Gemini 3.5 Flash: review completo — o Flash que superou o Pro (e o asterisco no preço)

Introdução

Existe uma regra não escrita no mundo dos modelos de IA: o tier "Flash" — rápido e barato — sempre fica abaixo do tier "Pro" em capacidade. É a hierarquia natural. Pois o Google quebrou essa regra em 19 de maio de 2026, no Google I/O, ao lançar o Gemini 3.5 Flash. O modelo mediano agora supera o Gemini 3.1 Pro — o antigo carro-chefe — na maioria dos benchmarks de programação e tarefas agênticas, rodando cerca de quatro vezes mais rápido. Como o próprio CTO do Google DeepMind, Koray Kavukcuoglu, resumiu: ele "supera nosso modelo de fronteira mais recente, o 3.1 Pro, em quase todos os benchmarks".

É um lançamento que mexe com a lógica de preços do mercado inteiro. Mas tem um asterisco grande na palavra "barato", e é justamente sobre isso que este review precisa ser honesto.

Especificações técnicas

• Data de lançamento: 19 de maio de 2026 (Google I/O), já em disponibilidade geral.
• ID de API: gemini-3.5-flash (sem sufixo "preview").
• Preço: US$ 1,50 por milhão de tokens de entrada e US$ 9,00 de saída. Tokens em cache custam US$ 0,15. Em regiões não-globais, sobe para US$ 1,65/9,90.
• Janela de contexto: 1.048.576 tokens de entrada, 65.536 de saída.
• Modalidades: entrada de texto, imagem, áudio e vídeo; saída de texto.
• Raciocínio (thinking): "pensamento dinâmico" ligado por padrão, com níveis configuráveis (mínimo, baixo, médio, alto).
• Corte de conhecimento: janeiro de 2026.
• Distribuição: app Gemini, AI Mode na Busca do Google, Gemini API, Google AI Studio e Antigravity.

Detalhe de peso: o 3.5 Flash já é o modelo padrão que move o app Gemini e o AI Mode da Busca do Google — ou seja, mais de 900 milhões de usuários ativos mensais interagem com ele.

Desempenho: os benchmarks

É aqui que o Flash humilha a hierarquia tradicional:

• Terminal-Bench 2.1 (programação agêntica em terminal): 76,2%.
• MCP Atlas (orquestração de ferramentas): 83,6%.
• CharXiv Reasoning (raciocínio multimodal): 84,2%.
• Velocidade: roughly 4x mais rápido que modelos de fronteira comparáveis.

O ponto central, repetido por toda a cobertura: o 3.5 Flash bate o Gemini 3.1 Pro em programação, tarefas agênticas e benchmarks multimodais — algo que um modelo Flash, por definição, não deveria fazer. Diferente de lançamentos Flash anteriores, que trocavam qualidade por velocidade explicitamente, este reivindica inteligência de nível de fronteira na latência de um Flash. Para quem constrói ferramentas de programação, pipelines de automação ou sistemas multiagentes, é um modelo fácil de testar e provavelmente um forte candidato a padrão.

O asterisco no preço

Aqui mora a parte que o marketing do Google não destaca, e que você precisa entender antes de migrar. O Google posiciona o 3.5 Flash como "rápido e barato". A realidade é mais sutil. A US$ 1,50/9,00 por milhão de tokens, ele custa cerca de seis vezes mais por token que o Gemini 3.1 Flash-Lite, o modelo realmente barato que fica abaixo dele. Comparado ao Flash anterior (o Gemini 3 Flash, a US$ 0,50/3,00), o preço triplicou.

Ou seja: o Google está sinalizando oficialmente que "Flash" não é mais o tier barato. E tem uma armadilha de custo escondida no raciocínio: como o "pensamento dinâmico" vem ligado por padrão, uma carga de trabalho pesada em raciocínio pode, no fim das contas, custar mais por tarefa do que rodar no próprio Gemini 3.1 Pro. O preço por token é menor, mas o número de tokens que o modelo gasta "pensando" pode inverter a conta. A jogada inteligente, e nada glamourosa, é rodar sua carga real no modelo, medir o custo por tarefa completo, e decidir pelos seus próprios números — não pela narrativa do keynote.

A engenharia por trás da velocidade

Vale entender por que o 3.5 Flash consegue ser rápido e capaz ao mesmo tempo, porque isso explica a mudança de hierarquia. O segredo está na combinação de uma arquitetura mais eficiente com o "pensamento dinâmico" — o modelo decide sozinho quanto raciocínio aplicar a cada consulta, em vez de gastar o mesmo esforço em tudo. Uma pergunta simples recebe resposta quase imediata; uma tarefa complexa de programação dispara um ciclo de raciocínio mais longo. É essa alocação inteligente de esforço que permite a média de velocidade alta sem sacrificar a qualidade nas tarefas que exigem mais.

O modelo também foi otimizado especificamente para laços de execução agêntica em paralelo — ou seja, situações em que ele precisa fazer muitas chamadas de ferramenta em sequência ou simultaneamente, esperar respostas, e seguir trabalhando. É um perfil de uso bem diferente do chat tradicional de pergunta-e-resposta, e é exatamente onde o futuro das aplicações de IA está indo. O Google claramente desenhou o 3.5 Flash pensando menos no usuário que conversa e mais no agente que executa.

Casos práticos

O 3.5 Flash foi desenhado para a era dos agentes — o Google batiza a família de "inteligência de fronteira com ação", uma frase que sinaliza a mudança: em vez de só responder perguntas, o modelo é feito para planejar, construir e iterar em tarefas longas com pouca supervisão humana. Na prática, ele se encaixa bem em:

• Ferramentas de programação e assistentes de código que precisam de respostas rápidas.
• Pipelines de automação com muitas chamadas de ferramenta em paralelo.
• Sistemas multiagentes onde latência baixa importa mais que a última gota de inteligência.
• Aplicações multimodais, já que ele aceita texto, imagem, áudio e vídeo na entrada.

Onde ele NÃO é a melhor escolha: cargas extremamente pesadas em raciocínio com volume alto, onde o custo de "pensamento" pode estourar — aí vale comparar com o Pro ou com alternativas mais baratas.

Contexto: a reorganização do mercado

O lançamento do 3.5 Flash não é só um modelo novo — é uma declaração estratégica. Ao fazer o tier mediano superar o antigo topo de linha, o Google está reembaralhando a economia das APIs de IA. A mensagem implícita aos concorrentes é que a fronteira de capacidade está descendo de preço e subindo de velocidade ao mesmo tempo, e que o "bom o suficiente para produção" agora vem num pacote rápido e de custo intermediário.

Isso pressiona todo mundo: a OpenAI com o GPT-5.5 (mais caro), a Anthropic com o Claude Opus 4.8 (premium), e abre espaço para a conversa que os modelos chineses (Qwen, DeepSeek) já vinham puxando — a de que o que importa não é o melhor benchmark, e sim qual estrutura de preço é sustentável para a sua carga de trabalho específica.

Como testar antes de migrar

Dada a pegadinha do custo de raciocínio, vale um conselho prático de quem vai colocar isso em produção. Antes de trocar seu modelo atual pelo 3.5 Flash, faça um teste controlado: pegue uma amostra representativa da sua carga real de trabalho — não prompts de demonstração, mas as tarefas que seus usuários de fato executam — e rode nos dois modelos, medindo três coisas: o custo total por tarefa concluída (não por token), a latência de ponta a ponta, e a taxa de acerto. Só com esses três números na mão dá para saber se a migração compensa.

O Google facilita esse teste oferecendo o modelo no AI Studio gratuitamente para experimentação, e os níveis de raciocínio configuráveis permitem que você ajuste o equilíbrio. Se a sua carga é leve em raciocínio, configure o thinking para "mínimo" ou "baixo" e o custo despenca. Se é pesada, talvez o Pro saia mais em conta no fim das contas. A questão não é se o 3.5 Flash é bom — ele é —, mas se ele é o ajuste certo para o seu caso específico de uso. E essa é uma resposta que só os seus próprios números podem dar.

Prós e contras

Prós:

• Supera o antigo Pro (Gemini 3.1) na maioria das provas de programação e agênticas.
• Cerca de 4x mais rápido que modelos de fronteira comparáveis.
• Multimodal completo (texto, imagem, áudio, vídeo) com 1M de contexto.
• Já é o padrão de 900+ milhões de usuários — maduro e amplamente disponível.
• Níveis de raciocínio configuráveis dão controle fino de custo/desempenho.

Contras:

• "Flash" deixou de ser barato: preço triplicou frente ao Flash anterior.
• Custa ~6x mais que o Flash-Lite que fica abaixo dele.
• O raciocínio ligado por padrão pode estourar o custo por tarefa em cargas pesadas.
• Saída só em texto (apesar da entrada multimodal).

Veredito final

O Gemini 3.5 Flash é um lançamento notável e, para muita gente, será um padrão fácil de adotar: um modelo mediano que supera o antigo topo de linha nas tarefas que mais importam para agentes, a quatro vezes a velocidade. Para desenvolvedores de ferramentas de código, automações e sistemas multiagentes, é quase obrigatório pelo menos testar.

Mas leia o preço com atenção. "Flash" virou um nome enganoso — o modelo é rápido e capaz, não barato. Custa seis vezes mais que o Flash-Lite logo abaixo dele, e uma carga pesada em raciocínio pode sair mais cara, ponta a ponta, que o próprio Gemini 3.1 Pro. A recomendação honesta é a menos empolgante: rode sua carga real, meça o custo por tarefa de verdade, e decida pelos seus números. Se a sua aplicação valoriza velocidade e capacidade agêntica e você cabe na faixa de preço, o 3.5 Flash é excelente. Se o seu jogo é volume a custo mínimo, o tier realmente barato está em outro lugar — inclusive em modelos chineses que cobram uma fração disso.