เจาะ Model Card ของ Gemini 3.5 Flash — Terminal-Bench 76.2%, MCP Atlas 83.6%, GDPval-AA 1656 Elo, ราคา 1/3 ของ frontier
หลังจาก Sundar Pichai เปิดตัว Gemini 3.5 Flash บนเวที Google I/O 2026 วันที่ 19 พฤษภาคม — Google DeepMind เผยแพร่ Model Card อย่างเป็นทางการ ที่ระบุ benchmark, training data, evaluation methodology และข้อจำกัดทั้งหมดของโมเดล Flash ตัวใหม่นี้
ตัวเลขที่ออกมาน่าสนใจมาก: Gemini 3.5 Flash เป็น Flash-tier model ตัวแรกที่ แซง Pro-tier ของรุ่นก่อนหน้า (3.1 Pro) ในเกือบทุก benchmark — ทั้งที่เปิดตัวห่างกันเพียง 4 เดือน
เบนช์มาร์กที่ Google ใช้เปรียบเทียบ
จาก Model Card ของ DeepMind:
| Benchmark | Gemini 3.5 Flash | สิ่งที่วัด |
|---|---|---|
| Terminal-Bench 2.1 | 76.2% | งาน coding ในเทอร์มินัล (file edit, build, debug) |
| MCP Atlas | 83.6% | tool-use reliability ผ่าน Model Context Protocol |
| GDPval-AA | 1656 Elo | real-world agentic task (Anthropic-Anthropic comparison) |
| CharXiv Reasoning | 84.2% | multimodal understanding บน chart และ figure |
นอกจากนี้ Google ยังเน้นว่า Gemini 3.5 Flash ทำคะแนนแซง Gemini 3.1 Pro บน “challenging benchmarks” หลายตัว ทั้งที่เป็น Flash-tier ที่เคยถือว่าเป็นโมเดลรอง — สะท้อนว่าการพัฒนา reasoning + tool use เร็วกว่าที่นักวิเคราะห์คาด
สเปคทางเทคนิคและราคา
- Context window: 1M tokens
- Multimodal input: text, image, audio, video, PDF
- Output speed: ~4x เร็วกว่าโมเดล frontier ทั่วไป (output tokens/sec)
- Latency ใน Antigravity: สูงสุดเร็วกว่า ~12x ในงาน agentic
- Cost: ประมาณ 1/3 ถึง 1/2 ของโมเดล frontier เทียบเคียง
- Knowledge cutoff: ระบุไว้ใน model card (อ้างอิงต้นทาง)
Google ระบุว่าการลดต้นทุนระดับนี้ “ช่วยลดค่าใช้จ่าย enterprise AI ได้กว่า 1 พันล้านดอลลาร์ต่อปี” สำหรับลูกค้ารายใหญ่ — ตัวเลขนี้มาจากการคำนวณว่าหากแทนที่ Gemini 3.1 Pro หรือโมเดลคู่แข่งระดับเดียวกันด้วย 3.5 Flash ใน workload ทั่วไป
รูปแบบการ deploy
Gemini 3.5 Flash เปิดให้ใช้พร้อมกันในวันเปิดตัว:
- Gemini app — เป็น default model ทั่วโลก
- AI Mode ใน Google Search — เป็น default ทั่วโลก
- Google Antigravity / Antigravity CLI — สำหรับ developer
- Gemini API ใน Google AI Studio และ Android Studio
- Gemini Enterprise Agent Platform และ Gemini Enterprise
Google ระบุว่า Gemini 3.5 Pro จะเปิดตัวในเดือนถัดไป (มิ.ย. 2026) — ขณะนี้ใช้ภายในเท่านั้น สะท้อนกลยุทธ์ “Flash ก่อน Pro ตาม” ซึ่งกลับขั้นจากรอบ Gemini 2.x ที่ Pro มาก่อน
ข้อจำกัดที่ระบุใน Model Card
DeepMind ระบุ limitations อย่างละเอียดใน Model Card:
- ยังมี hallucination ในงานที่ต้องการความจำเฉพาะกิจ
- agentic task ยาวมาก ๆ (เกิน 50+ tool calls ต่อ session) ยังมีโอกาส context drift
- multimodal video reasoning ยังตามหลังโมเดล text-only ในบางมิติ
- safety evaluation ตัด score ลงสำหรับงาน “high-risk persuasion” และ “cyber offense”
นี่คือสิ่งที่ DeepMind เรียกว่า “responsible model card” — เปิดทั้ง benchmark ที่ดีและข้อจำกัดที่ผู้ใช้ enterprise ควรพิจารณา
มุมมอง AI Curator
ตัวเลขใน model card บอกอะไรมากกว่าแค่ “Flash ใหม่”
ประการแรก — เส้นแบ่ง Flash vs Pro กำลังเลือนหาย จากเดิมที่ Flash คือ “ราคาถูก แต่แลกความฉลาด” ตอนนี้ Flash 3.5 ทำคะแนนเหนือ Pro 3.1 ที่เพิ่งออกไม่กี่เดือน ผู้ใช้ที่ต้องจ่ายค่า Pro เพื่อ reasoning ระดับสูงอาจไม่ต้องจ่ายแล้ว — กลยุทธ์ราคาของทุกค่ายจะต้องปรับใหม่ในไตรมาส 3-4 ของปี
ประการที่สอง — MCP Atlas 83.6% สะท้อนว่า tool use กำลังเป็น primary benchmark มากกว่า MMLU หรือ GPQA แบบเดิม โมเดลที่ใช้ tool ได้เสถียรกว่ามีค่าใน production มากกว่าโมเดลที่ตอบคำถามทั่วไปได้ฉลาดกว่า — แนวโน้มนี้จะเร่งให้ทุกค่าย (Anthropic, OpenAI, Microsoft) เปิดเผย MCP/tool benchmark กันมากขึ้น
ประการที่สาม สำหรับ ตลาดไทยและ SEA — ค่าใช้จ่าย API ที่ลดลง 50-67% เป็นข่าวดีมากสำหรับสตาร์ตอัปที่ต้องการ build บน LLM แต่ติดงบ ทีมที่เคยใช้ Gemini 3.0/3.1 Flash จะได้ upgrade ฟรีในเชิงปฏิบัติ (ราคาเท่าเดิมหรือถูกลง แต่ฉลาดขึ้นมาก) — ขณะที่ทีมที่ใช้ Claude Sonnet หรือ GPT-5.5 ควรลองทำ A/B test ใหม่ในอีก 2-3 สัปดาห์เพื่อดูว่ายัง justify cost ต่างกันได้ไหม
ประการสุดท้าย — Google จัดท่าตัวเองชัดเจนว่า “Flash ก่อน Pro ตาม” เป็นกลยุทธ์ในการครองตลาด “agentic AI ที่รันได้บ่อย ๆ ในต้นทุนต่ำ” ก่อน — แล้วค่อยปล่อย Pro เพื่อปิดดีลที่ต้องการ ceiling สูงสุด ขั้นตอนนี้กดดัน OpenAI และ Anthropic ต้องตอบกลับด้วยการลดราคา หรือเปิด tier กลางใหม่
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service