Разбор анонса Gemini 3.5 от Google. Почему индустрия смещает фокус с генерации текста на создание автономных агентов и как скорость модели влияет на решение реальных задач.
3 мин
На недавней конференции Google I/O компания представила новую линейку моделей Gemini 3.5, начав с релиза версии 3.5 Flash. Главная особенность этого обновления — смещение фокуса с простой генерации текста на выполнение сложных, многоэтапных задач с помощью автономных агентов.
Суть происходящего
Индустрия искусственного интеллекта переходит на следующий этап развития. Если раньше основной метрикой успеха было качество написания текста или поддержания диалога, то теперь на первый план выходит способность модели действовать (action). Gemini 3.5 Flash позиционируется как инструмент для создания автономных рабочих процессов, где ИИ планирует шаги, пишет код, исправляет ошибки и взаимодействует с внешними инструментами без постоянного контроля со стороны человека.
Контекст и предпосылки
Performance comparison table of Gemini, Claude, and GPT models across various benchmarks, highlighting Gemini 3.5 Flash.
Долгое время разработчики сталкивались с проблемой: мощные модели (фронтирные) были слишком медленными и дорогими для того, чтобы запускать их в цикле, где ИИ должен многократно проверять и корректировать свои действия. Для агентных (agentic) систем критически важна низкая задержка. ИИ-агент, который пишет код, тестирует его и переписывает, генерирует тысячи токенов в фоновом режиме. Если модель работает медленно, процесс затягивается на часы.
Технические детали и цифры
Согласно заявлению разработчиков, Gemini 3.5 Flash генерирует токены в 4 раза быстрее других передовых моделей на рынке. При этом качество не пострадало: модель превосходит предыдущую версию Gemini 3.1 Pro в профильных тестах на программирование и агентные задачи, таких как Terminal-Bench 2.1 (76.2%) и MCP Atlas (83.6%).
Особое внимание уделено новой платформе разработки Google Antigravity. Это среда, позволяющая развертывать так называемых субагентов — небольшие специализированные ИИ-программы, которые работают параллельно. Например, один агент пишет код, а другой выступает тестировщиком, создавая цикл быстрого самосовершенствования.
Модель уже внедряется в корпоративном секторе. Shopify использует параллельных субагентов для анализа данных, Salesforce интегрирует 3.5 Flash в свою систему Agentforce для автоматизации корпоративных задач, а финансовые организации применяют ее для обработки сложных документов.
Gemini 3.5 text and multi-colored star icon on an abstract blue background.
Для обычных пользователей Google анонсировала Gemini Spark — персонального ИИ-агента, который работает в фоновом режиме и помогает управлять цифровой рутиной.
Анализ влияния на индустрию
Мы наблюдаем важный сдвиг в архитектуре ИИ-решений. Скорость вывода (inference speed) больше не является просто вопросом удобства пользователя, который не хочет ждать ответа в чате. Скорость стала фундаментальным требованием для работоспособности мультиагентных систем. Когда несколько ИИ общаются друг с другом для решения задачи, задержка умножается на количество итераций. Увеличение скорости в 4 раза означает, что сложные аналитические задачи, требовавшие дней, теперь могут выполняться за часы при значительно меньших затратах вычислительных ресурсов.
Перспективы развития
В следующем месяце ожидается релиз старшей версии — Gemini 3.5 Pro. Вероятно, она предложит еще более глубокое понимание контекста для стратегического планирования, в то время как версия Flash останется рабочей лошадкой для массовых операций. Внедрение таких инструментов, как Gemini Spark, покажет, насколько общество готово делегировать управление своими повседневными цифровыми задачами автономным системам. Успех этого поколения моделей будет измеряться не бенчмарками, а реальной экономической эффективностью автоматизированных рабочих процессов.
The image shows a colorful abstract design with the Google I/O 2026 logo.
Изображение из источника
Google смещает фокус развития ИИ на создание быстрых автономных агентов, способных самостоятельно планировать и выполнять многоэтапные задачи.
Высокая скорость генерации токенов теперь нужна не для комфорта человека-читателя, а для обеспечения быстрого взаимодействия ИИ-агентов между собой в фоновом режиме.
