Googles ombyggda Gemini 3.5 Pro: 2 miljoner tokens och ett år av ny konstruktion

Misslyckandet som föregick dagens lansering offentliggjordes inte. Google lade tyst ned den första versionen av Gemini 3.5 Pro efter att interna utvärderingar avslöjade kritiska brister: dålig prestanda inom matematisk slutledning, trasig SVG-generering och ojämn bildkvalitet. Modellen som företaget planerat att lansera tidigare i år var inte tillräckligt bra för att skickas ut, så den gjorde det inte.

Ombyggnaden och vad den möjliggjorde

Det som lanseras idag är en helt annan modell. Den ombyggda Gemini 3.5 Pro öppnar med ett kontextfönster på 2 miljoner tokens, dubbelt så stor kapacitet som Gemini 2.5 Pro:s gräns på 1 miljon tokens, vilket innebär att ett juridiskt team kan lägga in ett helt kontraktsbibliotek, ett års finansiella dokument och ett fullständigt e-postarkiv i ett enda API-anrop innan de ställer sin första fråga. En promemoria på 200 000 ord som tidigare skulle ha krävt uppdelning i tre separata anrop får nu plats i kontexten med gott om utrymme.

Det fönstret kommer med en prismodell utformad för företagskonsumtion: 15 dollar per miljon input-tokens, 60 dollar per miljon output-tokens. Att generera en analys på 10 000 ord från en dokumentkorpus på 500 000 ord kostar ungefär 37 dollar – verkliga pengar, men under timtaxan för den junioranalytiker som det ersätter vid dokumentgranskningsuppgifter.

Den premium-nivån för slutledning, kallad Deep Think, ligger bakom en Ultra-prenumeration på 250 dollar per månad. Det prismässiga beslutet drar en gräns: vanliga API-användare får en kapabel generell modell; den mest kraftfulla slutledningsversionen förblir avskärmad från enskilda utvecklare som inte vill betala motsvarigheten av en programvarulicens per plats bara för att få tillgång till den.

Konkurrensen den måste besegra

DeepSeek V4-Pro lanserades i juni för 0,87 dollar per miljon output-tokens, ungefär 69 gånger billigare på den mätpunkten, med benchmarkresultat som matchar Gemini 3.5 Pro i flera direkta jämförelser. Fable 5 och GPT-5.6 Sol kör sina egna varianter med utökad kontext, även om båda fortfarande är i begränsad förhandsgranskning. Googles svar på prissättningen är att 2 miljoner tokens möjliggör arbetsbelastningar som ingen konkurrerande arkitektur kan hantera utan dyr orkesterring med flera anrop – kostnadsjämförelsen håller bara om uppgiften ryms i ett kortare fönster.

Ingen oberoende utvärdering av Gemini 3.5 Pro i skalan 2 miljoner tokens har ännu publicerats. Modeller med lång kontext förlorar tillförlitligt återvinningsnoggrannhet i takt med att dokumentdjupet ökar – ett känt fel i tidigare Gemini-versioner. Google ägnade ett år åt att bygga om modellen. Om det året fixade problemet i stor skala är frågan varje företagsteam som köper in för 60 dollar per miljon först kommer att besvara.

Taggar: artificiell intelligens, Google, Gemini, AI-modeller, DeepSeek