Google führt Gemini 3.5 mit Flash statt Pro ein und koppelt es an das Antigravity-Agenten-Framework

Flash vor Pro ist eine bewusste Reihenfolge

Bei Frontier-Launches war es bisher Konvention, mit dem Flaggschiff zu beginnen: dem größten, leistungsfähigsten und teuersten Modell, gefolgt Wochen später von der günstigeren Variante. Google hat das hier umgedreht. Gemini 3.5 startet mit 3.5 Flash, das ab heute allgemein verfügbar ist, während 3.5 Pro als "bereits intern im Einsatz" beschrieben wird, mit einem Rollout "im nächsten Monat".

Diese Entscheidung zeigt, wo Google die eigentliche Einschränkung sieht. Bei agentischen Workloads, die sich über viele Subagenten-Aufrufe verzweigen und über lange Zeiträume laufen, dominieren Kosten pro Token und Latenz die Wirtschaftlichkeit weit stärker als die marginale Qualität einer einzelnen Antwort. Indem Google das schnelle, günstige Modell zur Schlagzeile macht, signalisiert es, dass die Werteinheit die abgeschlossene mehrstufige Aufgabe ist – nicht die Eloquenz einer einzelnen Antwort.

Das erlaubt Google außerdem eine konkrete Vergleichsaussage: 3.5 Flash übertrifft die Vorgängergeneration 3.1 Pro bei Terminal-Bench 2.1 (76,2 %), GDPval-AA (1656 Elo) und MCP Atlas (83,6 %). Das eigene Vorgänger-Flaggschiff mit dem neuen Mid-Tier-Modell zu schlagen, ist eine sauberere Story als einen Wettbewerber zu schlagen, und rechtfertigt, mit Flash zu beginnen.

Die gewählten Benchmarks sind Agenten-Benchmarks

Betrachten Sie, was Google berichtet hat: Terminal-Bench, MCP Atlas, GDPval-AA und CharXiv Reasoning (84,2 %). Das sind keine allgemeinen Wissens- oder Chat-Qualitätswerte. Terminal-Bench misst, ob ein Modell über mehrere Schritte hinweg in einer Shell arbeiten kann; MCP Atlas betrifft Tool-Calling über das Model Context Protocol; GDPval-AA orientiert sich an wirtschaftlich wertvoller Arbeit. Die Auswahl der Benchmarks ist selbst eine Aussage darüber, wofür das Modell gedacht ist.

Die Geschwindigkeitsangabe – "4-mal schneller als andere Frontier-Modelle" bei Output-Tokens pro Sekunde – wird als Ermöglicher präsentiert, nicht als eigenständiges Feature. Googles Darstellung ist, dass sich der Durchsatz aufsummiert, wenn ein Workflow von einem Agenten verlangt, zu planen, einen Tool-Aufruf auszuführen, das Ergebnis zu lesen und dies dutzende Male zu wiederholen. Ein 4-facher Geschwindigkeitsvorteil bei einem einzelnen Aufruf wird über eine langfristige Aufgabe zu einem weit größeren Vorteil in der tatsächlichen Laufzeit.

Der MCP-Atlas-Wert ist besonders erwähnenswert für Teams, die darauf aufbauen. Zuverlässiges Tool-Calling ist die tragende Fähigkeit für jeden Agenten, der mit echten Systemen interagiert, und sie versagt unschön, wenn sie ausfällt. 83,6 % sind eine Zahl, an der man Google in der Praxis messen sollte, nicht nur in einem Launch-Beitrag hinnehmen sollte.

Das Framework leistet ebenso viel Arbeit wie das Modell

Fast jede Fähigkeitsdemonstration in der Ankündigung wird durch Antigravity relativiert, Googles "agent-first"-Entwicklungsplattform samt zugehörigem Framework. Die Beispiele – zwei Agenten, die das AlphaZero-Paper zusammenfassen und in sechs Stunden ein spielbares Spiel programmieren, eine Builder-und-Player-Selbstverbesserungsschleife, die Migration einer Legacy-Codebasis zu Next.js, der Einsatz von Subagenten zur Kategorisierung unstrukturierter Assets – werden alle als Dinge beschrieben, die 3.5 Flash "powered by" oder "unter Nutzung von" Antigravity erledigt.

In Verbindung mit dem aktualisierten Antigravity-Framework wird 3.5 Flash zu einem leistungsstarken Motor für den Einsatz kollaborativer Subagenten, um Probleme in großem Maßstab für die anspruchsvollsten Anwendungsfälle zu lösen.Montana Labs

Das ist wichtig, weil es die Grenze zwischen dem, was das Modell leisten kann, und dem, was die umgebende Orchestrierung bereitstellt, verwischt. Die Koordination der Subagenten, der Kontexterhalt und die mehrstufige Überwachung sind ebenso Eigenschaften des Frameworks wie der Gewichte. Google merkt außerdem an, dass der Agent "unter Aufsicht" und "nach Ihren Vorgaben" läuft – ein stilles Eingeständnis, dass unüberwachte, langfristige Autonomie noch nicht die Behauptung ist, die hier aufgestellt wird.

Konkrete Enterprise-Pilotprojekte stecken die Zielanwendungen ab

Die Partnerliste ist ungewöhnlich konkret darüber, welche Art von Arbeit Google anpeilt: Shopify setzt parallele Subagenten für Wachstumsprognosen von Händlern ein, Macquarie Bank wertet Onboarding-Dokumente mit über 100 Seiten aus, Salesforce integriert Flash in Agentforce für mehrstufiges Tool-Calling, Ramp kombiniert Rechnungs-OCR mit historischem Reasoning, Xero sammelt autonom 1099-Steuerformulardaten über mehrwöchige Workflows, und Databricks diagnostiziert Datenprobleme über große Datensätze hinweg.

Der gemeinsame Nenner ist dokumentenintensive, mehrstufige Back-Office-Automatisierung in Finanzwesen und Betrieb – die "Mühe und Komplexität", die Google laut eigener Aussage mit Partnern analysiert hat, während die Serie entwickelt wurde. Das sind Workloads, die durch lange Zeiträume und Kostensensitivität geprägt sind – genau deshalb ist es strategisch sinnvoll, mit einem schnellen, günstigen Modell zu beginnen. Die Verbraucherseite – Gemini Spark als 24/7 persönlicher Agent, Flash standardmäßig in der Gemini-App und im Search AI Mode – verbreitet dasselbe Modell gleichzeitig an Milliarden Nutzer.

Was Google hier eigentlich verkauft

Die konkrete Implikation dieses Launches ist, dass Google seine günstigste Stufe als Standardgrundlage für agentische Arbeit neu positioniert und darauf setzt, dass der größte wirtschaftliche Wert in hochvolumigen, mehrstufigen Aufgaben liegt, bei denen Durchsatz und Preis die marginale Antwortqualität übertreffen. Das Pro-Modell existiert weiterhin und kommt im nächsten Monat, doch der Launch ist so aufgebaut, dass Unternehmen und Verbraucher zuerst auf das schnelle Modell treffen.

Für Teams, die dies evaluieren, lauten die praktischen Fragen: Wie viel der demonstrierten Fähigkeiten bleibt außerhalb des Antigravity-Frameworks und über die reine Gemini-API bestehen, und ob sich Tool-Calling und Langzeit-Zuverlässigkeit auch in Ihren eigenen Workflows bewähren und nicht nur in kuratierten Demos. Die Benchmark-Zahlen und benannten Pilotprojekte sind ein Ausgangspunkt für diese Prüfung, kein Ersatz dafür – besonders für die Finanz- und Dokumentenverarbeitungsanwendungen, die Google explizit umwirbt, bei denen eine fehlerhafte autonome Handlung teuer rückgängig zu machen ist.