«Gemini 3.5 Pro» целится на 17 июля после полной пересборки: все характеристики пока не подтверждены

Google DeepMind нацелился на 17 июля для общего доступа к Gemini 3.5 Pro — осталось четыре дня, — но каждое конкретное утверждение, циркулирующее о запуске, включая саму дату, контекстное окно в 2 миллиона токенов и бенчмарки, исходит из сторонних репортажей и неназванных внутренних источников, а не из официального объявления Google. По состоянию на 13 июля ни карточка модели, ни страница с ценами, ни запись gemini-3.5-pro не появляются в публичной документации Gemini API. Разработчики, планирующие что-то на 17 июля, планируют, опираясь на утечку, а не на подписанный анонс запуска.

Что подтверждено: Gemini 3.5 Pro существует, Google использует её внутри, и модель сдвинулась с июня на июль — сдвиг, который Сундар Пичаи анонсировал на сцене Google I/O 19 мая, когда сказал явно разочарованной толпе разработчиков: «Дайте нам до следующего месяца, чтобы предоставить её вам». Этот следующий месяц пришёл и прошёл. Что стало причиной задержки, согласно сторонним репортажам от HackerNoon и Geeky Gadgets, ссылающихся на неназванные внутренние источники, более значимо, чем простое решение о настройке: Google якобы решил отказаться от почти готовой модели и начать с нуля.

Перезапуск предварительного обучения на frontier-масштабе — это не мелкая доработка. Предварительное обучение — начальный этап обучения на огромном наборе данных, который даёт модели её фундаментальные возможности — является самой дорогой фазой создания frontier-модели ИИ. Решение отказаться от почти завершённой базы и запустить новый цикл предварительного обучения подразумевает, что собственные инженеры Google пришли к выводу, что разрыв между тем, что у них было, и тем, что выпустили конкуренты, был структурным, а не устранимым одной лишь тонкой настройкой. Если эта оценка была верна и перестройка удалась, разработчикам следует ожидать значительного скачка возможностей, а не инкрементального.

Что, по сообщениям, не удалось в оригинальной модели

Согласно репортажу HackerNoon, отменённая версия Gemini 3.5 Pro показала два конкретных типа сбоев: она не могла поддерживать структурную согласованность при генерации сложных, многослойных SVG-сцен и ломалась в сложных, рекурсивных средах вызова инструментов — многошаговых цепочках, где агент вызывает один инструмент, использует результат для вызова другого и так далее на протяжении десятков последовательных решений.

Это не случайные пробелы. Стабильность рекурсивного вызова инструментов является определяющим требованием для агентной кодовой модели, а это тот сценарий использования, на который Google сделал ставку во всём поколении 3.5. Gemini 3.5 Flash уже продемонстрировала, что эта категория достижима — она превзошла Gemini 3.1 Pro в Terminal-Bench 2.1 (76.2% против 70.3%) и MCP Atlas (83.6% против 78.2%), и Google подтвердил обе цифры в официальном анонсе Gemini 3.5. Модель Pro, которая регрессировала бы по тем же задачам, не была бы флагманским обновлением; это было бы унизительно.

Google — не единственная лаборатория, выявившая эти пробелы. Генерация SVG и задачи со сложной компоновкой давно известны как слабые места больших языковых моделей в целом. Значимо здесь то, что Google решил, что сбой был настолько глубоким, что его нельзя было исправить обычным конвейером пост-обучения. Это решение — самый важный подтверждённый факт в этой истории, даже если само решение не подтверждено Google.

Что, как сообщается, даёт упомянутая перестройка

Сторонние источники сообщают, что перестроенная модель появится с тремя возможностями, которые отличают её от Gemini 3.5 Flash: контекстное окно в 2 миллиона токенов (вдвое больше, чем 1 миллион у Flash), уровень рассуждений Deep Think для многошагового логического решения проблем и автономные рабочие процессы, позволяющие ей управлять задачами с несколькими файлами и цепочками инструментов с минимальным участием человека, согласно Geeky Gadgets.

Все три требуют тщательной проверки, прежде чем быть принятыми как спецификации.

Цифра контекстного окна в 2 миллиона токенов широко распространена, но не подтверждена ни в одной официальной документации Google, просмотренной для этой статьи. Даже если число точное, это не означает, что модель надёжно рассуждает в пределах 2 миллионов токенов. Независимое исследование, опубликованное в 2025 году компанией Chroma, тестировавшей 18 frontier-моделей, показало, что каждая модель деградирует по мере роста контекста — без исключений — и что самое резкое ухудшение часто происходит задолго до заявленного предела. Статья Chroma «Context Rot» показала, что базовая точность заметно падает только от длины, а отдельное исследование с использованием методологии максимального эффективного контекстного окна (MECW) показало, что модели обычно ломаются на 30–40 процентов раньше заявленного лимита. Gemini 3.1 Pro уже иллюстрирует эту закономерность: она поставляется с окном в 1 миллион токенов, но независимое бенчмаркинг показывает, что качество извлечения контекста в нескольких диапазонах (MRCR v2) резко падает после 128K токенов, опускаясь примерно до 26 процентов на полном диапазоне в 1 миллион токенов.

Практический вопрос, когда Gemini 3.5 Pro выйдет, не в том, принимает ли модель подсказку в 2 миллиона токенов. Он в том, сохраняется ли качество рассуждений во всём диапазоне — и на это могут ответить только независимые оценщики, проводящие структурированные бенчмарки извлечения длинного контекста после появления карточки модели.

Уровень рассуждений Deep Think задокументирован лучше. Deep Think существует в текущей экосистеме Gemini и показал подтверждённые результаты: 84.6 процента на ARC-AGI-2 и золотая медаль на Международной математической олимпиаде 2025 года, согласно прогнозной фирме FutureSearch. Подтверждено ли и как Deep Think интегрируется в релиз 3.5 Pro, в официальных источниках не указано.

Почему 17 июля и о чём бы сигнализировал второй сдвиг

Цель на 17 июля широко освещается в технологических изданиях и нескольких китайскоязычных деловых СМИ, которые внимательно следят за рынком моделей ИИ, и все они ссылаются на Geeky Gadgets и HackerNoon как на первоисточники. Это не официальное объявление Google. Google не подтвердил дату ни в одном источнике, прочитанном для этой статьи.

Значение даты отчасти конкурентное. На той же неделе GPT-5.6 Sol публично запустилась 9 июля, а Grok 4.5 открылась для публики в тот же день, согласно объявлению Илона Маска в соцсетях. Семейство DeepSeek V4 отдельно нацелено на середину июля для своего стабильного релиза. Три из самых ожидаемых событий с моделями 2026 года сошлись на одной неделе, что означает, что сдвиг Gemini 3.5 Pro с 17 июля имел бы большие конкурентные последствия, чем июньский сдвиг: на этот раз вокруг Google уже есть более новые флагманы в производстве.

Если дата 17 июля устоит и перестроенная модель оправдает заявленные возможности, Gemini 3.5 Pro выходит на рынок, где у Google есть узкое техническое окно, чтобы закрепить позиции, прежде чем разработчики стабилизируют свои стеки вокруг доступных сейчас моделей. Если дата снова сдвинется, история станет историей о лаборатории, которая правильно диагностировала проблему, но недооценила, сколько времени займёт её исправление.

Flash несёт производственную нагрузку

Пока шла перестройка Pro, Gemini 3.5 Flash была моделью, несущей производственные рабочие нагрузки с момента её запуска 19 мая. Google подтвердил производительность Flash в бенчмарках в своём официальном объявлении: 76.2 процента на Terminal-Bench 2.1, 83.6 процента на MCP Atlas и 84.2 процента на CharXiv Reasoning — превзойдя более старую Gemini 3.1 Pro по всем трём — при работе в четыре раза быстрее сопоставимых frontier-моделей по цене $1.50 за миллион входных токенов и $9 за миллион выходных токенов.

Роль Flash — это оптимизированное по скорости выполнение с большим объёмом: циклы агентов, пропускная способность генерации кода и субсекундные цепочки задач, необходимые корпоративным инструментам. Ожидаемая роль Pro — это устойчивая сложная работа, требующая более длинных цепочек умозаключений: модификация кода в нескольких файлах, анализ документов с длинным контекстом и сложные задачи на рассуждение, которыми скоростная архитектура Flash намеренно жертвует. Интеграция Salesforce Agentforce, которая заработала в июне с использованием Gemini 3.5 Flash, иллюстрирует экономику: корпоративные агентные платформы совершают тысячи вызовов модели за рабочий процесс, что делает структуру затрат Flash необходимой, а более глубокие рассуждения Pro — дополнением, а не стандартом.

Корпоративные команды, которым нужно запустить продукт до 17 июля, имеют жизнеспособный путь в Flash. Команды, создающие рабочие нагрузки, которые конкретно требуют глубокого многомодульного рассуждения, извлечения длинного контекста за пределами эффективного диапазона Flash или сложного математического решения проблем, должны рассматривать Gemini 3.5 Pro как элемент для наблюдения, а не как зависимость для планирования, пока Google не опубликует карточку модели.

На что разработчики могут рассчитывать сейчас

Официальная страница модели Google описывает 3.5 Pro как «скоро». Публичный API перечисляет gemini-3.5-flash и gemini-3.1-pro-preview. Пока gemini-3.5-pro не появится в публичном API с ценами и прикреплённой карточкой модели, все спецификации — включая дату 17 июля — остаются неподтверждёнными.

Когда модель наконец выйдет, первое, что нужно проверить, — это не оценки бенчмарков. Это: страница с ценами (чтобы определить, отражает ли слуховая оценка в $15/$60 за миллион токенов фактическое позиционирование), официальная спецификация контекстного окна (чтобы узнать, подтверждена ли цифра в 2 миллиона токенов и применяется ли она на стандартном уровне API) и первые независимые бенчмарки извлечения длинного контекста от оценщиков, которые тестируют качество MRCR на расширенных диапазонах, а не только проверяют, принимает ли модель длинную подсказку.

Решение о перестройке, если репортажи точны, является самой значимой частью информации в этой истории. Оно говорит разработчикам, что внутренняя оценка Google определила разрыв как достаточно реальный, чтобы оправдать дорогостоящее вмешательство. Привело ли вмешательство к модели, которая значительно сокращает этот разрыв с GPT-5.6 Sol и Fable 5, — это вопрос, на который можно ответить только после того, как появится карточка модели и независимые оценщики проведут структурированные тесты. Следите за обоими 17 июля или после.

Доступна ли Gemini 3.5 Pro сейчас?

Нет. По состоянию на 13 июля Gemini 3.5 Pro не указана как общедоступная модель в публичном Gemini API. Google AI Studio и Gemini API показывают gemini-3.5-flash и gemini-3.1-pro-preview. Ограниченная корпоративная предварительная версия работает на Vertex AI как минимум с конца июня, но публичный доступ не запущен. Сторонние репортажи называют 17 июля датой общего доступа; Google это не подтвердил.

Что на самом деле означает контекстное окно в 2 миллиона токенов для разработчиков?

Цифра в 2 миллиона токенов широко распространена, но не подтверждена Google ни в одной официальной документации. Если она точна, это удваивает контекст, доступный в стандартном Gemini 3.5 Flash API. Однако заявленное контекстное окно и эффективная производительность контекста — разные вещи. Независимое исследование 18 frontier-моделей показало, что качество рассуждений каждой модели ухудшается до заявленного предела — в некоторых случаях на 30–40 процентов. Gemini 3.1 Pro уже иллюстрирует это: у неё окно в 1 миллион токенов, но качество извлечения контекста в нескольких диапазонах резко падает после 128K токенов в результатах бенчмарков. Улучшила ли перестройка Gemini 3.5 Pro конкретно качество извлечения длинного контекста, а не только размер окна, — это вопрос, за которым стоит следить, когда независимые оценщики опубликуют результаты после запуска.

Стоит ли разработчикам ждать Gemini 3.5 Pro или строить на Gemini 3.5 Flash сейчас?

Это зависит от рабочей нагрузки. Gemini 3.5 Flash подтверждена, общедоступна и имеет официальные бенчмарки, показывающие высокую производительность на агентных и кодовых задачах по цене $1.50/$9.00 за миллион токенов. Для высокообъёмных циклов агентов, генерации кода и задач в пределах эффективного диапазона контекста Flash Flash является жизнеспособным выбором для производства уже сегодня. Для рабочих нагрузок, требующих устойчивого многомодульного рассуждения в очень длинных контекстах, сложного математического решения проблем или самых тяжёлых задач на умозаключения, ожидание карточки модели Gemini 3.5 Pro перед принятием обязательств является менее рискованным подходом — пока нет подтверждённого листа спецификаций, и дата 17 июля может сдвинуться.

Почему Google, по сообщениям, отказался от оригинальной Gemini 3.5 Pro вместо того, чтобы просто донастроить её?

Согласно сторонним репортажам от HackerNoon и Geeky Gadgets, оригинальная модель показала сбои в рекурсивных средах вызова инструментов и сложной генерации SVG-макетов, которые, по мнению инженеров Google, нельзя было исправить методами пост-обучения. Предварительное обучение — это фундаментальная фаза, формирующая основные возможности модели; тонкая настройка и RLHF могут доработать и выровнять модель, но не могут фундаментально изменить паттерны возможностей, заложенные предварительным обучением. Решение перезапустить предварительное обучение сигнализирует о том, что самооценка Google заключалась в том, что разрыв был структурным — и что модель была бы явно превзойдена GPT-5.6 и Fable 5 при запуске в текущем виде. Эти утверждения исходят от неназванных внутренних источников и не были подтверждены Google.