Google Deep Mind독점

Gemini 3.5 Flash

Name: Gemini 3.5 Flash
Author: Google Deep Mind

이 모델 비교

Google DeepMind가 개발한 최신 멀티모달 모델. 텍스트, 이미지, 영상을 통합 처리합니다.

공유:X Hatena LINE

파라미터

Undisclosed

컨텍스트

라이선스

Proprietary

출시일

2026-06-20

벤치마크 성능

AA Intelligence Index

—

LMArena Elo

—

HLE

—

ARC-AGI-2

—

SWE-bench Verified

—

GPQA Diamond

—

MMLU-Pro

—

LiveCodeBench

—

AIME 2025

—

MATH-500

—

일본어 처리 능력

✅High-Quality JP

Multilingual model with strong Japanese language processing capabilities.

API 가격

입력 가격 (1M 토큰당)

$1.5

출력 가격 (1M 토큰당)

과금 모드: standard

강점

약점

활용 사례

심층 분석

Arena Elo

1479

텍스트 아레나 전체 8위

SWE-Bench Verified

80.8%

BenchLM 집계 기준. Google은 SWE-Bench Pro에서 55.1% 보고

Input Price

$1.50/1M

Gemini 3 Flash 대비 3배 높음. Gemini 3.1 Pro 대비 약 40% 낮음

Output Speed

~284 tok/s

프런티어 동급 대비 약 4배 빠름

Context Window

1M tokens

전체 1M에서 낮은 재현율(MRCR 26.6%)

Key Agentic Benchmark

83.6%

분야 선두 MCP Atlas 점수

강점

・최고 수준의 에이전트 도구 사용 및 다단계 워크플로 성능
・경쟁력 있는 가격에 탁월한 속도(프런티어 모델 대비 약 4배 빠름)
・비디오·차트 추론을 포함한 강력한 네이티브 멀티모달 역량

약점

・이전 Flash 세대 대비 3배 가격 인상으로 예산 가정이 깨짐
・1M 창 주장에도 전체 길이에서 낮은 장문 컨텍스트 재현율(1M 토큰에서 26.6%)
・컴퓨터 사용 능력 부재, 순수 추론 벤치마크에서 Pro 대비 뒤처짐

경쟁사 비교

Model	Arena	SWE	GPQA	Price
GPT-5.5 (OpenAI)	~1769	58.6% (Pro)	~92%	$5/$30 per 1M
Claude Opus 4.7 (Anthropic)	~1753	64.3% (Pro)	~91%	~$15/$75 per 1M
Gemini 3.1 Pro (Google)	~1314	54.2% (Pro)	94.3%	$2/$12 per 1M

개요

Gemini 3.5 Flash는 Google의 'Flash' 계층을 저가 모델에서 프런티어급 에이전트 전문 모델로 전략적으로 재배치한 것입니다. Google I/O 2026에서 출시되어 다단계 도구 사용(MCP Atlas 83.6%)과 에이전트 코딩(Terminal-Bench 2.1 76.2%)에서 최첨단 성능을 내며, 종종 이전 Gemini 3.1 Pro를 앞서면서 약 4배 더 빠르게 구동됩니다. 이로써 Google 생태계 내 코딩 에이전트, 컴퓨터 자동화, 멀티모달 워크플로의 기본 프로덕션 백본이 되었습니다. 하지만 이 업그레이드는 전작 대비 3배라는 큰 가격 인상과 함께 오며, Flash를 중간 가격대($1.50/$9 per 100만 토큰)로 이동시킵니다. Gemini 3.1 Pro보다 여전히 40% 저렴하지만 더 이상 저가 옵션이 아닙니다. 이 모델의 핵심 혁신은 다중 턴 대화를 위한 thought preservation 기능과 조절 가능한 추론 수준이지만, 명확한 약점도 있습니다. 1M 컨텍스트 창은 전체 길이에서 재현율이 낮고, 컴퓨터 사용 지원이 없으며, Humanity's Last Exam 같은 순수 추론 벤치마크에서 Pro 모델에 뒤처집니다(40.2% 대 44.4%). 요약하자면 Gemini 3.5 Flash는 Google 스택에서 대용량·속도 민감형 에이전트 애플리케이션을 위한 최우선 선택이지만, 개발자는 예산과 기대를 과거 Flash 계층의 경제성에서 재조정하고 가장 어려운 추론 작업에 Pro급 모델이 여전히 필요한지 평가해야 합니다.

벤치마크 및 성능

Gemini 3.5 Flash delivers frontier-adjacent performance optimized for agentic and multimodal tasks, though with clear trade-offs in pure reasoning and long-context reliability. | Benchmark Category | Benchmark | Score | Context & Comparison | |-------------------|-----------|-------|----------------------| | **Agentic Tool Use** | MCP Atlas | **83.6%** | Field leader; beats Gemini 3.1 Pro (78.2%) and GPT-5.5 (75.3%). | | | Terminal-Bench 2.1 | 76.2% | Strong; 2nd behind GPT-5.5 (78.2%). | | | OSWorld-Verified | 78.4% | Competitive computer-use score, but note: model lacks computer-use capability. | | **Coding** | SWE-Bench Pro (Public) | 55.1% | Trails Claude Opus 4.7 (64.3%) and GPT-5.5 (58.6%). | | | SWE-Bench Verified | ~80.8% (aggregator) | Strong per aggregated reports, not on official card. | | **Multimodal Understanding** | MMMU-Pro | 83.6% | Field leader in official Flash class; near GPT-5.5 (81.2%). | | | CharXiv Reasoning | 84.2% | Excellent chart reasoning; beats Gemini 3.1 Pro (80.2%). | | **Reasoning & Knowledge** | Humanity's Last Exam | 40.2% | Behind Gemini 3.1 Pro (44.4%) and Claude Opus 4.7 (46.9%). | | | ARC-AGI-2 | 72.1% | Strong, but trails Gemini 3.1 Pro (77.1%) and GPT-5.5 (84.6%). | | | GPQA Diamond | ~92.2% | Excellent; trails only Gemini 3.1 Pro (94.3%). | | **Long Context** | MRCR v2 (128K) | 77.3% | Good, but behind Gemini 3.1 Pro (84.9%) and GPT-5.5 (94.8%). | | | MRCR v2 (1M) | 26.6% | **Poor recall**; unreliable at full window length. | | **Community Preference** | Arena Elo (Text) | 1479 | ~8th overall; strong for a mid-tier model. | | | Arena Elo (Code) | 1508 | Excellent in the coding category.

상세 비교

**GPT-5.5(OpenAI) 대:** Gemini 3.5 Flash는 원시 추론력과 컴퓨터 사용 지원을 포기하는 대신 비용을 크게 낮추고 속도를 높입니다. MCP Atlas에서는 Gemini가 앞서(83.6% 대 75.3%) 오케스트레이션 도구 워크플로에 더 낫습니다. ARC-AGI-2 추론에서는 GPT-5.5가 압승합니다(84.6% 대 72.1%). 입력 비용 약 3분의 1($1.50 대 $5), 속도 약 4배로 Gemini는 비용 민감형 대용량 에이전트 파이프라인에 적합하고, GPT-5.5는 프런티어 추론과 컴퓨터 자동화에 적합합니다. **Claude Opus 4.7(Anthropic) 대:** Claude는 깊은 순수 코딩(SWE-Bench Pro 64.3% 대 55.1%)과 창의적·인간적 판단 작업에서 우수합니다. Gemini 3.5 Flash는 압도적인 비용 절감(약 10분의 1 가격), 우수한 멀티모달·차트 이해, 통합 Google Search 근거 제시로 맞섭니다. 비용과 속도가 중요한 프로덕션 에이전트 집단에는 Gemini가 이기고, 복잡한 단발 소프트웨어 엔지니어링이나 정교한 글쓰기에는 Claude가 우수합니다. **Gemini 3.1 Pro(사내) 대:** 이것이 의도한 패밀리 내 분업입니다. 3.5 Flash는 에이전트·코딩 벤치마크에서 3.1 Pro를 앞서면서 약 40% 더 저렴하고 빠릅니다. 다만 3.1 Pro는 순수 추론(HLE 44.4% 대 40.2%)과 장문 컨텍스트 재현율(MRCR 128K 84.9% 대 77.3%)에서 명확한 우위를 유지합니다. 전략적 선택: 3.5 Flash를 기본 에이전트 엔진으로 쓰고, Gemini 3.5 Pro가 나올 때까지 가장 어려운 추론 문제에만 3.1 Pro로 에스컬레이션하세요.

커뮤니티 평가

개발자와 연구자의 반응은 혼재되어 있으나 에이전트 강점에 집중되어 있습니다. Arena.ai 같은 플랫폼에서 코딩과 어려운 프롬프트 카테고리에서 높은 순위(Coding Elo 1508)를 기록합니다. Box나 JetBrains 같은 업계 도입자는 실제 성능 향상(예: Box는 금융 보고서 정확도 46.7% 향상, JetBrains는 코딩 10~20% 향상)을 칭찬했습니다. 그러나 이전 Flash 모델 대비 큰 가격 인상은 "Flash는 더 이상 저가 계층이 아니다"라는 지적과 함께 비판을 받았습니다. 1M 컨텍스트의 낮은 재현율과 측정된 약 61% 환각률은 사실형 장문 문서 작업의 심각한 제약으로 지목되었습니다. 합의는 "진짜로 빠르고" "Google 스택의 에이전트에 최고"라는 것이지만, 가격-성능 트레이드오프는 과거 Flash에서 넘어오는 팀이 신중히 계산해야 합니다.

활용 사례

1. **프로덕션 코딩 및 에이전트 워크플로:** 자동화된 PR 리뷰, 코드베이스 리팩터링 루프 같은 대용량 다단계 코딩 에이전트를 운영하는 팀에 이상적입니다. MCP Atlas 선두 점수(83.6%)와 속도는 복잡한 도구 오케스트레이션에 신뢰할 만합니다. 작업당 비용과 루프 지연이 중요한 경우 GPT-5.5나 Claude 대신 선택하세요. 2. **멀티모달 비즈니스 분석:** 차트·문서·비디오를 통합 분석해야 하는 애플리케이션(금융 보고서에서 데이터 추출, 시각 대시보드 분석 등)에 완벽합니다. CharXiv(84.2%)와 MMMU-Pro(83.6%) 점수는 최상위급입니다. 금융 애널리스트나 시장 조사원 같은 역할에 텍스트 전용 모델보다 우수합니다. 3. **대용량 저지연 고객 지원:** 284 tok/s 속도, 비용 효율적 가격, Google Search 근거 제시의 조합은 현재 정보를 끌어와야 하는 실시간 챗봇과 지원 에이전트에 탁월합니다. 더 느리고 비싼 프런티어 모델보다 이 용도에 낫습니다. 4. **레거시 Flash 사용자를 위한 마이그레이션 경로:** 여전히 Gemini 2.x나 3 Flash를 쓰는 팀에게 훨씬 역량 높은 에이전트가 필요하다면 합리적인 업그레이드지만, 약 3배 비용 인상을 예산에 반영해야 합니다. 사용 사례(예: 단순 분류)가 이전 Flash 계층의 역량을 필요로 하지 않았다면 권장하지 않습니다.