Как Gemini 3.5 Flash сломали ради красивых графиков (и почему она обходит 3.1 Pro только на бумаге)

Значимый прорыв формирует отрасль ИИ: YH7H22 только что Как Gemini 3. 5 Flash сломали ради красивых графиков (и почему она обходит 3. 1 Pro только на бумаге) Средний 3 мин 0 Машинное обучение * Искусственный интеллект На презентациях нам показывают графики, где новая, более дешевая gemini 3.

5 flash рвет флагманскую gemini 3. Цифры выглядят солидно: 76. 3% на агентском terminal bench.

Технические детали

Но когда я пошел ее тестить, я задался вопросом: "Почему она такая деревянная? Модель генерирует текст так, словно это не нейросеть, а скрипт. Исчезла вариативность, исчез контекстный тон, исчезла та самая искра, которая была даже в прошлой 3.

Почему модель, которая умнее по метрикам, оказывается глупее и скучнее в жизни? Ответ кроется в архитектурном компромиссе и законе Гудхарта. Проклятие АгентовЕсли вы внимательно почитаете релизы Google, вы заметите одно слово, которое повторяется сотни раз: Agentic.

5 flash создавали не для того, чтобы с ней болтать. Ее создавали как движок для antigravity 2. 0 и платформы agent OS.

Отраслевые последствия

Что такое хороший агент с точки зрения автоматического скрипта-оценщика? Это модель, которая на промпт "создай файл" выдает строго {"action": "create", "file": "x. Если модель ответит: "Конечно, сейчас создам файл, вот ваш JSON: ...

", эвалюатор сломается при парсинге и поставит модели ноль баллов. Чтобы побить gemini 3. 1 pro на бенчмарках вроде MCP atlas или toolathlon, разработчикам пришлось провести жесточайший файнтюн.

На миллионах примеров модель жестко штрафовали за разговорчивость и поощряли за сухую, детерминированную генерацию команд. Оптимизируя модель под бенчмарки агентов, google буквально выжег из модели ассоциативные связи, отвечающие за метафоры, эмпатию и вариативность синтаксиса. Модель разучилась быть собеседником, потому что за это снижали награду на этапе обучения.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.