Google stellt mit Gemini 3.5 Flash eine allgemein verfügbare Modellgeneration bereit, die einen Kontextfenster von bis zu 1.048.576 Tokens bietet und multimodale Eingaben wie Text, Bild, Audio und Video verarbeitet. Für Unternehmen bedeutet die General-Availability-Freigabe von Gemini 3.5 Flash über die Google Enterprise Agent Platform, dass produktionsreife KI-Agenten mit großem Kontextfenster ohne Vorschau-Einschränkungen einsetzbar sind. Ergänzt durch Gemini 3.5 Transcribe, das Echtzeit-Sprachtranskription mit Sprecher-Diarisierung und sprachspezifischer Erkennung liefert, können Entscheider heute durchgängige multimodale Workflows produktiv betreiben.

Google Gemini 3.5: Multimodale Reasoning-Fähigkeiten und Enterprise-Verfügbarkeit Q2 2025

Google hat im zweiten Quartal 2025 seine Gemini-3.5-Modellfamilie für Unternehmen freigegeben. Das Angebot umfasst mehrere spezialisierte Modelle, die über die Gemini API und die Gemini Enterprise Agent Platform verfügbar sind. Im Zentrum stehen dabei Gemini 3.5 Flash als universelles Arbeitsmodell sowie Gemini 3.5 Transcribe als dediziertes Sprachtranskriptionsmodell.

Gemini 3.5 Flash: Breite Verfügbarkeit mit hohem Kontextfenster

Gemini 3.5 Flash ist laut Google-Dokumentation allgemein verfügbar (General Availability) und richtet sich sowohl an Entwickler über die Gemini API als auch an Unternehmen über die Enterprise Agent Platform. Das Modell verarbeitet Eingaben in den Modalitäten Text, Bild, Audio und Video und gibt Text aus. Das Kontextfenster beträgt 1.048.576 Tokens, die maximale Ausgabelänge liegt bei 65.536 Tokens.

Für Unternehmen relevant ist die regionale Verfügbarkeit: Gemini 3.5 Flash unterstützt laut Google globale Deployments, Multi-Region-Konfigurationen sowie Regionen in Nord- und Südamerika, Europa und im asiatisch-pazifischen Raum. Das Modell erlaubt konfigurierbare Denkniveaus (Thinking Levels) von MINIMAL bis HIGH, wobei MEDIUM als Standardwert gesetzt ist. Diese Konfigurierbarkeit ermöglicht es, Latenz und Rechenaufwand je nach Anwendungsfall zu steuern.

Gemini 3.5 Transcribe: Sprachtranskription als Spezialdienst

Gemini 3.5 Transcribe ist Googles dediziertes Modell zur Spracherkennung in mehreren Sprachen, das ebenfalls über die Enterprise Agent Platform bereitgestellt wird. Es bietet zwei Betriebsmodi: Streaming-Transkription in Echtzeit über das Modell gemini-3.5-transcribe-live sowie synchrone Transkription vollständiger Audiodateien über gemini-3.5-transcribe.

Zu den dokumentierten Funktionen zählen laut Google-Dokumentation:

• Utterance-basierte Spracherkennung: Das System erkennt die gesprochene Sprache auf Äußerungsebene ohne manuelle Vorkonfiguration.
• Sprecher-Diarisierung: Automatische Zuweisung von Sprecheranteilen zu verschiedenen Personen im Gesprächsverlauf.
• Word-Level-Zeitstempel: Jede einzelne Wortäußerung erhält einen präzisen Zeitstempel.
• Smart Transcription: Eine Nachbearbeitungsfunktion zur Verbesserung von Lesbarkeit und Genauigkeit.
• Custom Vocabulary Speech Biasing: Anpassung des Erkennungsmodells an fachspezifisches Vokabular.

Das Modell positioniert Google explizit als Bindeglied zwischen tiefen Reasoning-Modellen und optimierten Sprach-zu-Text-Workflows.

Gemini 4 Argon und weitere neue Modelle

Neben der 3.5-Serie listet Google auf Vertex AI auch neue Modelle unter Gemini 4 und 3.8. Gemini 4 Argon wird als Frontier-Modell für komplexe Aufgaben in Bereichen wie Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft geführt. Es unterstützt laut Google-Dokumentation mehrstufige Problemlösung mit konfigurierbaren Denkprozessstufen und Ausgaben von bis zu einer Million Tokens.

Gemini 3.8 Flash ist laut derselben Quelle für Langzeit-Coding und autonome Agenten konzipiert und soll stärkere multimodale Schlussfolgerungsfähigkeiten mitbringen. Als Bildgenerierungsmodell führt Google Nano Banana 2.1, das rundenbasierte Bildbearbeitung per Prompt sowie das Zusammenführen mehrerer Bilder ermöglicht.

Praktische Implikationen für Entscheider

1. Transkription als eigenständiger API-Dienst: Unternehmen, die Callcenter-Protokollierung, Meetingtranskription oder mehrsprachige Dokumentenverarbeitung automatisieren möchten, können Gemini 3.5 Transcribe als dedizierten Dienst über die Agent Platform ansprechen, ohne ein Voll-LLM für diese Aufgabe einzusetzen. Die Sprecher-Diarisierung und das Custom Vocabulary Biasing sind besonders für regulierte Branchen wie Finanz- oder Rechtswesen relevant. Einen Vergleich mit Alternativangeboten bietet der Beitrag zu multimodalen Reasoning-Modellen im Enterprise-Umfeld.

2. Regionale Datenhaltung bei Enterprise-Deployments: Die dokumentierten regionalen Verfügbarkeiten von Gemini 3.5 Flash, insbesondere Europa-Regionen, sind für DSGVO-konforme Implementierungen ein entscheidendes Auswahlkriterium. Unternehmen sollten dies bei der Architekturentscheidung frühzeitig klären. Hintergründe zur Datenschutz-Compliance bei LLM-Deployments finden sich im Beitrag zu EDPB-Leitlinien 2025 für multimodale LLMs.

3. Konfigurierbare Thinking Levels als Kostenhebel: Die stufenweise Konfiguration der Denktiefe (MINIMAL bis HIGH) in Gemini 3.5 Flash ermöglicht es, Token-Verbrauch und Latenz situationsabhängig zu steuern. Für einfache Klassifikationsaufgaben kann MINIMAL gewählt werden; komplexe mehrstufige Analysen profitieren von HIGH. Dies hat direkte Auswirkungen auf die Total Cost of Ownership. Einen strukturierten TCO-Vergleich über Anbieter hinweg bietet der Beitrag Artificial Analysis Q1 2025: TCO-Vergleich Claude, GPT, Gemini.

4. Frontier-Modell Gemini 4 Argon für spezialisierte Fachbereiche: Für Anwendungen in Recht, Cybersicherheit oder Finanzanalyse positioniert Google Gemini 4 Argon als Option für komplexe, mehrstufige Aufgaben mit langen Ausgaben. Unternehmen, die entsprechende Workloads evaluieren, sollten Gemini 4 Argon neben konkurrierenden Reasoning-Modellen testen. Einen Überblick über aktuelle Reasoning-Modelle im Enterprise-Vergleich bietet der Beitrag zu Google Gemini 2.5 Pro Reasoning und Agentic Enterprise.

Quellen

• Gemini 3.5 Transcribe – Google Cloud Dokumentation
• Gemini 3.5 Flash Developer Guide – Google Cloud
• Google Vertex AI: Übersicht Gemini-Modelle

Häufige Fragen

Welche Gemini-3.5-Modelle sind aktuell für Unternehmen allgemein verfügbar?

Über die Gemini Enterprise Agent Platform und die Gemini API stehen Unternehmen derzeit Gemini 3.5 Flash sowie Gemini 3.5 Transcribe als allgemein verfügbare Modelle (General Availability) zur Verfügung. Gemini 3.5 Flash unterstützt Text-, Bild-, Audio- und Videoeingaben bei einem Kontextfenster von bis zu 1.048.576 Tokens.

Was unterscheidet Gemini 3.5 Flash von anderen Modellen der Gemini-3-Familie?

Gemini 3.5 Flash ist auf Geschwindigkeit und Kosteneffizienz ausgelegt und soll dabei Agentenfähigkeiten auf einem Niveau nahe Gemini 3.1 Pro bieten. Es unterstützt konfigurierbare Denkstufen (MINIMAL, LOW, MEDIUM, HIGH), liefert maximal 65.536 Output-Tokens pro Anfrage und ist in mehreren Regionen weltweit verfügbar, darunter Amerika, Europa und Asien-Pazifik.

Was leistet Gemini 3.5 Transcribe im Unternehmenseinsatz konkret?

Gemini 3.5 Transcribe wandelt Sprache in Text um und unterstützt dabei mehrere Sprachen gleichzeitig. Das Modell bietet automatische Sprechertrennung (Speaker Diarization), Zeitstempel auf Wortebene, utterance-basierte Spracherkennung sowie eine anpassbare Vokabular-Priorisierung. Unternehmen können zwischen Echtzeit-Streaming und der synchronen Verarbeitung voraufgezeichneter Audiodateien wählen.

Welche Eingabeformate verarbeitet Gemini 3.5 Flash, und wo liegen die Ausgabegrenzen?

Gemini 3.5 Flash akzeptiert Eingaben in den Formaten Text, Bild, Audio und Video. Die Ausgabe erfolgt ausschließlich als Text. Der maximale Output je Anfrage beträgt 65.536 Tokens. Das Kontextfenster umfasst bis zu 1.048.576 Tokens, was die Verarbeitung umfangreicher Dokumente und langer Gesprächsverläufe ermöglicht.

Wie positioniert sich Gemini 4 Argon gegenüber den 3.5-Modellen für spezialisierte Fachbereiche?

Gemini 4 Argon ist als Frontier-Modell von Google für komplexe Aufgaben in anspruchsvollen Fachbereichen konzipiert, darunter Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft. Es unterstützt mehrstufige Problemlösung mit konfigurierbaren Denkprozessstufen und ermöglicht lange Ausgaben von bis zu 1 Million Tokens. Damit richtet es sich an Anwendungsfälle, die über den Leistungsbereich der effizienteren 3.5-Modelle hinausgehen.

Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.