Gemini 3 Flash

Gemini 3 Flash est un LLM propriétaire de Google, publié le 17 décembre 2025, avec des poids non ouverts. Son positionnement combine une très grande fenêtre de contexte, d’environ 1,0 M de tokens, et un tarif très économique par rapport aux LLM similaires.

Le modèle se distingue surtout par un profil coût-performance agressif : son prix est indiqué 74% sous la moyenne de sa catégorie et environ 9,7 fois inférieur à celui des modèles frontière. À sa sortie, il se situait dans le top 17% des LLM de sa génération sur GPQA diamond.

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 74 % en dessous de la moyenne des LLM similaires, et 9,7 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 Flash ressort très fortement sur plusieurs évaluations Benchable en conditions baseline, notamment hallucinations, culture générale et éthique, où il apparaît dans le tout premier groupe du classement. Son niveau en mathématiques est également solide sur OTIS Mock AIME 2024-2025, un test d’olympiades de mathématiques de niveau lycée, avec un résultat parmi les meilleurs modèles évalués. Les classements Arena confirment un profil compétitif en texte, en image-to-code et en code, sans le placer uniquement comme modèle généraliste bon marché. La fenêtre de contexte d’environ 1,0 M de tokens constitue aussi un atout concret pour traiter de longs documents ou de grands volumes d’échanges.

Limites et points d'attention. L’Intelligence Index le situe plutôt en milieu de tableau, ce qui nuance ses très bons résultats sur certains benchmarks ciblés. La classification d’e-mails apparaît nettement moins différenciante que ses scores en connaissance générale, en éthique ou en mathématiques. La licence propriétaire et les poids fermés limitent l’audit indépendant et les usages nécessitant un contrôle complet du modèle. Ses connaissances s’arrêtent au 31 janvier 2025, point important pour les sujets récents. Gemini 3 Flash vise surtout les usages où le coût, le long contexte et de bons résultats généralistes priment sur l’accès aux poids ou la recherche du meilleur niveau absolu.

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).