Google hat am Dienstag Gemini 3.8 Flash auf den Markt gebracht, sein neuestes Arbeitsmodell, das als bestes Argumentations- und Codierungssystem des Unternehmens positioniert ist, jedoch zum gleichen Preis wie sein Vorgänger, zusammen mit einer speziellen Variante namens Gemini 3.8 Flash Cyber, die für defensive Cybersicherheitsaufgaben entwickelt wurde. Die Ankündigung, die von Tulsee Doshi, Senior Director of Product Management, und Raluca Ada Popa, Gemini Security Lead bei Google DeepMind, auf dem offiziellen Blog von Google veröffentlicht wurde, markiert die dritte Flash-Veröffentlichung von Google in nur sechs Wochen.

Der Start erfolgt mitten in einer ungewöhnlich überfüllten Veröffentlichungssaison und ist eine direkte Antwort auf den Preis- und Leistungsdruck, den die Konkurrenz auf die Modellreihe von Google ausgeübt hat. Um einen umfassenderen Überblick darüber zu erhalten, wie die Frontier Labs Schläge abwehren, verfolgt das Team aktuelle KI-Nachrichten jede wichtige Modellveröffentlichung, sobald sie stattfindet.

Zwei Varianten, eine Grundlage

Gemini 3.8 ist in zwei Versionen erhältlich, die auf derselben grundlegenden Intelligenz basieren. Gemini 3.8 Flash ist das Allzweck-Arbeitstier: Google gibt an, dass es gegenüber 3.7 Flash erhebliche Verbesserungen in den Bereichen Software-Engineering, Agentenaufgaben und mehrstufiges Denken in speziellen Domänen liefert, und das zum gleichen Einführungspreis von 0,75 US-Dollar pro Million Eingabe-Tokens und 3,75 US-Dollar pro Million Ausgabe-Tokens.

Gemini 3.8 Flash Cyber ​​wird als Googles leistungsfähigstes Cybersicherheitsmodell beschrieben, mit einer Leistung auf Spitzenniveau, wie das Unternehmen es bei der Schwachstellenerkennung und dem automatisierten Patching nennt. Im Gegensatz zum Standard-Flash-Modell ist es nicht allgemein verfügbar – Google verteilt es über ein neues Programm namens Fairwind an eine Reihe vertrauenswürdiger Verteidiger.

Dem Blogbeitrag zufolge wurden die Codierungs- und Argumentationsgewinne im gesamten gemeinsamen Kern teilweise durch strenges Training im anspruchsvollen Bereich der Cybersicherheit vorangetrieben, und beide Modelle wurden durch lang laufende Agentenschleifen beschleunigt, die darauf ausgelegt sind, die zugrunde liegenden Modelle rekursiv zu bewerten und zu verfeinern.

Benchmarks: Härter arbeiten, nicht nur größer werden

Googles Benchmark-Ansprüche konzentrieren sich auf eine Designphilosophie, die das Unternehmen klar auf den Punkt bringt: 3.8 Flash „arbeitet härter“. Bei komplexen Aufgaben führt das Modell zusätzliche Argumentationsschritte aus und ruft Tools iterativ auf, wobei manchmal mehr Token verbraucht werden, um die Leistung bei höherem Aufwand zu maximieren. Entwickler können den Aufwand reduzieren, um den Token-Overhead zu reduzieren, oder bei Gemini 3.7 Flash bleiben, das für effizienzorientierte Workloads weiterhin vollständig unterstützt wird.

Die Schlagzeilenergebnisse, die Google zitiert:

  • DeepSWE v1.1 (Long-Horizon-Software-Engineering): 3.8 Flash übertrifft die meisten größeren Frontier-Modelle bei der autonomen End-to-End-Lösung komplexer Engineering-Probleme, und das zu einem Bruchteil der Kosten, die Google beschreibt.
  • Vals Finance Agent V2 und Harvey's Legal Agent Benchmark: 3,8 Flash übertrifft 3,7 Flash und andere Grenzmodelle in quantitativen und professionellen Bereichen, die eine erweiterte Analyse und Berichterstattung erfordern.
  • HLE-verifiziert: 3.8 Flash erreicht 54,9 %, was Google als Beweis für mehrstufiges Denken in MINT, Geisteswissenschaften und Berufsfeldern präsentiert.

Flash Cyber: Verteidigung über Angriff

Die Cyber-Variante ist die ungewöhnlichere Veröffentlichung. Google gibt an, der Behebung von Sicherheitslücken bewusst Vorrang vor anstößigen Möglichkeiten wie Ausnutzung gegeben zu haben. Beim CWE-Bench, einem von Collinear durchgeführten externen Patching-Benchmark, erzielte Gemini 3.8 Flash Cyber ​​ein Pass@1 von 47,2 % – laut Google knapp hinter einem führenden Grenzmodell mit 47,8 %, aber zu deutlich geringeren Kosten, wodurch es an der Pareto-Grenze des Benchmarks liegt.

Auf CyberGym, einem Standard-Branchenmaßstab für die Suche nach Schwachstellen, sagt Google, dass das Cyber-Modell eine autonome Schwachstellenerkennung auf Frontier-Ebene demonstriert und damit seinen Vorgänger 3.5 Flash Cyber ​​sowie deutlich größere Frontier-Modelle übertrifft. Beim internen Benchmark von Google, der komplexe Codebasen in 20 Programmiersprachen umfasst, erreichte das Modell eine Erfolgsquote von über 70 %.

Googles eigener Code wird bereits gesichert

Laut Google wird das Cyber-Modell bereits intern eingesetzt und die darin enthaltenen Beispiele sind konkret:

– Das Chrome-Sicherheitsteam hat herausgefunden, dass 3.8 Flash Cyber ​​2,6-mal mehr korrekte Patches für Chrome-Schwachstellen produziert als die besten kommerziellen Modelle, die viel größer sind.

  • Beim Sicherheitsunternehmen Wiz erzielte das Modell bei einem internen Penetrationstest-Benchmark eine um 7,5 bis 9,7 Prozentpunkte höhere Erinnerung bei 2,3- bis 5,2-mal geringeren Kosten im Vergleich zu anderen führenden Frontier-Modellen.

– Das Cloud Vulnerability Research-Team von Google nutzte das Modell, um in weniger als zwei Stunden eine kritische grundlegende Schwachstelle zu finden – eine Klasse von Schwachstellen, deren Erforschung und Entdeckung, wie Google anmerkt, normalerweise Monate dauert.

Was es für Entwickler und den Markt bedeutet

Der praktische Vorteil für Entwickler ist die Preisstabilität am unteren Ende der Grenze. Wenn 3.8 Flash zum Einführungspreis von 3.7 gehalten wird, bleiben die Kosten eines wettbewerbsfähigen Codierungs- und Agentenmodells bei 0,75/3,75 US-Dollar pro Million Token, einem Segment, in dem Herausforderer mit offenem Gewicht und konkurrierende Labore das ganze Jahr über die etablierten Unternehmen unterboten haben. Die Botschaft von Google lautet, dass Käufer in der Arbeitspferdestufe nicht mehr zwischen Kosten und Leistungsfähigkeit wählen müssen.

Ebenso aussagekräftig ist das Vertriebsmodell des Fairwind-Programms für Flash Cyber. Labore an vorderster Front betrachten Elite-Cybersicherheitsfähigkeiten zunehmend als etwas, das eingegrenzt und nicht im großen Stil bereitgestellt werden muss. Sie stellen geprüften Verteidigern hochmoderne Verteidigungswerkzeuge zur Verfügung und begrenzen gleichzeitig das Potenzial für offensiven Missbrauch. Die Entscheidung von Google, beim Training des Modells Patching-Benchmarks gegenüber Ausnutzungsfunktionen zu priorisieren, folgt der gleichen Logik.

Auch die Trittfrequenz ist bemerkenswert. Drei Flash-Releases in sechs Wochen – 3.7 Flash vor drei Wochen, jetzt 3.8 – zeigen, dass Google seine Mid-Tier-Produktlinie viel schneller iteriert als die jährlichen Release-Zyklen von vor zwei Jahren. Der Wettbewerbsdruck durch die GPT-6-Einführung von OpenAI und eine Welle schnelllebiger Open-Weight-Modelle aus China hat die Zeitpläne aller verkürzt, und Google entscheidet sich eindeutig für Geschwindigkeit auf der Ebene der Arbeitspferde, während seine Spitzenmodelle die Forschungsflagge tragen.

Ob sich der „härtere“ Ansatz von 3.8 Flash – mehr Geld für sorgfältiges mehrstufiges Denken auszugeben – in der Praxis als effizienter erweist als der Rohmodellmaßstab, wird sich in den kommenden Monaten in den Rechnungen der Entwickler zeigen. Googles eigene Benchmarks deuten darauf hin, dass der Handel Sorgfalt begünstigen kann; Der Markt wird sein Urteil API-Rechnung für API-Rechnung fällen.

Bleiben Sie der KI immer einen Schritt voraus

Jede Modelleinführung, jeder Benchmark und jede Preisänderung wird sofort verfolgt – weitere KI-Neuigkeiten lesen →