Gemini 3 Flash: o modelo rápido do Google vira padrão e mira tarefas de código

Em 17 de dezembro o Google lançou o Gemini 3 Flash, a versão rápida e barata da família Gemini 3. Modelos “Flash” costumam ser tratados como a opção econômica, aquela que você usa quando o orçamento aperta. O anúncio tenta mudar essa conversa: o Google afirma que o 3 Flash supera o Gemini 2.5 Pro sendo bem mais rápido, e o coloca como modelo padrão no app Gemini e na Busca. Para quem desenvolve, o que importa é preço, disponibilidade e o quanto dá para confiar nos números.

Preço e onde ele está disponível

Os preços divulgados, por milhão de tokens:

• entrada: US$ 0,50;
• saída: US$ 3;
• entrada de áudio: US$ 1.

Para desenvolvedores, o modelo aparece em preview na Gemini API, no Google AI Studio, no Gemini CLI, no Google Antigravity e no Android Studio. Para empresas, está no Vertex AI e no Gemini Enterprise.

No lado do consumidor, o Gemini 3 Flash substitui o 2.5 Flash como modelo padrão no app Gemini e também está sendo liberado como padrão no AI Mode da Busca. Isso é relevante para quem desenvolve porque significa que o modelo vai ser exercitado em escala enorme logo de cara: problemas de comportamento tendem a aparecer (e ser corrigidos) rápido.

Os números, segundo o Google

Os benchmarks reportados pelo Google:

• GPQA Diamond: 90,4%;
• Humanity’s Last Exam: 33,7% sem ferramentas;
• MMMU Pro: 81,2%, que o Google descreve como estado da arte e comparável ao Gemini 3 Pro;
• SWE-bench Verified: 78%, número que, segundo o anúncio, supera a série 2.5 e também o próprio Gemini 3 Pro.

O dado de SWE-bench é o que mais me chama a atenção. Um modelo da linha Flash superando o Pro da mesma geração em um benchmark de correção de bugs reais em repositórios é incomum, e o Google claramente quer posicionar o 3 Flash como modelo de trabalho para agentes de código.

Sobre velocidade e custo de execução, o Google diz que o modelo é 3x mais rápido que o 2.5 Pro, com base em medições da Artificial Analysis, e que usa em média 30% menos tokens que o 2.5 Pro em tráfego típico. Esse segundo ponto pesa tanto quanto o preço por token: um modelo que “pensa” menos para chegar à mesma resposta reduz a conta final e a latência percebida.

O anúncio também cita que, desde o lançamento do Gemini 3, a API passou a processar mais de 1 trilhão de tokens por dia, e nomeia clientes como JetBrains, Bridgewater Associates e Figma.

O que isso muda para quem desenvolve

Na prática, vejo três usos imediatos:

1. Agentes de código e ferramentas de terminal. Com disponibilidade no Gemini CLI e no Antigravity desde o primeiro dia, e o número de SWE-bench que o Google divulgou, o 3 Flash é candidato natural para loops de agente que fazem muitas chamadas curtas, onde latência e custo somam rápido.
2. Substituição de modelos 2.5 em produção. Se você tem um pipeline rodando no 2.5 Flash ou no 2.5 Pro, vale um teste A/B. Pelo que o Google afirma, dá para ganhar qualidade em relação ao 2.5 Flash ou cortar custo e latência em relação ao 2.5 Pro.
3. Multimodal e áudio. O preço separado para entrada de áudio, somado ao resultado em MMMU Pro, sugere que o Google vê o modelo como base para aplicações que misturam texto, imagem e voz.

Ressalvas

Alguns cuidados antes de migrar tudo:

• Na Gemini API o modelo está em preview. Isso costuma significar limites de taxa diferentes e a possibilidade de mudanças antes da versão estável.
• Todos os números acima são do próprio Google. Benchmarks públicos raramente refletem o seu domínio; rode suas próprias avaliações com prompts reais.
• “30% menos tokens em média” depende do tipo de tráfego. Em tarefas longas de raciocínio, a economia pode ser bem diferente.

Minha leitura

O Gemini 3 Flash é o lançamento da família Gemini 3 que mais deve afetar o dia a dia de quem constrói produtos, justamente porque não é o modelo topo de linha. Preço baixo, presença no CLI e em IDEs desde o primeiro dia e um resultado forte em SWE-bench formam uma combinação difícil de ignorar. Eu começaria testando-o como modelo padrão para tarefas de agente de alto volume, reservando modelos maiores para os casos em que ele falhar de forma consistente. O que ainda falta é ver como ele se comporta fora dos benchmarks escolhidos pelo próprio Google, e isso só o uso real vai mostrar.