Создатели FoodTruck Bench, агентного бенчмарка, в котором ИИ управляет фудтраком на протяжении 30 дней в Остине, выявили, что модель Gemini 3 Flash не способна корректно пройти симуляцию. В 5 из 7 запусков она входила в бесконечный цикл рассуждений, не совершая никаких действий. В то же время остальные модели, такие как GPT-5, Claude и DeepSeek, успешно справились с этой задачей.

Первый день симуляции проходит нормально с 13 вызовами инструментов, но когда необходимо принять решения о закупках и локации, ответ Gemini 3 Flash разрастается до 174 816 символов, включая 574 повтора фразы «Let’s go», без реальных действий. При принудительном перезапуске модели она иногда давала корректные ответы, но затем снова застревала в цикле, добавляя одни и те же ингредиенты в заказ без оформления.

Авторы исследования определили это явление как «паралич анализа», когда способность модели рассуждать работает против нее. В отличие от других тестируемых моделей, Gemini 3 Flash исключена из рейтинга, так как не может функционировать в симуляции, что указывает на ошибки в ее разработке.