Gemini 3.5 Flash в Deepgram: быстрее, эффективнее, но пора мигрировать daily

Deepgram объявил о внедрении поддержки модели Gemini 3.5 Flash в свой Voice Agent API, что обещает значительное повышение производительности и эффективности для голосовых агентов. Однако это обновление сопровождается важным уведомлением: Google прекращает поддержку семейства моделей Gemini 2.5 Flash, требуя от пользователей своевременной миграции.

Доступность Gemini 3.5 Flash и уведомление о депрекации

Deepgram объявил о новой вехе в развитии своего Voice Agent API: теперь доступна поддержка модели gemini-3.5-flash в качестве управляемого LLM от Google. Эта модель относится к стандартному уровню и обеспечивает улучшенную производительность и эффективность для голосовых агентов.

Одновременно с этим анонсом Deepgram выпустил уведомление о депрекации: семейство моделей Gemini 2.5 Flash будет выведено из эксплуатации в октябре 2026 года. Deepgram настоятельно рекомендует пользователям, использующим эти устаревающие модели, начать тестирование более новых версий уже сейчас, чтобы обеспечить плавный переход и избежать перебоев в работе своих голосовых агентов. Этот шаг соответствует общей стратегии Google по обновлению и улучшению своих ИИ-моделей, о чем более подробно можно узнать на странице Google, посвященной депрекациям Gemini.

Преимущества и улучшения Gemini 3.5 Flash

Модель Gemini 3.5 Flash не просто обновляет версию, но и приносит ряд значительных улучшений, делающих ее более быстрой и эффективной по сравнению с предыдущими Flash-моделями. Она достигает производительности, близкой к Gemini 3.1 Pro, при сохранении экономичности, характерной для Flash-моделей. Это достигается за счет оптимизации архитектуры и алгоритмов, что позволяет ей обрабатывать запросы с меньшей задержкой и более высокой пропускной способностью.

Одним из ключевых улучшений является повышенная способность к рассуждению (chain-of-thought reasoning). Gemini 3.5 Flash значительно сужает разрыв с моделями Pro-уровня в задачах, требующих многошагового анализа и решения сложных проблем с взаимозависимыми переменными. Для большинства бизнес-задач разница в качестве между 3.5 Flash и 3.1 Pro становится настолько незначительной, что не имеет практического значения.

Кроме того, модель предлагает улучшенную обработку длинного контекста. Хотя модели Gemini давно поддерживают большие окна контекста, 3.5 Flash демонстрирует более надежную работу при извлечении и анализе специфических деталей из плотных, длинных документов. Это улучшает производительность в сценариях, требующих поиска «иголки в стоге сена», что критически важно для анализа документов, юридических обзоров и суммаризации исследований, где объем исходного материала велик, а детали имеют значение.

Значительно усилены возможности генерации кода. Если ранее Flash-модели уступали Pro-версиям в задачах, связанных с кодом, то Gemini 3.5 Flash существенно улучшает как генерацию синтаксически корректного кода, так и способность понимать и изменять существующие кодовые базы. Это делает ее полноценным вариантом для масштабируемой генерации кода.

Также стоит отметить мультимодальные улучшения. Gemini 3.5 Flash, как и ее предшественники, является нативно мультимодальной моделью, способной обрабатывать текст, изображения, аудио и видео. В этом поколении улучшена визуально-языковая согласованность, что позволяет модели лучше связывать визуальную информацию с логическим рассуждением. Все эти улучшения делают Gemini 3.5 Flash особенно ценной для разработчиков голосовых агентов, которым необходима быстрая, точная и многофункциональная модель для сложных диалоговых систем.

Инструкции по миграции и настройке

Для разработчиков Deepgram процесс миграции на Gemini 3.5 Flash относительно прост и сводится к изменению конфигурации в их голосовых агентах. Чтобы использовать новую модель, необходимо обновить соответствующую секцию agent.think.provider в конфигурации вашего агента, указав тип провайдера как "google" и модель как "gemini-3.5-flash".

Пример конфигурации для Deepgram Voice Agent API выглядит следующим образом:

{
  "agent": {
    "think": {
      "provider": {
        "type": "google",
        "model": "gemini-3.5-flash",
        "temperature": 0.5
      }
    }
  }
}

Deepgram предоставляет управляемые Large Language Models (LLM) для Google, что упрощает интеграцию и настройку, избавляя от необходимости конфигурировать собственный эндпоинт. Полный список всех поддерживаемых моделей LLM, включая Google Gemini, а также их ценовые категории, доступен в документации Deepgram Voice Agent LLM Models. Это позволяет разработчикам легко найти актуальную информацию и адаптировать свои системы.

В доступных источниках не указаны конкретные изменения в ценах Deepgram для Gemini 3.5 Flash по сравнению с 2.5 Flash, поэтому разработчикам следует обращаться к официальной документации Deepgram для получения актуальных сведений о тарифах. Также источники не содержат информации о дополнительных инструментах или рекомендациях Deepgram для облегчения процесса миграции, кроме изменения конфигурации модели.

Сроки прекращения поддержки Google Gemini

Google четко обозначил сроки прекращения поддержки моделей Gemini 2.5 Flash, что напрямую влияет на пользователей Deepgram. Согласно официальной документации Google, модель gemini-2.5-flash будет выведена из эксплуатации 16 октября 2026 года. Это означает, что после этой даты конечная точка API для данной модели станет недоступной.

Помимо gemini-2.5-flash, Google также объявил о прекращении поддержки нескольких других моделей из семейства Gemini 2.5, включая gemini-2.5-pro и gemini-2.5-flash-lite, с той же датой прекращения поддержки — 16 октября 2026 года. В качестве рекомендованной замены для gemini-2.5-flash указана gemini-3.5-flash, для gemini-2.5-pro — gemini-3.1-pro-preview, а для gemini-2.5-flash-lite — gemini-3.1-flash-lite.

Важно отметить, что для новой модели gemini-3.5-flash на данный момент не объявлена дата прекращения поддержки (по состоянию на 19 мая 2026 года, дату выпуска модели). Это дает разработчикам время для планирования и адаптации. Актуальные даты прекращения поддержки и рекомендуемые замены для всех моделей Google Gemini можно отслеживать на специальной странице Gemini deprecations, которая регулярно обновляется Google.

Подходы к депрекации моделей в индустрии ИИ

Политика Google в отношении депрекации моделей, хотя и обеспечивает доступ к передовым технологиям, отличается от подходов некоторых других крупных игроков на рынке ИИ. Быстрая смена моделей, типичная для Google, может создавать значительные трудности для разработчиков, которые полагаются на стабильность поведения моделей для своих производственных систем. В то время как Google фокусируется на постоянном обновлении, некоторые компании предлагают иные стратегии.

Например, Anthropic обязалась сохранять веса устаревших моделей с существенным использованием. Этот подход признает реальные издержки отключения систем и потенциальные проблемы с безопасностью, которые могут возникнуть при резких изменениях. Другие провайдеры, такие как Amazon Bedrock и Azure, также стремятся смягчить последствия депрекации, устанавливая минимальные сроки поддержки моделей, например, не менее двенадцати месяцев с момента запуска.

Тем не менее, быстрые циклы эволюции ИИ-моделей остаются вызовом для всей отрасли. Разработчикам приходится постоянно адаптировать свои промпты, проводить аудит и обновлять интеграции при каждом изменении базовой модели. Это подчеркивает проблему стабильности экосистем ИИ, где инновации часто опережают стандартизацию и долгосрочную поддержку, требуя от пользователей постоянной бдительности и готовности к изменениям.

Что это значит

Миграция на Gemini 3.5 Flash в Deepgram, обусловленная политикой Google по прекращению поддержки устаревших моделей, является неизбежным шагом для поддержания актуальности и производительности голосовых агентов. Хотя она требует обновления конфигурации, предлагаемые улучшения в скорости, эффективности и возможностях рассуждения делают этот переход выгодным для разработчиков. Своевременное обновление гарантирует, что голосовые ИИ-системы будут использовать самые передовые технологии, оставаясь конкурентоспособными и функциональными.