2 miliony tokenów: jak Google naprawiło Gemini 3.5 Pro, który nie przeszedł testów

Niepowodzenie, które poprzedziło premierę, nie zostało ogłoszone. Google po cichu odłożył pierwszą wersję Gemini 3.5 Pro po tym, jak wewnętrzne oceny ujawniły krytyczne niedociągnięcia: słabe wyniki w rozumowaniu matematycznym, uszkodzone generowanie SVG i niespójną jakość obrazów. Model, który planowano wypuścić wcześniej w tym roku, nie był wystarczająco dobry, by trafić do rąk użytkowników – więc nie trafił.

Przebudowa i to, co odblokowała

Model, który właśnie zadebiutował, to zupełnie inna konstrukcja. Przebudowany Gemini 3.5 Pro otwiera okno kontekstowe o pojemności 2 milionów tokenów – dwukrotnie większe niż limit 1 miliona w Gemini 2.5 Pro. Oznacza to, że zespół prawny może wrzucić do pojedynczego wywołania API całą bibliotekę umów, roczne sprawozdania finansowe i pełne archiwum e-maili, zanim zada pierwsze pytanie. 200-tysięczny dokument, który wcześniej wymagałby podziału na trzy osobne wywołania, teraz mieści się w kontekście z zapasem.

To okno wiąże się ze strukturą cenową zaprojektowaną dla przedsiębiorstw: 15 dolarów za milion tokenów wejściowych, 60 dolarów za milion tokenów wyjściowych. Wygenerowanie 10-tysięcznej analizy z korpusu dokumentów liczącego 500 000 słów kosztuje około 37 dolarów – to realne pieniądze, ale poniżej stawki godzinowej młodszego analityka, którego zastępuje w zadaniach przeglądu dokumentów.

Premiumowy poziom rozumowania, nazwany Deep Think, znajduje się za subskrypcją Ultra za 250 dolarów miesięcznie. Ta decyzja cenowa wyznacza granicę: standardowi użytkownicy API otrzymują zdolny model ogólnego przeznaczenia; najpotężniejsza wersja rozumowania pozostaje odcięta od indywidualnych programistów, którzy nie zapłacą równowartości opłaty za licencję oprogramowania tylko po to, by uzyskać do niej dostęp.

Konkurencja, którą musi prześcignąć

DeepSeek V4-Pro zadebiutował w czerwcu za 0,87 dolara za milion tokenów wyjściowych – około 69 razy taniej według tej metryki – z wynikami benchmarków dorównującymi Gemini 3.5 Pro w kilku bezpośrednich porównaniach. Fable 5 i GPT-5.6 Sol uruchamiają własne warianty z rozszerzonym kontekstem, choć oba wciąż są w ograniczonej wersji zapoznawczej. Odpowiedź Google na kwestię ceny jest taka, że 2 miliony tokenów umożliwia zadania, których żadna konkurencyjna architektura nie jest w stanie obsłużyć bez kosztownej orkiestracji wielokrotnych wywołań – porównanie kosztów ma sens tylko wtedy, gdy zadanie mieści się w krótszym oknie.

Nie opublikowano jeszcze żadnej niezależnej oceny Gemini 3.5 Pro w skali 2 milionów tokenów. Modele z długim kontekstem niezawodnie tracą dokładność wyszukiwania wraz ze wzrostem głębokości dokumentów – to znany tryb awarii w poprzednich wersjach Gemini. Google spędził rok na przebudowie modelu. To, czy ten rok rozwiązał problem na dużą skalę, jest pytaniem, które każdy zespół korporacyjny kupujący po 60 dolarów za milion tokenów odpowie jako pierwszy.

Tagi: sztuczna inteligencja, Google, Gemini, DeepSeek, modele AI