Gemini 3.5 Flash: benchmark de velocidade, programação, preços da API e alternativas

O Gemini 3.5 Flash parece barato por token e rápido no papel, mas o quadro real é mais matizado. Veja os ganhos de velocidade divulgados, as pontuações do Terminal-Bench e do SWE-Bench Pro, os números do índice independente de programação, o custo real de execuções de agentes e quais alternativas cabem no seu orçamento.

Gemini 3.5 Flash: benchmark de velocidade, programação, preços da API e alternativas
Cristian Da Conceicao

O Gemini 3.5 Flash chegou com uma proposta ousada: desempenho de ponta em programação e agentes, com várias vezes a velocidade da geração anterior. Depois, os números independentes começaram a sair, e a história ficou mais interessante. Alguns benchmarks o colocam à frente do Gemini 3.1 Pro. Outros o deixam bem atrás. E o preço por token, embora modesto, não diz quanto uma execução real de agente vai custar no fim do mês.

Esta análise reúne em um só lugar as pontuações de benchmark divulgadas, os preços da API, as promessas de velocidade e as surpresas de custo no uso real, para você decidir se o Gemini 3.5 Flash merece um lugar no seu conjunto de ferramentas. Você também encontra um tutorial curto para testá-lo, além de alternativas que valem a pena comparar lado a lado.

💡 Nota rápida sobre as fontes: Os números abaixo vêm do material de lançamento do Google e de rastreadores e análises de terceiros publicados após o lançamento. As pontuações de benchmark mudam entre as versões (com raciocínio baixo ou alto), então trate cada resultado como um retrato do momento, e não como veredito final.

O que é o Gemini 3.5 Flash

O Gemini 3.5 Flash é o modelo rápido e focado em custo da família Gemini 3.5 do Google, apresentado por volta do Google I/O 2026. Ele fica abaixo do nível Pro e foi criado para trabalho de alto volume: chat, assistentes de programação, processamento de documentos e loops de agentes em que latência e custo importam mais do que espremer os últimos pontos de precisão.

Uma engenheira de software trabalhando em uma mesa de carvalho com um cronômetro ao lado do notebook

Aqui está a versão curta da ficha técnica:

RecursoDetalhes
Família do modeloGemini 3.5 (nível Flash)
Tipos de entradaTexto, imagens, áudio, vídeo
Áudio longoAté cerca de 8,4 horas por requisição
Vídeo longoAté 45 minutos por requisição
Saída máximaCerca de 65K tokens
Controle de raciocínioNenhum, níveis de pensamento baixo ou alto
PosicionamentoNível rápido e de menor custo para programação e agentes

A configuração de nível de pensamento importa mais do que parece. O mesmo ID de modelo pode se comportar como dois produtos diferentes, dependendo de você desligar o raciocínio ou colocá-lo no nível alto. Esse é um dos motivos pelos quais as tabelas de benchmark tanto divergem entre si.

Para quem ele foi feito

Equipes que executam bots de atendimento ao cliente, assistentes de revisão de código, pipelines de resumo e triagem multimodal (uma nota de voz, mais uma captura de tela e uma pergunta, por exemplo) são o encaixe óbvio. Se a sua carga de trabalho se resume a poucas chamadas de raciocínio profundo por dia, um modelo da classe Pro costuma ser a escolha melhor.

Onde ele se encaixa na linha

O Gemini 3.5 Flash substitui o papel que Gemini 3 Flash e Gemini 2.5 Flash desempenharam antes dele. O nível Pro é representado hoje pelo Gemini 3.1 Pro, que continua sendo o ponto de referência na maioria das comparações.

Velocidade: quão rápido ele é de verdade?

A promessa central da cobertura do lançamento é que o Gemini 3.5 Flash roda cerca de quatro vezes mais rápido que a geração anterior. Esse número se refere à velocidade de saída, ou seja, quão rápido os tokens chegam em fluxo depois que a geração começa.

Close de um cronômetro de aço sobre uma mesa de nogueira ao lado de um notebook

Streaming rápido fica ótimo em uma janela de chat. Mas três coisas mudam a experiência em produção:

  1. Nível de pensamento. O pensamento alto adiciona tokens de raciocínio ocultos antes de a primeira palavra visível aparecer, então o tempo até o primeiro token aumenta.
  2. Tamanho do prompt. Documentos longos e entradas de vídeo acrescentam tempo de processamento antes de a geração começar.
  3. Volume de tokens. Um modelo rápido por token, mas que escreve muito mais tokens por tarefa, ainda pode terminar mais tarde do que um modelo mais lento e direto.

💡 Dica prática: Meça o tempo total da tarefa, e não os tokens por segundo. Rode os mesmos dez prompts reais em dois modelos e cronometre a resposta completa. Esse único teste vale mais do que qualquer ranking.

Velocidade ou qualidade: o dilema central

Com o pensamento desligado, você obtém as respostas mais ágeis e as contas mais baixas. Mude para o pensamento baixo nas dúvidas de programação do dia a dia. Reserve o pensamento alto para bugs teimosos, planejamento de várias etapas ou tarefas com muita matemática, em que alguns segundos a mais compram respostas bem melhores.

Pontuações de programação: manchetes fortes, realidade mista

É aqui que os números ficam confusos, então vamos à comparação limpa, lado a lado.

Um desenvolvedor de moletom cinza revisando código em um monitor grande

BenchmarkGemini 3.5 FlashComparação
Terminal-Bench 2.1 (divulgado pelo Google)76,2%Gemini 3.1 Pro: 70,3%
SWE-Bench Pro, conjunto público (divulgado pelo Google)55,1%n/d
Índice Independente de Programação (variante padrão)45,0Gemini 3.1 Pro: 56,5
Índice Independente de Programação (variante de pensamento alto)70,1Listado por um rastreador separado
Ranking de programação para Android6º lugarAtrás do GPT-5.5

Onde ele brilha

Tarefas de terminal e de agentes. Uma pontuação de 76,2% no Terminal-Bench 2.1 supera o Gemini 3.1 Pro nos números que o Google publicou. Esse benchmark premia um modelo capaz de executar comandos, ler a saída e corrigir os próprios erros ao longo de várias etapas. É o mais próximo de um fluxo de trabalho real na linha de comando.

Onde ele fica aquém

Índices independentes de programação. Um rastreador muito usado deu à variante padrão um Índice de Programação de 45,0, bem abaixo do Gemini 3.1 Pro, com 56,5. Essa diferença contradiz a ideia de que o Flash iguala os melhores em programação do dia a dia. Uma listagem diferente para a variante de pensamento alto mostra 70,1, uma oscilação enorme causada por uma única configuração.

💡 Leia as letras miúdas: Sempre confira a qual variante cada pontuação pertence. "Gemini 3.5 Flash" com o pensamento desligado e "Gemini 3.5 Flash" com pensamento alto são, na prática, modelos diferentes.

O que a divergência revela

As pontuações divulgadas pelos fornecedores costumam usar a melhor configuração e a melhor estrutura de apoio. Os rastreadores independentes rodam uma configuração padrão. Nenhuma das duas está errada. O seu próprio projeto, com a sua base de código e os seus prompts, vai cair em algum ponto entre as duas. O único movimento confiável é testar em uma amostra dos seus chamados reais.

Preços da API e o custo real

No papel, a precificação é simples. As fontes concordam com as seguintes tarifas para a API do Gemini, com o ID do modelo gemini-3.5-flash:

Uma calculadora, uma fatura e uma caneta sobre uma mesa de carvalho clara

Tipo de tokenPreço por 1M de tokens
EntradaUS$ 1,50
SaídaUS$ 9,00
Entrada em cacheUS$ 0,15 (cerca de 90% de desconto)

A entrada em cache é a grande aliada silenciosa. Se o seu app reenvia o mesmo prompt de sistema longo, um documento grande ou um resumo de repositório de código a cada chamada, o cache reduz essa parte da conta para um décimo.

O apetite por tokens

Aqui está a armadilha. Um relatório sobre tarefas de programação para Android constatou que uma avaliação completa com o Gemini 3.5 Flash custou cerca de US$ 147,10, porque o modelo usou aproximadamente 5,5 vezes os tokens que o Gemini 3.1 Pro precisou para o mesmo trabalho. A manchete destacou que o custo acabou sendo cerca de três vezes maior, apesar da tarifa menor por token.

A lição é direta: preço por token não é preço por tarefa. Um modelo que pensa por mais tempo, tenta de novo com mais frequência e escreve respostas mais verbosas multiplica o seu custo efetivo.

Uma fórmula simples de custo

Use esta estimativa rápida antes de se comprometer:

  • Estime a média de tokens de entrada por tarefa e depois multiplique pela tarifa de entrada.
  • Estime a média de tokens de saída por tarefa, incluindo os tokens de raciocínio ocultos, e depois multiplique pela tarifa de saída.
  • Subtraia a economia da entrada em cache quando o prompt se repete.
  • Multiplique pelo volume mensal de tarefas.

💡 Dica de orçamento: Registre a contagem real de tokens durante uma semana, em uma pequena fatia de tráfego. Os tokens de raciocínio são cobrados como saída, então o lado da saída costuma surpreender as pessoas primeiro.

Formas de reduzir a conta

  1. Desligue o pensamento para classificação, extração e resumo simples.
  2. Limite os tokens máximos de saída para que uma resposta descontrolada não consuma o orçamento.
  3. Armazene em cache o contexto estático, como documentos de políticas e definições de ferramentas.
  4. Roteie por dificuldade: envie pedidos fáceis para um modelo mais barato e os difíceis para um mais forte.

Pontos fortes multimodais que merecem atenção

Além do código, o modelo aceita texto, imagens, áudio e vídeo em um único prompt. Isso é realmente útil. Você pode anexar a gravação de tela de um bug, uma explicação falada e uma pergunta, e receber um diagnóstico escrito.

Uma mulher digitando em um notebook em uma mesa de café com um celular ao lado

Usos práticos que aproveitam esse ponto forte:

  • Gravações de reuniões transformadas em itens de ação e resumos escritos.
  • Capturas de tela de erros acompanhadas de uma pergunta curta sobre a causa.
  • Arquivos de áudio longos transcritos e condensados em uma única requisição.
  • Vídeos de produto descritos e marcados sem divisão manual.

Para cargas de trabalho assim, os limites generosos de entrada (horas de áudio, dezenas de minutos de vídeo) poupam você de criar lógica de fragmentação.

Infraestrutura e confiabilidade

Modelos rápidos costumam ser escolhidos para tarefas de backend que rodam milhares de vezes por hora. Se é o seu caso, preste atenção aos limites de taxa, ao comportamento de retentativas e à dispersão de latência, e não apenas às médias. Um modelo rápido na mediana, mas lento no percentil 99, ainda pode travar um pipeline.

Um corredor de sala de servidores com racks e um técnico se afastando

Como usar o Gemini 3.5 Flash no PicassoIA

Você pode testar o modelo sem escrever uma única linha de código. O Gemini 3.5 Flash no PicassoIA roda no navegador, então você pode compará-lo com outros modelos usando o mesmo prompt.

Passo a passo

  1. Abra a página do Gemini 3.5 Flash na coleção de Large Language Models.
  2. Digite seu pedido no campo Prompt. Seja específico: cole o código, o erro e o resultado que você espera.
  3. Opcionalmente, adicione uma System Instruction para definir o papel, como "Você é um revisor sênior. Responda com uma lista curta de problemas."
  4. Anexe imagens (até 10), áudio (um arquivo) ou vídeos (até 10), se a sua tarefa precisar.
  5. Escolha um Thinking Level: none, low ou high.
  6. Execute o prompt, revise a saída e depois ajuste e execute de novo.

Dicas de parâmetros

ParâmetroO que fazPonto de partida sugerido
Thinking levelDefine a profundidade do raciocínioNone para chat, low para código, high para bugs difíceis
TemperatureControla a aleatoriedade0,2 a 0,4 para código, 1,0 para escrita criativa
Top PLimita o conjunto de amostragem de tokensMantenha o padrão de 0,95
Max output tokensLimita o tamanho da respostaReduza para respostas curtas e economizar tempo
Video FPSQuadros amostrados do vídeoAumente só para imagens com movimento rápido

Cena de mesa de escritório com aparência de contador, adequada para planejamento de orçamento

💡 Teste como um profissional: Rode o mesmo prompt três vezes, uma para cada nível de pensamento. Compare qualidade e tempo de resposta. Em muitos casos, o pensamento baixo entrega 90% da qualidade por uma fração da espera.

Agentes e fluxos de trabalho: o teste real

O trabalho com agentes é onde os modelos da classe Flash deveriam se pagar. Um loop de agente pode fazer de 20 a 50 chamadas ao modelo para concluir uma tarefa: ler um arquivo, planejar, editar, rodar testes, ler erros, editar de novo. A velocidade por chamada e o custo por chamada se multiplicam.

É por isso que o resultado no Terminal-Bench é atraente e o resultado de apetite por tokens preocupa. Chamadas rápidas ajudam. Chamadas verbosas atrapalham. Se o modelo precisa de menos retentativas, você ganha. Se ele entra em espiral, você paga.

Alguns hábitos que mantêm a conta de agentes sob controle:

  • Defina um limite rígido de etapas por tarefa.
  • Resuma o contexto antigo em vez de reenviar tudo.
  • Use um modelo mais barato para o planejamento e um mais forte para a edição final.
  • Registre os tokens por tarefa e crie alertas para os casos fora do padrão.

Alternativas que valem a pena testar

O Gemini 3.5 Flash não é a resposta para toda carga de trabalho. Todos estes modelos estão disponíveis no PicassoIA, então você pode rodar os seus próprios prompts diretamente neles.

Um estudante trabalhando em um notebook em uma mesa de biblioteca

ModeloMelhor paraPor que considerar
Gemini 3.1 ProProgramação difícil e raciocínioMais forte nos índices independentes de programação e usou muito menos tokens na rodada com Android
Gemini 3 FlashChat e visão rápidos e baratosUma opção mais leve para tarefas simples de alto volume
Claude Sonnet 5Automação de programaçãoEscolha popular para edições em vários arquivos e revisão de código
GPT 5.6 SolTarefas complexas de programaçãoVoltado a problemas de engenharia difíceis
GPT 5.6 LunaRespostas rápidas de textoUma opção focada em velocidade para escrita e chat do dia a dia
DeepSeek V3.1Programação e raciocínio com orçamento baixoUma escolha de ótimo custo-benefício para texto e código

Quando escolher cada um

  • Você precisa da maior precisão em programação: comece com Gemini 3.1 Pro, Claude Sonnet 5 ou GPT 5.6 Sol.
  • Você precisa da menor latência e do menor custo: experimente o Gemini 3.5 Flash com o pensamento desligado, o Gemini 3 Flash ou o GPT 5.6 Luna.
  • Você precisa de entrada multimodal em uma única chamada: o Gemini 3.5 Flash é difícil de superar, graças aos seus limites de áudio e vídeo.
  • Você quer um modelo de raciocínio com orçamento baixo: vale fazer um teste com o DeepSeek V3.1.

Um método de comparação justo

Escolha 20 tarefas reais do seu trabalho. Rode cada uma em dois ou três modelos com prompts idênticos. Avalie as respostas em correção, estilo e tempo. Some as contagens de tokens. Você terá uma resposta melhor em uma tarde do que qualquer ranking pode oferecer.

Veredito final: para quem ele serve

O Gemini 3.5 Flash é um cavalo de batalha rápido e multimodal, com pontos fortes reais em tarefas de agentes no estilo terminal e em entrada de mídia longa. O preço de tabela de US$ 1,50 de entrada e US$ 9 de saída por milhão de tokens parece amigável, mas um comportamento voraz em tokens pode apagar a economia. Os índices independentes de programação o mostram atrás do Gemini 3.1 Pro na configuração padrão, enquanto a variante de pensamento alto reduz bastante a diferença.

Escolha-o se você processa áudio e vídeo, roda assistentes rápidos ou precisa de passos de agentes ágeis com contexto em cache.

Deixe-o de lado se o seu trabalho é um pequeno número de problemas de programação muito difíceis, em que a precisão vale mais do que tudo.

Teste você mesmo no PicassoIA

A forma mais rápida de resolver o debate é um teste ao vivo. Abra o Gemini 3.5 Flash no PicassoIA, cole um prompt real do seu projeto e alterne o nível de pensamento entre none, low e high. Depois rode o mesmo prompt no Claude Sonnet 5 ou no Gemini 3.1 Pro e compare.

Uma jovem em pé perto de uma janela iluminada segurando um notebook

O PicassoIA também reúne em um só lugar ferramentas de geração de imagens, criação de vídeo, fala e música. Explore tudo em picassoia.com/en/all-models e comece hoje a experimentar as suas próprias ideias.

Compartilhe este artigo

Escolha seu idioma

FreeCrie imagens e vídeos com IAGrátis, sem cartão de créditoGerações grátis para começarSeedance 2.5 Lite incluídoComece grátis agora