Gemini 3.5 Flash em modo batch custa metade do Flash comum — vale migrar?

O número que importa não é o IQ

Você olha o preço do Gemini 3.5 Flash e vê 4,50 dólares por milhão de tokens de saída. Parece barato. Mas esse é o preço da variante :batch — uma fila assíncrona que entrega em horas, não em segundos. Comparado com o Flash tradicional, que cobra 9 dólares pelo mesmo milhão, é metade. O detalhe está no asterisco: você troca latência por desconto, e isso muda completamente para quem o serviço serve.

O que a Google entregou de fato

Lançado em 19 de maio, o Gemini 3.5 Flash (batch) é a versão assíncrona do modelo de eficiência da casa. Mesma janela de contexto de 1.048.576 tokens, mesma multimodalidade — texto, imagem, arquivo, áudio e vídeo entrando; só texto saindo. O preço de entrada cai de 1 dólar para 0,75 por milhão de tokens, e o cache, que é onde você paga caro quando faz RAG pesado, despenca para 0,075 por milhão. É um décimo do que se paga normalmente em cache.

Onde isso entra no tabuleiro

Olhando o topo do catálogo hoje, o Flash batch senta numa faixa curiosa. O Gemini 3.1 Pro Preview lidera em inteligência com IQ 47,7 e custa 12 dólares por milhão de saída. O Flash tradicional vem logo abaixo, com IQ 46,7 e 9 dólares. O DeepSeek V4 Pro aparece como o mais barato acima de IQ 45, custando 1,74 dólar por milhão de saída — uma ordem de grandeza abaixo de qualquer modelo do Google nessa faixa.

A pergunta que fica é: por que pagar 4,50 dólares no Flash batch quando o DeepSeek V4 Pro entrega IQ parecido por 1,74? A resposta está no que o Flash batch traz que o concorrente chinês não traz — multimodalidade completa de entrada, incluindo áudio e vídeo, e a infraestrutura de fila assíncrona que a Google já opera em escala.

Para quem vale a pena

Se você tem uma carga de processamento em massa que pode esperar horas — reindexação de base de conhecimento, geração de dataset sintético, classificação de milhares de arquivos de áudio ou vídeo, jobs noturnos de ETL com LLM — o Flash batch é um candidato sério. O desconto de 50% no preço de saída e de 90% no cache se acumula rápido quando você roda milhões de tokens por dia.

Se você precisa de resposta em tempo real — chatbot, agente interativo, ferramenta com usuário esperando na outra ponta — o batch não serve. Você precisa do Flash tradicional, ou de outro modelo síncrono.

Se o seu gargalo é custo puro e multimodalidade não importa, o DeepSeek V4 Pro continua sendo a referência de preço acima de IQ 45. A diferença de quase três vezes no token de saída não se justifica só pela marca.

O que ninguém te conta sobre o batch

Trabalhar com API batch exige que você submeta jobs em lote e aguarde o processamento — geralmente em minutos ou horas, dependendo da fila. Não existe webhook mágico que transforme isso em tempo real. O modelo é o mesmo Flash, com o mesmo teto de inteligência medido em IQ 46,7; o que muda é o canal de entrega e o preço associado a ele.

Outro ponto que costuma passar batido: o cache a 0,075 por milhão é o grande chamariz. Se você já tem um sistema que relê o mesmo contexto a cada chamada — prompt de sistema longo, documentos de referência — migrar para batch com cache habilitado pode reduzir o custo efetivo por chamada a uma fração do que você paga hoje.

O que fazer com isso

Se você roda jobs assíncronos com volume alto e multimodalidade, teste o Flash batch com um workload real antes de comprometer orçamento. Meça latência de ponta a ponta — não apenas a chamada à API, mas o ciclo completo de submit, fila e retorno. Se a janela de horas cabe no seu fluxo, a economia de 50% no output e 90% no cache é dinheiro que volta todo mês.

Se você não tem carga assíncrona, ignore. O Flash comum continua valendo para o que sempre valeu, e o DeepSeek V4 Pro segue sendo o teto de custo-benefício na faixa de IQ 45+.