Gemini 3.5 Flash

Gemini 3.5 Flash est un LLM propriétaire de Google, publié le 19 mai 2026, avec des connaissances arrêtées au 31 janvier 2026. Son positionnement combine une fenêtre de contexte très longue, à environ 1,0 M de tokens, et un tarif classé économique.

Le modèle se distingue par un profil équilibré entre raisonnement, code et usages agentiques, tout en restant moins coûteux que les modèles haut de gamme. À sa sortie, il se situait dans le top 7% des LLM de sa génération sur GPQA diamond, ce qui le place dans le haut du panier de son époque.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« 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 « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 23 % en dessous de la moyenne des LLM similaires, et 3,2 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Coût & vitesse agentiques

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.

Notre analyse

Forces. Gemini 3.5 Flash affiche des résultats de premier plan sur plusieurs évaluations Benchable, notamment Hallucinations, General Knowledge, Reasoning et Ethics, où il atteint le meilleur rang observé dans les données fournies. Son profil est aussi solide en code, avec un Code Index dans le top 10 et un score Benchable Coding parmi les meilleurs. L’Agentic Index le place également dans le top 10, ce qui signale de bonnes aptitudes sur des tâches enchaînées ou orientées action. Les classements Arena en code et en texte restent proches du groupe de tête, sans atteindre le top 10. Le tarif renforce l’intérêt du modèle : il est 23% sous la moyenne des LLM similaires et environ 3,2 fois moins cher que les modèles frontière.

Limites et points d'attention. La licence propriétaire signifie que les poids ne sont pas ouverts, ce qui limite l’audit indépendant et l’auto-hébergement. Le modèle montre un point plus ordinaire en Email Classification, malgré un score élevé, avec un classement nettement moins favorable que ses meilleurs résultats. Les données publiques indiquent une couverture concordante de 8 sources, mais ne donnent pas d’informations sur le calcul d’entraînement ou son coût. Le profil convient surtout aux usages nécessitant un grand contexte, du code, du raisonnement général et un coût maîtrisé.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · LiveBench (livebench.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).