Gemini 3 Flash Preview؛ بررسی مدل Legacy گوگل و جایگاه آن میان Flashهای جدید
آخرین راستیآزمایی: ۱۲ سپتامبر ۲۰۲۶
تاریخ عرضه: ۱۷ دسامبر ۲۰۲۵
قیمت و شیوهٔ محاسبه: Standard ورودی متن، تصویر و ویدیو: ۰٫۵۰ دلار برای هر یک میلیون توکن؛ Standard خروجی شامل Thinking: ۳ دلار تعرفه و دسترسی را برای زمان خرید دوباره در منبع رسمیِ مقاله بررسی کنید.
مقدمه
Gemini 3 Flash در دسامبر ۲۰۲۵ یک ادعای مهم داشت: توان استدلال نزدیک به مدلهای بزرگ با سرعت و قیمت رده Flash. مدل در زمان عرضه به گزینه پیشفرض Gemini App و AI Mode تبدیل شد و برای Coding، تحلیل چندوجهی و تجربههای تعاملی معرفی شد.
کمتر از یک سال بعد، خانواده Flash چند نسل جلو رفت. صفحه قیمت فعلی Google، gemini-3-flash-preview را صریحاً «Legacy Flash model» مینامد، هرچند Endpoint هنوز در مستندات و API فهرست شده است.
بنابراین این مقاله فقط مرور یک مدل قدیمی نیست؛ راهنمای تصمیم برای تیمی است که هنوز روی Snapshot اولیه Gemini 3 ساخته است. باید بدانیم چه چیزی همچنان کار میکند، ریسک Preview چیست و چه زمانی مهاجرت به 3.5 یا 3.8 Flash منطقیتر است.
معرفی کامل Gemini 3 Flash Preview
Google مدل Gemini 3 Flash را در ۱۷ دسامبر ۲۰۲۵ عرضه کرد. شناسه توسعهدهنده آن gemini-3-flash-preview است و در ۱۲ سپتامبر ۲۰۲۶ همچنان وضعیت Preview دارد. صفحه قیمت رسمی آن را Legacy معرفی میکند.
این مدل بر پایه هسته استدلالی Gemini 3 Pro ساخته شد و Thinking Levels را برای تنظیم کیفیت، هزینه و Latency به رده Flash آورد. جایگاه اولیه آن، مدل عمومی سریع برای کاربران، توسعهدهندگان و Agentهای روزمره بود.
دسترسی زمان عرضه شامل Gemini API، AI Studio، Antigravity، Gemini CLI، Android Studio، Vertex AI، Gemini Enterprise، Gemini App و AI Mode بود. حضور یک Endpoint در مستندات به معنای توصیه برای پروژه تازه نیست؛ Lifecycle و جایگزین جدیدتر باید جدا سنجیده شوند.
قابلیتهای اصلی
Reasoning با سطح Thinking
مدل میتواند مقدار استدلال را متناسب با مسئله تغییر دهد. در حالت Thinking برای ریاضی، برنامهریزی و Coding زمان بیشتری صرف میکند؛ برای پاسخ ساده میتوان Latency و مصرف را پایین آورد.
Agentic Coding و Vibe Coding
Gemini 3 Flash برای ساخت Prototype، تولید چند طرح رابط و اجرای Workflow کدنویسی معرفی شد. نتیجه رسمی ۷۸٪ در SWE-bench Verified نشان میداد مدل سریع میتواند در وظایف Repositoryمحور با مدلهای بزرگ رقابت کند.
ورودی چندوجهی
متن، تصویر، صوت، ویدیو و PDF با Context یکمیلیونتوکنی پذیرفته میشوند. مدل میتواند ویدیو را تحلیل، Screenshot را توضیح و داده چندرسانهای را ترکیب کند؛ خروجی بومی تصویر، صوت یا ویدیو ندارد.
ابزارها و Computer Use
Function Calling، Code Execution، File Search، URL Context، Structured Outputs و Computer Use پشتیبانی میشوند. چون خود مدل Preview و Legacy است، هر Tool Flow باید با Pin، محدودیت مجوز و تست بازگشتی اجرا شود.
Search و Maps Grounding
Google Search و Maps Grounding میتوانند داده زنده و مکانی وارد پاسخ کنند. مدل بهتنهایی وب زنده ندارد؛ برنامه باید ابزار را فعال و Citation را نگهداری کند.
Caching و گزینههای مصرف
Context Caching، Batch، Flex و Priority در مستندات فعلی پشتیبانی میشوند. برای ورودی طولانی و تکرارشونده، Cache میتواند هزینه را کم کند؛ اما ذخیره ساعتی نیز هزینه دارد.
مهمترین نقاط قوت
- جهش تاریخی در نسبت Reasoning به سرعت برای رده Flash
- عملکرد قوی زمان عرضه در SWE-bench، MMMU-Pro و Toolathlon
- Context یکمیلیونتوکنی و ورودی چندوجهی کامل
- پشتیبانی از Computer Use و ابزارهای متنوع Gemini API
- قیمت پایینتر از مدلهای Pro همنسل
- Baseline مفید برای اندازهگیری پیشرفت نسلهای جدید Flash
محدودیتها و نقاط ضعف
مدل هم Preview و هم Legacy است. این ترکیب برای پروژه جدید ریسک بالایی دارد: رفتار یا Endpoint ممکن است تغییر کند و Google نسخههای Stable و جدیدتر با کیفیت بهتر عرضه کرده است.
Artificial Analysis این مدل را Deprecated علامت زده و فقط Workload پیشفرض 10K را بهروز میکند. این وضعیت به معنای خاموششدن فعلی API نیست، اما نشان میدهد اکوسیستم Benchmark تمرکز را به جانشینها منتقل کرده است.
Knowledge Cutoff رسمی جداگانه در Model Card پیدا نشد؛ Artificial Analysis ژانویه ۲۰۲۵ را ثبت میکند. برای اطلاعات متغیر باید Grounding بهکار رود و تاریخ مستقل را نباید معادل اعلام رسمی Google دانست.
مدل خروجی بومی رسانه و Live API ندارد. در FACTS Suite رسمی نیز ۶۱٫۹٪ ثبت کرده که از Gemini 3 Pro پایینتر است؛ بنابراین پاسخ مطمئن و روان میتواند همچنان Fact Error داشته باشد.
کاربردهای واقعی Gemini 3 Flash Preview
نگهداری یکپارچهسازی قدیمی
تیمی که روی این Snapshot تست و Prompt تثبیتشده دارد میتواند تا پایان مهاجرت آن را نگه دارد، به شرط Monitoring خطا و یک مدل جایگزین آماده.
Baseline برای Regression Eval
خروجی 3 Flash میتواند خط پایهای برای سنجش 3.5، 3.6 یا 3.8 باشد. کیفیت، Token Use، Tool Success و Latency باید با ورودی یکسان مقایسه شوند.
Prototype چندوجهی
مدل میتواند از تصویر، صدا یا ویدیو یک تجربه HTML تعاملی یا طرح آموزشی بسازد. برای انتشار، امنیت کد و حقوق دارایی ورودی باید بررسی شوند.
Agent جستجو و ابزار
در محیط کنترلشده، Search، Code Execution و Function Calling میتوانند گزارش یا اقدام محدود بسازند. Preview بودن مدل دلیل بیشتری برای Human Approval است.
تحلیل سریع رسانه
ویدیو یا صوت به خلاصه، Timestampهای مهم و سؤالوجواب تبدیل میشود. ادعای دقیق باید با بخش اصلی فایل تطبیق داده شود.
این مدل مناسب چه کسانی است؟
Gemini 3 Flash Preview امروز بیشتر برای تیمهایی مناسب است که یک سیستم قدیمی روی همین Endpoint دارند، به Baseline تاریخی نیاز دارند یا میخواهند Migration را کنترلشده انجام دهند.
برای پروژه جدید، 3.8 Flash یا یک مدل Stable جدیدتر منطقیتر است. کاربر عادی نیز بهتر است از مدل فعلی داخل محصول Gemini استفاده کند، نه اینکه به نام Legacy وابسته شود.
مشخصات فنی Gemini 3 Flash Preview
| مشخصه | مقدار تأییدشده |
|---|---|
| Developer | |
| Model Family | Gemini 3 Flash |
| Model Type | مدل اختصاصی چندوجهی و استدلالی |
| Release Date | ۱۷ دسامبر ۲۰۲۵ |
| Lifecycle | Preview؛ در صفحه قیمت فعلی Legacy |
| API Model ID | gemini-3-flash-preview |
| Based On | Gemini 3 Pro |
| Input | متن، تصویر، صوت، ویدیو و PDF |
| Output | متن |
| Context Window | ۱٬۰۴۸٬۵۷۶ توکن ورودی |
| Maximum Output | ۶۵٬۵۳۶ توکن |
| Knowledge Cutoff | رسمی برای این Snapshot اعلام نشده؛ Tracker مستقل ژانویه ۲۰۲۵ ثبت کرده است |
| Thinking | بله |
| Vision / Audio / Video Understanding | بله |
| Native Media Generation | خیر |
| Tool Use | Function Calling، Code Execution، File Search و Computer Use |
| Web Search | از طریق Google Search Grounding |
| Live API | خیر |
| Consumption Options | Standard، Batch، Flex و Priority |
| API Availability | هنوز در Gemini API و Google AI Studio فهرست شده است |
۵ نمونه پرامپت کاربردی
۱. Regression Test مهاجرت
پاسخ این Snapshot را با خروجی مدل جدید طبق Rubric پیوست مقایسه کن. تفاوت در Fact، Schema، Tool Call، طول و لحن را ثبت کن و هیچ تغییر را بدون معیار «بهبود» ننام.
۲. Prototype چندوجهی
از این تصویر و توضیح صوتی یک Prototype تکفایلی HTML/CSS/JS بساز. کد خارجی بارگیری نکن، تعامل Keyboard را اضافه کن و همه فرضیات بصری را جدا بنویس.
۳. تحلیل ویدیو
بخشهای مهم این ویدیو را با Timestamp و دلیل اهمیت فهرست کن. مشاهده مستقیم را از تفسیر جدا نگه دار و اگر یک رویداد واضح نیست سطح اطمینان بده.
۴. Agent جستجوی محدود
فقط منابع رسمی منتشرشده در بازه تعیینشده را با Search Grounding بررسی کن. هر ادعا باید تاریخ و URL داشته باشد. پس از پنج Query متوقف شو و شکافهای اطلاعاتی را گزارش کن.
۵. Tool Flow امن
درخواست را تحلیل و فقط Function خواندنی مناسب را فراخوانی کن. عملیات نوشتن، پرداخت، ارسال یا حذف ممنوع است. نتیجه ابزار را با Schema بررسی و خطای داده را به انسان ارجاع بده.
بنچمارکها و ارزیابی عملکرد
جدول زیر از صفحه رسمی عملکرد Google در دسامبر ۲۰۲۵ است و Vendor-reported محسوب میشود. تنظیم Thinking و Harness مطابق گزارش سازندهاند؛ درصدهای نسخه دیگر Benchmark نباید با این جدول ادغام شوند.
| Benchmark | Gemini 3 Flash | Gemini 3 Pro | Gemini 2.5 Pro | Claude Sonnet 4.5 | GPT-5.2 xhigh | Grok 4.1 Fast |
|---|---|---|---|---|---|---|
| HLE، بدون ابزار | ۳۳٫۷٪ | ۳۷٫۵٪ | ۲۱٫۶٪ | ۱۳٫۷٪ | ۳۴٫۵٪ | ۱۷٫۶٪ |
| ARC-AGI-2، Verified | ۳۳٫۶٪ | ۳۱٫۱٪ | ۴٫۹٪ | ۱۳٫۶٪ | ۵۲٫۹٪ | — |
| GPQA Diamond | ۹۰٫۴٪ | ۹۱٫۹٪ | ۸۶٫۴٪ | ۸۳٫۴٪ | ۹۲٫۴٪ | ۸۴٫۳٪ |
| AIME 2025، بدون ابزار | ۹۵٫۲٪ | ۹۵٫۰٪ | ۸۸٫۰٪ | ۸۷٫۰٪ | ۱۰۰٪ | ۹۱٫۹٪ |
| MMMU-Pro | ۸۱٫۲٪ | ۸۱٫۰٪ | ۶۸٫۰٪ | ۶۸٫۰٪ | ۷۹٫۵٪ | ۶۳٫۰٪ |
| SWE-bench Verified، یک تلاش | ۷۸٫۰٪ | ۷۶٫۲٪ | ۵۹٫۶٪ | ۷۷٫۲٪ | ۸۰٫۰٪ | ۵۰٫۶٪ |
| Toolathlon | ۴۹٫۴٪ | ۳۶٫۴٪ | ۱۰٫۵٪ | ۳۸٫۹٪ | ۴۶٫۳٪ | — |
| MRCR v2 در 128K | ۶۷٫۲٪ | ۷۷٫۰٪ | ۵۸٫۰٪ | ۴۷٫۱٪ | ۸۱٫۹٪ | ۵۴٫۶٪ |
3 Flash در ARC، AIME، MMMU، SWE-bench و Toolathlon حتی اندکی از 3 Pro جلو میافتد و جهش بزرگی نسبت به 2.5 Pro دارد. GPT-5.2 در ARC، GPQA، AIME، SWE و MRCR بالاتر است؛ 3 Pro نیز HLE و Context بلند را بهتر مدیریت میکند.
در ارزیابی مستقل فعلی Artificial Analysis، نسخه Reasoning امتیاز ۲۶ تخمینی در Intelligence Index v4.3، سرعت ۱۹۱٫۵ توکن بر ثانیه و TTFT حدود ۶٫۱۹ ثانیه دارد. نسخه Non-reasoning امتیاز ۱۸ و سرعت حدود ۱۹۳ توکن بر ثانیه ثبت کرده است.
کلمه «تخمینی» مهم است: ارزیابی مستقل کامل v4.3 برای نسخه Reasoning هنوز در صفحه بهعنوان forthcoming معرفی شده و نباید عدد ۲۶ را همسطح نتیجه نهایی دانست. همچنین Tracker مدل را Deprecated میداند و بعضی دادهها تاریخیاند.
نتایج زمان عرضه با کاربرد واقعی آن همخوان بود: سرعت بالا و Agentic Coding قوی. امروز اما معیار تصمیم باید پیشرفت جانشینها باشد؛ 3.8 Flash در آزمونهای تازهتر و Workflowهای طولانیتر معمولاً خط مقایسه مناسبتری است.
مقایسه Gemini 3 Flash Preview با رقبا
| مدل | مزیت | تصمیم عملی امروز |
|---|---|---|
| Gemini 3 Flash Preview | Snapshot اولیه سریع با Tool Use کامل | فقط برای Legacy، Baseline یا مهاجرت کنترلشده |
| Gemini 3.5 Flash | نسخه Stable با بهبودهای نسل بعد | برای پروژه موجود باید Regression Eval شود |
| Gemini 3.8 Flash | Flash فعلی با Agent و Coding طولانیتر | گزینه اول بیشتر پروژههای جدید Google |
| Gemini 3.1 Pro Preview | استدلال پیچیدهتر و Creative Coding | گرانتر، کندتر و خود آن نیز Preview است |
| GPT-5.2 | برتری در چند Benchmark زمان عرضه | نسل قدیمی رقیب؛ مدلهای فعلی را هم مقایسه کنید |
مقایسه تاریخی نشان میدهد چرا 3 Flash مهم بود، اما انتخاب Production نباید روی جدول ۲۰۲۵ متوقف شود. پایداری Endpoint، قیمت فعلی و نتیجه روی داده خودتان اولویت دارند.
قیمت و API
قیمت بررسیشده در ۱۲ سپتامبر ۲۰۲۶:
- Standard ورودی متن، تصویر و ویدیو: ۰٫۵۰ دلار برای هر یک میلیون توکن
- Standard ورودی صوت: ۱ دلار
- Standard خروجی شامل Thinking: ۳ دلار
- Context Cache: ۰٫۰۵ دلار برای متن/تصویر/ویدیو و ۰٫۱۰ دلار برای صوت؛ Storage برابر ۱ دلار برای هر یک میلیون توکن در ساعت
- Batch: ۰٫۲۵ دلار ورودی متن/تصویر/ویدیو، ۰٫۵۰ دلار صوت و ۱٫۵۰ دلار خروجی
- Flex با نرخ مشابه Batch در جدول فعلی
- Free Tier برای Standard وجود دارد؛ Grounding در Paid Tier پس از سهمیه مشترک هزینه جدا دارد.
این قیمت از 3.5 Flash-Lite بالاتر و در بعضی موارد نزدیک مدلهای جدیدتر است. چون مدل Legacy است، صرف ارزانبودن تاریخی دلیل کافی برای وابستگی تازه به آن نیست.
Gemini 3 Flash Preview را در Buffalo147 AI امتحان کنید
اگر پروژهای قدیمی دارید، یک سناریوی مرجع را روی این Snapshot و جانشین جدید اجرا کنید. تفاوت Tool Call، Accuracy، مصرف توکن و Latency را ذخیره کنید تا مهاجرت بر اساس شواهد انجام شود.
شروع استفاده از Gemini 3 Flash Preview در Buffalo147 AI
جمعبندی
Gemini 3 Flash Preview مدلی اثرگذار بود که Reasoning و Agentic Coding را با سرعت رده Flash ترکیب کرد. Benchmarkهای زمان عرضه، بهخصوص MMMU، SWE-bench و Toolathlon، نشان میدهند این جهش واقعی بود.
محدودیت اصلی امروز، Lifecycle است: Preview، Legacy و دارای چند جانشین. داده مستقل آن نیز تا حدی تاریخی یا تخمینی است و نباید برای خرید جدید بیشازحد وزن بگیرد.
برای نگهداری یک سیستم قدیمی یا Baseline مهاجرت ارزش دارد؛ برای محصول تازه، 3.8 Flash یا مدل Stable همرده انتخاب حرفهایتری است.
پرسشهای متداول
Gemini 3 Flash Preview چیست؟
مدل چندوجهی و استدلالی Google است که در دسامبر ۲۰۲۵ برای سرعت، Coding و Agentها عرضه شد و خروجی متنی دارد.
آیا Gemini 3 Flash Preview هنوز قابل استفاده است؟
بله، در ۱۲ سپتامبر ۲۰۲۶ هنوز در API و قیمتگذاری رسمی فهرست شده؛ اما Google آن را Legacy و وضعیت مدل را Preview اعلام میکند.
آیا استفاده از آن برای پروژه جدید توصیه میشود؟
معمولاً خیر. 3.8 Flash و مدلهای Stable جدیدتر باید گزینه اول Eval باشند. 3 Flash بیشتر برای سازگاری Legacy مناسب است.
آیا Gemini 3 Flash Computer Use دارد؟
بله، صفحه مدل فعلی Computer Use را در قابلیتها فهرست میکند؛ عملیات حساس همچنان باید محدود و تأیید شوند.
آیا این مدل تصویر یا ویدیو تولید میکند؟
خیر. تصویر و ویدیو را تحلیل میکند، اما خروجی بومی رسانه ندارد.
Gemini 3 Flash رایگان است؟
Standard API دارای Free Tier است، اما سهمیه محدود است. مصرف پولی، Cache و Grounding بر اساس جدول جاری محاسبه میشوند.
منابع
- مستند رسمی Gemini 3 Flash Preview
- معرفی Gemini 3 Flash توسط Google
- Model Card رسمی Gemini 3 Flash
- صفحه رسمی عملکرد Gemini 3 Flash
- قیمت رسمی Gemini API
- ارزیابی مستقل نسخه Reasoning
- ارزیابی مستقل نسخه Non-reasoning
یادداشت تحریریه Buffalo147 AI: جدول عملکرد Vendor-reported و مربوط به دسامبر ۲۰۲۵ است. امتیاز مستقل Reasoning در شاخص فعلی تخمینی و مدل در Tracker مستقل Deprecated است.
