Ist Gemini 3.5 Pro schon verfügbar?
Nein. Ich prüfe das ständig, denn „Gemini 3.5 Pro“ gehört gerade zu den meistgesuchten KI-Begriffen, und die Suchergebnisse sind voll von selbstsicher klingenden Datenblättern für ein Modell, das gar keine öffentliche Seite hat.
Hier ist, was drei separate Google-eigene Seiten Stand Juli 2026 tatsächlich zeigen:
- Die Gemini-Pro-Modellseite zeigt das aktuelle Flaggschiff als Gemini 3.1 Pro, direkt darüber das Badge „3.5 Pro coming soon“.
- Die Gemini-API-Modellliste hat keinen
gemini-3.5-pro-Eintrag, weder in Stable noch in Preview. Das neueste Pro-Modell, das du aufrufen kannst, istgemini-3.1-pro-preview. - Die API-Preisseite hat eine Zeile für Gemini 3.1 Pro und eine für Gemini 3.5 Flash, aber keinen Preis für 3.5 Pro.
Kurz gesagt: Die 3.5-Generation ist real und teilweise erschienen, aber das Pro-Mitglied davon nicht. Diese Unterscheidung sorgt oft für Verwirrung, deshalb hier die ganze Familie auf einen Blick.
Was Google tatsächlich bestätigt hat
Ich halte mich an das, was auf Googles eigenen Seiten steht, denn das ist hier der einzig verlässliche Boden.
Die 3.5er-Serie wurde am 19. Mai 2026 auf der Google I/O angekündigt, in einem Beitrag unter der Feder von DeepMind-CTO Koray Kavukcuoglu gemeinsam mit Jeff Dean, Oriol Vinyals und Noam Shazeer. Das Versprechen für die gesamte Linie lautet „Frontier-Intelligenz mit Aktion“, sprich sie ist auf agentische Workflows und Coding ausgelegt, nicht nur auf Chat. Im selben Beitrag schrieb Google, 3.5 Pro werde „bereits intern genutzt“ und solle „nächsten Monat ausgerollt“ werden. Der Beitrag stammt vom Mai, „nächsten Monat“ meinte also Juni. Das liegt inzwischen weit zurück.
Zum Launch erschien nur Gemini 3.5 Flash, und laut Google schlägt es bereits das ältere Gemini 3.1 Pro in mehreren agentischen und Coding-Tests. Diese Flash-Werte sind die einzigen von Google veröffentlichten Benchmarks der 3.5-Generation und damit die beste Grundlage, um abzuschätzen, wo 3.5 Pro landen wird:
Die von Google hervorgehobenen Flash-Spitzenwerte sind Terminal-bench 2.1 mit 76,2 % für agentische Terminal-Arbeit, MCP Atlas mit 83,6 % für Tool-Aufrufe und CharXiv Reasoning mit 84,2 % für das Lesen komplexer Diagramme, dazu die Behauptung, "4-mal schneller als andere Frontier-Modelle" bei der Ausgabegeschwindigkeit zu sein. Noch eine Klarstellung: Der bereits erschienene „Deep Think“-Reasoning-Modus ist Gemini 3.1 Deep Think, keine 3.5-Pro-Variante. Google hat kein 3.5 Pro Deep Think angekündigt, behandle das also nicht als bestätigt.
Warum dauert Gemini 3.5 Pro so lange?
Google hat keine detaillierte Erklärung geliefert, aber die Form der Verzögerung wird aus dem eigenen „coming soon“-Status und dem klar, was die Entwickler-Community offen sagt. Der Frust ist echt und gerade das lauteste Thema rund um 3.5 Pro.
Die Stimmung ist von Unglauben geprägt, dass Google vom Spitzenreiter zu monatelangem Rückstand wurde:
"Near the end of 2025, Google was on top - best LLM (Gemini 3 Pro), best video model (Veo 3.1), and best image model (Nano Banana). They seemed unstoppable. And then, they stopped. Why?"
Und Entwickler führen die Verzögerung immer wieder auf eine bestimmte Schwäche zurück: Zuverlässigkeit.
"Alphabet Inc.'s Google is months behind schedule on delivering Gemini 3.5 Pro, its most powerful flagship AI model, because the company has been taking time to try to improve its capabilities, particularly in coding... Seems like deepmind needs to get more internal usage"
Dieses Thema „Zuverlässigkeit verbessern“ ist wichtig, wenn du irgendein Gemini-Modell für echte Arbeit bewertest, deshalb lohnt es sich, es genauer aufzuschlüsseln, bevor du dich festlegst.
Was du heute tatsächlich nutzen kannst: Gemini 3.1 Pro
Während du wartest, ist Gemini 3.1 Pro das Flaggschiff, und das ist kein Trostpreis. In Googles eigener Leistungstabelle führt es bei GPQA Diamond (94,3 %), Humanity's Last Exam (44,4 %), ARC-AGI-2 (77,1 %) und LiveCodeBench Pro (2887 Elo), und es liefert sich bei SWE-Bench Verified mit Claude Opus ein knappes Kopf-an-Kopf-Rennen um Platz eins (80,6 % zu 80,8 %). Die wichtigsten Spezifikationen:
| Spezifikation | Gemini 3.1 Pro |
|---|---|
| Modell-ID | gemini-3.1-pro-preview |
| Status | Preview |
| Input-Kontext | 1 Mio. Tokens |
| Output-Limit | 64.000 Tokens |
| Wissensstand | Januar 2025 |
| Input-Modalitäten | Text, Bild, Video, Audio, PDF |
| Tool-Nutzung | Function Calling, strukturierte Ausgabe, Suche, Code-Ausführung |
Spezifikationen von der Gemini-3.1-Pro-Modellseite. Es ist in der Gemini-App, in Google AI Studio, in der Gemini API und in Google Antigravity verfügbar.
Preise für Gemini 3.1 Pro und 3.5 Flash
Genau hier fällt meist die Entscheidung „welches Modell“, deshalb hier die echten API-Preise (pro Million Tokens, Standardstufe). Pro ist die einzige Familie, deren Preis bei der 200.000-Token-Marke springt.
| Modell | Input (≤200k) | Input (>200k) | Output (≤200k) | Output (>200k) | Kostenlose Stufe |
|---|---|---|---|---|---|
| Gemini 3.1 Pro | $2.00 | $4.00 | $12.00 | $18.00 | Nein |
| Gemini 3.5 Flash | $1.50 | $1.50 | $9.00 | $9.00 | Ja |
| Gemini 3.1 Flash-Lite | $0.25 | $0.25 | $1.50 | $1.50 | Ja |
Zahlen von der Gemini-API-Preisseite. Günstigere Batch- und Flex-Stufen halbieren diese Sätze in etwa, eine Priority-Stufe kostet mehr. Eine Falle, die du einplanen solltest: Grounding mit Google Search ist für die ersten 5.000 Prompts im Monat über die gesamte Gemini-3-Familie hinweg kostenlos, danach kostet es 14 $ pro 1.000 Anfragen.
Wenn du lieber einen festen Verbraucherpreis zahlst, statt Tokens zu zählen: Google hat seine Pläne nach der I/O umbenannt:
| Plan | Preis | Speicher | Was du bekommst |
|---|---|---|---|
| Google AI Plus | $4.99/mo | 400 GB | Gemini-App, Gemini Notebook |
| Google AI Pro | $19.99/mo | 5 TB | Höhere Limits, 10 $/Monat Cloud-Guthaben |
| Google AI Ultra (5x) | $99.99/mo | 20 TB | 5x Nutzung, Project Genie |
| Google AI Ultra (20x) | $199.99/mo | Am höchsten | 20x Nutzung über Gemini und Antigravity hinweg |
Aktuelle Preise von den Google-AI-Plänen. Für eine ausführlichere Kostenaufschlüsselung, einschließlich wie diese im Vergleich zu Gemini-3-Preisen und den besten Gemini-Alternativen abschneiden, gehen diese beiden Leitfäden tiefer ins Detail, als ich es hier kann.
Was echte Nutzer über Gemini Pro sagen
Benchmarks sind das eine, der tägliche Gebrauch etwas anderes, und das Urteil der Entwickler zur Gemini-Pro-Linie ist wirklich gespalten. Die Vorteile sind real: Mehrere Leute nutzen 3.x Pro als tägliches Arbeitspferd, wegen der Geschwindigkeit und weniger alltäglicher Fehler als bei ChatGPT.
"In my experience Gemini 3.0 pro is noticeably better than chatgpt 5.2 for non-coding tasks. The latter gives me blatantly wrong information all the time, the former very rarely."
Aber die wiederkehrende Beschwerde, genau das, was der 3.5-Pro-Umbau beheben soll, ist selbstsicheres Halluzinieren:
"Use ChatGPT, and it's ask a question, get an answer, done... But use Gemini? You get burned by the hallucinations Gemini casually spews out on a daily basis. You develop a habit of fact checking every single answer."
Und speziell beim agentischen Coding sinkt die Stimmung noch weiter, mit Berichten über Doom-Loops statt reiner Intelligenzlücken:
"My sense is that the Gemini models are very capable but the Gemini CLI experience is subpar compared to Claude Code and Codex... it can get confused, fall into doom loops, and generally lose the plot."
Das ist die Käufer-Spannung in einem Satz: Die Benchmarks sagen „probier's aus“, die reale Welt sagt „beaufsichtige es ständig“. Genau deshalb interessiert mich bei allem, was Kundenkontakt hat, weniger die Modellnummer als die Ebene darüber.
Das Modell ist der Motor, nicht das Auto
Hier die Neurahmung, die ich dir mitgeben möchte, besonders wenn du diesen Beitrag gefunden hast, während du entscheidest, auf welchem Modell du deinen Kundensupport aufbaust. Frontier-Modelle überholen sich alle paar Wochen gegenseitig. Gemini 3.1 Pro führt heute, 3.5 Pro wird es überholen, GPT und Claude werden kontern, und so geht es weiter. Wenn deine Support-Automatisierung an ein einziges Modell geschweißt ist, wird jede dieser Veröffentlichungen zum Migrationsprojekt.
Was tatsächlich entscheidet, ob ein KI-Support-Agent etwas taugt, ist nicht das Basismodell, sondern alles, was drumherum gebaut ist: ob er auf deinem Wissen trainiert ist, ob du Leitplanken dafür setzen kannst, was er sagen darf, und ob du ihn testen kannst, bevor er einen echten Kunden erreicht. Ich habe genug Zeit damit verbracht, einem selbstsicher klingenden Bot beim Falschantworten zuzusehen, um zu wissen, dass die oben erwähnte Halluzinationssorge im Support das ganze Spiel ist. Die Lösung ist keine bessere Modellnummer, sondern ein System, das zuerst gegen deine echten vergangenen Tickets simuliert und nur dort automatisch antwortet, wo es sich als sicher erwiesen hat.
Probiere eesel für KI-Support, der nicht an ein Modell gebunden ist
Genau dieses System ist eesel. Es ist ein KI-Agent für Kundensupport, der im Hintergrund auf Frontier-Modellen wie Gemini läuft, sich in dein bestehendes Helpdesk einbindet (Zendesk, Freshdesk, Gorgias und mehr) und mit deinen vergangenen Tickets und deinem Help Center trainiert wird. Wenn also das nächste Gemini, GPT oder Claude erscheint, bekommst du das Upgrade, ohne irgendetwas neu aufzubauen.
Das Unterscheidungsmerkmal, das direkt an die oben genannte Halluzinationssorge anknüpft: eesel simuliert an Tausenden deiner historischen Tickets, bevor es live geht, sodass du zuerst die Lösungsquote und die exakten Antworten auf echte Fragen siehst und die Automatisierung erst dort hochdrehst, wo es sicher ist. Es ist kostenlos zum Ausprobieren und in Minuten eingerichtet, ganz ohne Modell-Babysitting.
Häufig gestellte Fragen
Ist Gemini 3.5 Pro schon verfügbar?
gemini-3.5-pro-Modell-ID in der API und keine Preiszeile für 3.5 Pro. Die breitere 3.5-Familie ist bereits erschienen (Flash und Live Translate), aber das Pro-Modell noch nicht.Wann erscheint Gemini 3.5 Pro?
Was kostet Gemini 3.1 Pro?
Sollte ich Gemini 3.1 Pro oder Gemini 3.5 Flash verwenden?
Kann ich Gemini 3.5 Pro für die Automatisierung des Kundensupports nutzen?
Article by
Kurnia Kharisma Agung Samiadjie
Kurnia is a software engineer and writer at eesel AI with two years of SEO experience, writing about AI tools, helpdesk software, and customer support. He pairs a developer's understanding of how these products are built with search-driven research into what actually ranks and resonates with the people searching for them.
