Gemini 3.5 Flash is indrukwekkend. Dit is wat we daadwerkelijk hebben gevonden.

Er is een ongeschreven regel bij het uitbrengen van AI-modellen: Pro is slim, Flash is snel, en je kiest je afweging. Google heeft die regel zojuist gebroken.

Aangekondigd op Google I/O op 19 mei 2026, is Gemini 3.5 Flash het eerste model in de nieuwe Gemini 3.5-familie — en het doet iets wat geen enkel model in de Flash-klasse ooit eerder heeft gedaan: beter presteren dan het vorige vlaggenschip Pro-model op het gebied van coding- en agentic-benchmarks, terwijl het nog steeds op Flash-snelheden draait.

De context

Gemini 3.1 Pro werd gelanceerd in februari 2026 en voerde direct de Artificial Analysis Intelligence Index aan op het gebied van complexe visuele redenering en multimodale taken. Het was het vlaggenschip van Google, pas drie maanden geleden uitgebracht.

3.5 Flash is er nu beter in op de meeste coding- en agentic-benchmarks. En het is sneller.

De benchmarks

^{Bron: Google DeepMind — Gemini 3.5 Flash}

Flash leidt op het gebied van agentic-, tool-use- en multimodale benchmarks. Bij coding verslaat het Gemini 3.1 Pro op beide taken, hoewel GPT-5.5 en Claude Opus 4.7 hun respectievelijke categorieën aanvoeren. Op het gebied van diepe redenering en long-context retrieval behouden de vlaggenschip Pro-modellen een voorsprong — een gat dat Google lijkt te bewaren voor de aanstaande 3.5 Pro.

Waarom Google begon met Flash, niet met Pro

De beslissing van Google om de 3.5-serie te leiden met Flash — en niet met Pro — is een signaal. Voor de workflows die er tegenwoordig in productie het meest toe doen — agents, tool use, coding loops — is diepe, ruwe redeneerkracht minder belangrijk dan de combinatie van kwaliteit, snelheid en kosten.

Met een snelheid die vier keer hoger ligt dan vergelijkbare frontier-modellen en een prijs van $ 1,50 / $ 9,00 per miljoen input/output tokens, maakt Flash agentic pipelines aanzienlijk goedkoper om op schaal te draaien.

Productie-evaluaties ondersteunen dit. Ben Kus, CTO van Box, meldde dat 3.5 Flash de vorige Flash-generatie met 19,6% versloeg op echte enterprise-workflows, waarbij de nauwkeurigheid van data-extractie in de life sciences met 96,4% verbeterde. Nick Frolov van JetBrains merkte een verbetering van 10–20% op in coding-prestaties vergeleken met de vorige Flash-generatie.

Houdt Gemini 3.5 Flash stand op jouw endpoint?

Officiële benchmarks maken gebruik van propriëtaire harnesses, volledige taaksets en de eigen evaluatiestack van de leverancier. De relevante vraag voor platformteams is anders: wat krijg je op jouw base URL, met jouw model id's, op prompts die je opnieuw kunt uitvoeren?

We hebben een text-only harness van 15 prompts uitgevoerd via TrueFoundry AI Gateway over dezelfde drie categorieën die Google belichtte — CharXiv-stijl, MMMU-Pro-stijl en Finance Agent v2-stijl — gescoord op basis van referentie-antwoorden.

Deze test weerlegt de officiële cijfers van Google niet — ze gebruiken andere harnesses en een andere evaluatiestack. Wat het aantoont, is dat benchmarkrangschikkingen niet automatisch overgedragen worden naar jouw endpoint. In onze steekproef was de score in Finance-stijl van Flash 0/5, waarbij de fouten werden veroorzaakt door lange voltooiingen die niet overeenkwamen met het verwachte formaat. Het kostenplaatje was net zo opvallend: Flash had de hoogste totale uitgaven en de minste correcte antwoorden, waardoor de kosten per correct antwoord op ~6× GPT-5.5 uitkwamen.

De metriek die er toe doet wanneer modellen inwisselbaar zijn achter een gateway is kosten per correct antwoord: prijs per token × tokens per poging ÷ waarschijnlijkheid van een bruikbare respons.

Het contextvenster van 1M tokens

Gemini 3.5 Flash ondersteunt een contextvenster van één miljoen tokens — genoeg om een gehele codebase, een lang regelgevend document of de volledige trace van een langdurige autonome taak in een enkele sessie te bevatten. Retrieval-benchmarks suggereren dat het venster op die lengte echt bruikbaar is, in plaats van te verslechteren aan de long tail.

Gemini Spark en wat Google hiermee aangeeft

Ook aangekondigd op I/O: Gemini Spark, Google's nieuwe 24/7 persoonlijke AI-agent, wordt aangedreven door 3.5 Flash. Het model is nu wereldwijd de standaard in de Gemini-app en AI Mode in Google Search. Google zet 3.5 Flash in als de productie-standaard voor zowel hun consumentenproducten met het hoogste verkeer als hun meest ambitieuze agentic-experimenten — niet als een tussenstap.

Waar je op moet letten

3.5 Pro volgende maand. Google heeft bevestigd dat 3.5 Pro al intern in gebruik is. Als 3.5 Flash op de meeste benchmarks 3.1 Pro al verslaat, is de vraag wat 3.5 Pro doet op de redeneer- en long-contexttaken waarin Flash nog achterblijft.

Koploper op MCP Atlas. De voorsprong van Flash op MCP Atlas — de benchmark voor multi-step tool workflows die gebruikmaken van het Model Context Protocol — geeft aan dat Google van tool-orchestratie een primair trainingsdoel heeft gemaakt. Voor teams die MCP-native architecturen bouwen, is dit iets om serieus te nemen.

Draai het op TrueFoundry

TrueFoundry AI Gateway geeft je toegang tot Gemini 3.5 Flash naast GPT-5.5, Claude Opus 4.7 en andere frontier-modellen via één enkel endpoint — dezelfde configuratie die is gebruikt voor de bovenstaande validatie. Geünificeerde request tracing, kostentoewijzing per model en team, geen afzonderlijke API-sleutels per provider.

Probeer het uit · Snelstartgids · Boek een demo

_{Officiële benchmarkgegevens: Google DeepMind — Gemini 3.5 Flash, 19 mei 2026. TrueFoundry-validatietest: 20 mei 2026, 15-prompt text-only harness via TrueFoundry AI Gateway.}