Google guida Gemini 3.5 con Flash, non Pro, e lo lega all'agent harness Antigravity

Flash prima di Pro è una scelta deliberata

La convenzione per i lanci frontier è sempre stata quella di partire con l'ammiraglia: il modello più grande, più capace e più costoso, seguito settimane dopo dalla variante economica. Google qui ha invertito l'ordine. Gemini 3.5 apre con 3.5 Flash disponibile da oggi, mentre 3.5 Pro viene descritto come "già in uso interno", con un rollout previsto "il mese prossimo".

Questa scelta rivela cosa Google considera il vero vincolo. Per i carichi di lavoro agentici che si ramificano in molte chiamate a subagenti e si estendono su orizzonti lunghi, il costo per token e la latenza pesano sull'economia molto più della qualità marginale di una singola risposta. Rendendo il modello veloce ed economico il protagonista dell'annuncio, Google segnala che l'unità di valore è il task multi-step completato, non l'eloquenza di una risposta.

Questo permette anche a Google di fare un'affermazione comparativa precisa: 3.5 Flash supera il precedente 3.1 Pro su Terminal-Bench 2.1 (76,2%), GDPval-AA (1656 Elo) e MCP Atlas (83,6%). Battere la propria ammiraglia di generazione precedente con il nuovo modello di fascia media è una storia più pulita che battere un concorrente, e giustifica il lancio guidato da Flash.

I benchmark scelti sono benchmark per agenti

Guarda cosa ha riportato Google: Terminal-Bench, MCP Atlas, GDPval-AA e CharXiv Reasoning (84,2%). Non sono punteggi di conoscenza generale o di qualità della chat. Terminal-Bench misura se un modello sa operare in una shell attraverso più passaggi; MCP Atlas riguarda il tool-calling tramite il Model Context Protocol; GDPval-AA è pensato attorno a lavoro economicamente rilevante. La selezione dei benchmark è di per sé una dichiarazione su cosa il modello è pensato per fare.

Il dato sulla velocità — "4 volte più rapido di altri modelli frontier" sui token di output al secondo — viene presentato come fattore abilitante piuttosto che come caratteristica separata. L'impostazione di Google è che quando un flusso di lavoro richiede a un agente di pianificare, eseguire una chiamata a un tool, leggere il risultato e iterare decine di volte, il throughput si accumula. Un vantaggio di velocità 4x su una singola chiamata diventa un vantaggio molto più ampio in termini di tempo reale su un task a lungo orizzonte.

Il punteggio su MCP Atlas merita un'attenzione particolare per i team che costruiscono su questa base. Un tool-calling affidabile è la capacità portante per qualsiasi agente che interagisce con sistemi reali, e quando fallisce lo fa in modo poco elegante. Un 83,6% è un numero su cui tenere Google alla prova nella pratica, non solo da accettare in un post di lancio.

L'harness lavora tanto quanto il modello

Quasi ogni dimostrazione di capacità nell'annuncio è condizionata da Antigravity, la "piattaforma di sviluppo agent-first" di Google e il relativo harness. Gli esempi — due agenti che sintetizzano il paper di AlphaZero e programmano un gioco giocabile in sei ore, un ciclo di auto-miglioramento builder-and-player, la migrazione di un codebase legacy a Next.js, il deployment di subagenti per categorizzare asset non strutturati — sono tutti descritti come cose che 3.5 Flash fa "grazie a" o "sfruttando" Antigravity.

Se abbinato all'harness Antigravity aggiornato, 3.5 Flash diventa un motore potente per far collaborare subagenti nell'affrontare problemi su larga scala per i casi d'uso più impegnativi.Montana Labs

Questo conta perché confonde il confine tra ciò che il modello sa fare e ciò che l'orchestrazione circostante rende possibile. Il coordinamento dei subagenti, la ritenzione del contesto e la supervisione multi-step sono proprietà tanto dell'harness quanto dei pesi del modello. Google nota anche che l'agente opera "sotto supervisione" e "sotto la tua direzione" — un implicito riconoscimento che l'autonomia non supervisionata a lungo orizzonte non è ancora l'affermazione in gioco.

Pilot aziendali nominati indicano i carichi di lavoro target

L'elenco dei partner è insolitamente concreto sul tipo di lavoro che Google sta inseguendo: Shopify che esegue subagenti in parallelo per previsioni di crescita dei merchant, Macquarie Bank che ragiona su documenti di onboarding di oltre 100 pagine, Salesforce che integra Flash in Agentforce per tool-calling multi-turno, Ramp che fa OCR delle fatture combinato con ragionamento storico, Xero che raccoglie autonomamente dati per i moduli fiscali 1099 in flussi di lavoro multi-settimana, e Databricks che diagnostica problemi sui dati in grandi dataset.

Il filo comune è l'automazione back-office multi-step e a forte intensità documentale in finanza e operations — la "fatica e complessità" che Google dice di aver profilato con i partner nel costruire la serie. Sono carichi di lavoro definiti da orizzonti lunghi e sensibilità al costo, motivo per cui lanciare prima un modello veloce ed economico ha senso strategicamente. Il lato consumer — Gemini Spark come agente personale attivo 24 ore su 24, Flash impostato come predefinito nell'app Gemini e in Search AI Mode — diffonde lo stesso modello a miliardi di utenti contemporaneamente.

Cosa Google sta davvero vendendo qui

L'implicazione specifica di questo lancio è che Google sta riposizionando il suo livello più economico come substrato predefinito per il lavoro agentico, puntando sul fatto che la maggior parte del valore economico risieda in task ad alto volume e multi-step, dove il throughput e il prezzo superano la qualità marginale della risposta. Il modello Pro esiste ancora e arriverà il mese prossimo, ma il rilascio è strutturato in modo che il modello veloce sia quello che aziende e consumatori incontrano per primo.

Per i team che stanno valutando questo lancio, le domande pratiche sono: quanta delle capacità dimostrate sopravvive fuori dall'harness Antigravity e tramite la Gemini API pura, e se il tool-calling e l'affidabilità a lungo orizzonte reggono sui tuoi workflow reali e non solo su demo curate. I numeri dei benchmark e i pilot nominati sono un punto di partenza per quel test, non un sostituto — soprattutto per i casi d'uso in finanza ed elaborazione documentale che Google corteggia esplicitamente, dove un'azione autonoma sbagliata è costosa da annullare.