffentlich, ihn nicht durchzumessen – bei einigen Probeläufen habe er zwischen 3.6 und 3.7 Flash keinen Unterschied in den automatisierten Testergebnissen gesehen, während der API-Preis bei ihm auf rund einen Dollar je Prompt hinauslaufe, also etwa 20 Dollar für einen vollständigen Durchlauf. Er verweist ausdrücklich darauf, dass der niedrigere Tarif eine bis Jahresende befristete Aktion und nicht der reguläre Preis ist, und zieht daraus für die ganze Reihe den Schluss, Flash-Modelle derzeit nicht empfehlen zu können – „I think that Gemini is currently not for coding“, mit dem Zusatz, Google fokussiere womöglich andere Einsatzzwecke. Er lädt zum Widerspruch ein, sofern jemand Anwendungsfälle samt Messverfahren nennt. ⚠️ Tier C, keine durchgeführte Messung, sondern die begründete Weigerung, eine durchzuführen – als Marktsignal verwertbar, nicht als Kennzahl. Unsere Kennzahlen bleiben auf 3.5 Flash.AI Coding Daily (YouTube) – „I Tested NEW GLM-5.3 and I’m Impressed“, 16.08.2026 (Nebenstrang des Videos; per oEmbed verifiziert, gegen das Transkript gelesen) · Community, 2026-08-16
kritischVersagt im Coding-Test (ein Spiel-Rebuild scheiterte als einziges Modell) und verbrennt Token: trotz verdreifachtem Preis real eines der teuersten Modelle und in der Token-Effizienz weit hinter GPT-5.5 medium – kein ernsthaftes Coding-Werkzeug.Theo – t3.gg (YouTube) · Community
gemischtBeim Frontend-Design beeindruckend und günstig: liefert in einem Durchgang („one-shot“) ansehnliche UIs – aber die eigentlichen Inhalte/Texte („page copy“) werden dabei oft halluziniert. Gut fürs Layout, unzuverlässig für echte Information; daher als Designer eingesetzt, Claude fürs Planen.Cole Medin (YouTube) · Community

Stärken

Schwächen