Gemini 3.5
Google 于 2026 年 5 月正式推出 Gemini 3.5 Flash，重点强化 Agent、编码、长任务执行与多模态理解；3.5 Pro 仍为官方预告状态。
模型概述
Gemini 3.5 是 Google 在 I/O 2026 公布的新一代模型系列，首个正式开放的模型是 Gemini 3.5 Flash。它的定位不是单纯提高聊天质量，而是以较高速度处理编码、工具调用和长时间运行的 Agent 工作流。
根据 Google DeepMind 官方模型页，3.5 Flash 支持文本、图像、视频、音频和 PDF 输入，输入上下文最高 100 万 Token，文本输出最高 6.4 万 Token。
Google 在 2026 年 6 月进一步把计算机操作能力集成进 3.5 Flash，使开发者能够构建在浏览器、移动端和桌面环境中观察、推理并执行操作的 Agent。
3.5 Flash 已进入 Gemini App、Gemini API、Google AI Studio、Google Antigravity、Gemini Enterprise 与 AI Mode 等产品。具体地区、账户与预览资格仍应以官方入口显示为准。
Gemini 3.5 Pro 已由 Google 官方预告，但截至本页 2026 年 7 月 13 日更新时仍未正式开放，因此本页不会把尚未发布的 Pro 参数当作确定事实。
核心能力
Agent 工作流
面向多步骤、长链路任务进行规划、工具调用、执行与迭代。
Agent 编码
适合代码库维护、终端任务、应用构建和持续的软件工程流程。
计算机操作
可通过内置工具在浏览器、移动端与桌面环境中完成交互操作。
多模态理解
统一处理文本、图像、视频、音频与 PDF 等输入。
长上下文
最高 1M 输入上下文，适合大文档、代码库与多来源资料。
工具使用
支持函数调用、结构化输出、Google Search 工具与代码执行。
安全控制
计算机操作支持敏感或不可逆动作确认，并提供提示词注入防护选项。
高效执行
在保持 Flash 速度定位的同时，面向复杂 Agent 与编码任务提升能力。
适用场景
深入解读
Gemini 3.5 的核心变化，是把模型能力更明确地放到“执行任务”而非只“回答问题”的场景中。对产品团队来说，评估重点应从单轮回答质量扩展到工具调用可靠性、长任务稳定性、权限边界与人工确认机制。
3.5 Flash 的 1M 输入上下文适合大型代码库、长文档与多来源材料，但上下文窗口大并不等于结果天然准确。生产环境仍应限制输入范围、提供清晰目标，并对关键结论与不可逆操作进行人工复核。
内置计算机操作能力降低了构建界面 Agent 的接入门槛，同时也带来提示词注入、误操作与权限过大的风险。官方建议结合沙箱、严格访问控制、人工确认和分层防护使用。
如果你的任务以简单摘要、分类或低成本批处理为主，未必需要直接采用 3.5 Flash；如果任务需要持续规划、调用工具、操作界面或处理复杂代码，它才更能体现相对优势。
本页以 Google 与 Google DeepMind 官方资料为准，并明确区分已发布的 3.5 Flash 与仍处于预告阶段的 3.5 Pro，避免把路线信息误写成已开放能力。
技术规格
- 当前正式模型
- Gemini 3.5 Flash
- 状态
- 已发布
- 输入
- 文本 / 图像 / 视频 / 音频 / PDF
- 输出
- 文本
- 输入上下文
- 最高 1M Token
- 输出上限
- 最高 64K Token
- 核心方向
- Agent / 编码 / 工具使用
- 3.5 Pro
- 官方预告，尚未开放
Gemini 3.5 的定位与使用方式
Gemini 3.5 这一页更适合解决两个问题：它在整个 Google AI 体系中处于什么位置，以及它最适合承担哪一类任务。很多人在接触模型时容易只看名称或代际，但真正决定体验的，往往是它面对复杂任务时的稳定度、多模态支持范围、上下文保持能力和速度表现。
如果你的工作流涉及长文档阅读、复杂分析、代码协作、创意生成或高频接口调用，那么理解 Gemini 3.5 的能力边界会直接影响使用效率。选对模型，往往能减少反复改写提示词、多轮试错和结果波动。
Google 于 2026 年 5 月正式推出 Gemini 3.5 Flash，重点强化 Agent、编码、长任务执行与多模态理解；3.5 Pro 仍为官方预告状态。 但在真实使用中，是否优先选择它，还要结合调用入口、团队规模、预算限制和目标产出一起判断。对个人用户来说，这会影响产品体验；对开发者和团队来说，这会影响接入顺序与整体流程设计。
阅读单个模型页时，建议把它放回更大的对照关系中去理解。与速度型模型相比它强在哪里，与更轻量的模型相比它牺牲了什么，以及它更适合直接在产品中使用还是通过 API 接入，都是非常值得同时判断的问题。
继续理解 Gemini 3.5 时可以关注什么
Gemini 3.5 不只是参数或定位标签，它更像是一种能力分配选择。对某些任务来说，追求上限最重要；对另一些任务来说，稳定响应、调用成本和交互节奏更重要。
如果你准备把当前模型放进长期流程，建议先判断它更适合放在哪个节点，例如最终回答、资料压缩、图文理解、实时互动还是代码协作。这样的理解方式，比单纯记住功能清单更贴近实际使用。
很多用户在比较模型时会忽略输入类型与任务长度的变化。实际上，同一个模型在短问答、长任务、多模态内容和多轮交互下的表现重点并不完全一样，因此最好结合自己的核心任务来回读。
看任务密度
复杂分析和长链路任务更看重推理稳定性与上下文保持能力。
看交互节奏
高频交互和大规模调用通常更适合速度与成本更平衡的路线。
看接入场景
同一模型在产品端、API 端和团队协作中的价值重点并不完全相同。