Gemini 3.5 Flash
Gemini 3.5 Flash est un LLM propriétaire de Google, sorti le 19 mai 2026. Il associe une fenêtre de contexte d’environ un million de tokens à un positionnement économique, avec des tarifs inférieurs de 25% à la moyenne des modèles similaires.
Gemini 3.5 Flash est un LLM propriétaire de Google, sorti le 19 mai 2026. Il associe une fenêtre de contexte d’environ un million de tokens à un positionnement économique, avec des tarifs inférieurs de 25% à la moyenne des modèles similaires.
Le modèle se distingue par un niveau élevé en raisonnement général et en code. À sa sortie, il appartenait au top 7% des LLM de sa génération sur GPQA diamond. Ses connaissances couvrent les informations disponibles jusqu’au 31 janvier 2026.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Poids | 🔒 Propriétaire |
| Date de sortie | 19 mai 2026 |
| Connaissances jusqu'à | 2026-01-31 |
| Multimodal | oui |
| Fenêtre de contexte | 1 048 576 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image,audio,video → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 50.2 | 8ᵉ / 137 |
| Code Index | 70.1 | 8ᵉ / 74 |
| Agentic Index | 37.4 | 11ᵉ / 68 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| CharXiv-R | 84,2 % | 11ᵉ / 45 | llm-stats | Auto-déclaré |
| MCP Atlas | 83,6 % | 4ᵉ / 30 | llm-stats | Auto-déclaré |
| MMMU-Pro | 83,6 % | 1ᵉ / 64 | llm-stats | Auto-déclaré |
| OSWorld-Verified | 78,4 % | 7ᵉ / 19 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.0 | 76,2 % | 5ᵉ / 49 | llm-stats | Auto-déclaré |
| LiveBench | 75,0 % | 14ᵉ / 38 | llm-stats | n.d. |
| ARC-AGI v2 | 72,1 % | 4ᵉ / 16 | llm-stats | Auto-déclaré |
| Finance Agent | 57,9 % | 5ᵉ / 8 | llm-stats | Auto-déclaré |
| Finance Agent v2 | 57,9 % | 1ᵉ / 26 | llm-stats | n.d. |
| Toolathlon | 56,5 % | 5ᵉ / 30 | llm-stats | Auto-déclaré |
| SWE-Bench Pro | 55,1 % | 30ᵉ / 41 | llm-stats | Auto-déclaré |
| GDPval-AA | 45,7 % | 16ᵉ / 39 | llm-stats | n.d. |
| Humanity's Last Exam | 40,2 % | 31ᵉ / 89 | llm-stats | Auto-déclaré |
| MRCR v2 (8-needle) | 26,6 % | 12ᵉ / 19 | llm-stats | Auto-déclaré |
| Legal Agent Benchmark | 0,8 % | 7ᵉ / 12 | llm-stats | n.d. |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Code Index
Classements Arena (Elo)
| Catégorie | Elo | Rang | En tête d'arène |
|---|---|---|---|
| Arena Code | 1504 | 19ᵉ / 99 | Kimi K3 (1679) |
| Arena Code | 1493 | 22ᵉ / 99 | Kimi K3 (1679) |
| Arena Image-to-Code | 1487 | 14ᵉ / 31 | Claude Fable 5 (1627) |
| Arena Text | 1476 | 15ᵉ / 200 | Claude Fable 5 (1507) |
| Arena Text | 1474 | 21ᵉ / 200 | Claude Fable 5 (1507) |
| Arena Document | 1462 | 13ᵉ / 32 | Claude Opus 4.6 (1508) |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Google Vertex | 1,5 $ | 9 $ | 0,15 $ |
| 1,5 $ | 9 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 28 % en dessous de la moyenne des LLM similaires, et 3,7 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Mistral Medium 3.5).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût par exécution agentique — PinchBench (147 tâches) | 34,41 $ |
| Durée d'exécution — PinchBench | 2 h 44 min |
| Indice valeur/coût — PinchBench | 2,95 |
| Coût moyen par benchmark — Benchable | 0,58 $ |
| Latence moyenne par benchmark — Benchable | 6 min 26 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Entraînement & empreinte
| Indicateur | Valeur |
|---|---|
| Pays | United States of America |
Notre analyse
Forces. Gemini 3.5 Flash se classe dans le top 10 de l’Intelligence Index et du Code Index. Les évaluations Benchable lui attribuent des résultats maximaux sur les baselines consacrées aux hallucinations, aux connaissances générales, au raisonnement et à l’éthique. Le modèle figure également parmi les meilleurs en Coding, avec un score de 97%. Dans les comparaisons Arena, sa position est particulièrement solide sur les documents, où il atteint le top 10. Sa fenêtre de 1 048 576 tokens constitue un atout concret pour traiter de longs corpus. Son prix reste économique, environ 3,6 fois inférieur à celui des modèles frontière.
Limites et points d’attention. Les résultats sont moins dominants dès que l’évaluation repose sur des préférences comparatives en Arena. Gemini 3.5 Flash se classe derrière les meilleurs en code et en texte, malgré des Elo élevés. L’Agentic Index le place aux portes du top 10, sans l’y faire entrer. La classification d’e-mails obtient 98%, mais son classement relatif reste nettement moins favorable que ceux observés en raisonnement ou en programmation. Enfin, ses poids ne sont pas ouverts. Le modèle cible ainsi les usages exigeant un contexte très long, de bonnes capacités générales et un coût maîtrisé.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LiveBench (livebench.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).