Google bygde Gemini 3.5 Pro på nytt fra bunnen: nå håndterer den 2 millioner tokens

Feilen som gikk forut for dagens lansering ble aldri annonsert. Google la stille den første versjonen av Gemini 3.5 Pro på hylla etter at interne evalueringer avdekket kritiske mangler: dårlig ytelse på matematisk resonnering, ødelagt SVG-generering og inkonsekvent bildekvalitet. Modellen de hadde planlagt å lansere tidligere i år var ikke god nok til å sendes ut, så det ble den heller ikke.

Gjenoppbyggingen og hva den låste opp

Det som ble lansert i dag, er en helt annen modell. Den gjenoppbygde Gemini 3.5 Pro åpner med et kontekstvindu på 2 millioner tokens, dobbelt så mye som Gemini 2.5 Pros grense på 1 million. Det betyr at et juridisk team kan laste opp et helt kontraktbibliotek, et års regnskapsdokumenter og en full e-postarkiv i ett enkelt API-kall før de stiller sitt første spørsmål. Et dokument på 200 000 ord som tidligere ville krevd oppdeling i tre separate kall, passer nå i konteksten med god margin.

Dette vinduet kommer med en prisstruktur designet for bedriftsbruk: 15 dollar per million input-tokens, 60 dollar per million output-tokens. Å generere en analyse på 10 000 ord fra et dokumentkorpus på 500 000 ord koster omtrent 37 dollar – reelle penger, men under timeprisen til den junioranalytikeren det erstatter for dokumentgjennomgang.

Premium-resonneringsnivået, kalt Deep Think, ligger bak et Ultra-abonnement på 250 dollar i måneden. Denne prisingen trekker en linje: standard API-brukere får en dyktig generalistmodell; den kraftigste resonneringsversjonen forblir stengt for individuelle utviklere som ikke vil betale det som tilsvarer en programvarelisens bare for å få tilgang.

Konkurransen den må løpe fra

DeepSeek V4-Pro ble lansert i juni til 0,87 dollar per million output-tokens, omtrent 69 ganger billigere på den metrikken, med benchmark-score som matcher Gemini 3.5 Pro i flere head-to-head-evalueringer. Fable 5 og GPT-5.6 Sol kjører sine egne utvidede kontekstvarianter, men begge er fortsatt i begrenset forhåndsvisning. Googles svar på prisingen er at 2 millioner tokens muliggjør arbeidsmengder som ingen konkurrerende arkitektur kan håndtere uten dyr flerkallorkestrering – kostnadssammenligningen holder bare hvis oppgaven passer i et kortere vindu.

Ingen uavhengig evaluering av Gemini 3.5 Pro i 2-million-tokens-skala er ennå publisert. Langkontekstmodeller mister pålitelig gjenfinningsevne etter hvert som dokumentdybden øker – en kjent feilmekanisme i tidligere Gemini-versjoner. Google brukte et år på å bygge opp modellen på nytt. Om det året fikset problemet i stor skala, er spørsmålet ethvert bedriftsteam som kjøper seg inn til 60 dollar per million, vil besvare først.

Tagger: kunstig intelligens, Google, Gemini, AI-modeller, DeepSeek