Google meluncurkan Gemini 3.8 Flash pada hari Selasa, model pekerja keras terbarunya yang diposisikan sebagai sistem penalaran dan pengkodean terbaik perusahaan namun dengan harga yang sama seperti pendahulunya, bersama dengan varian khusus yang disebut Gemini 3.8 Flash Cyber ​​yang dibuat untuk pekerjaan pertahanan keamanan siber. Pengumuman tersebut, dipublikasikan di blog resmi Google oleh Tulsee Doshi, direktur senior manajemen produk, dan Raluca Ada Popa, pemimpin keamanan Gemini di Google DeepMind, menandai rilis Flash ketiga Google hanya dalam enam minggu.

Peluncuran ini dilakukan di tengah musim rilis yang sangat padat, dan ini merupakan jawaban langsung terhadap tekanan harga dan kinerja yang diberikan pesaing pada lini model Google. Untuk mendapatkan gambaran yang lebih luas tentang bagaimana laboratorium terdepan melakukan pertukaran, tim berita AI terkini melacak setiap rilis model utama saat hal itu terjadi.

Dua Varian, Satu Foundation

Gemini 3.8 hadir dalam dua versi yang dibangun berdasarkan kecerdasan dasar yang sama. Gemini 3.8 Flash adalah pekerja keras untuk tujuan umum: Google mengatakan bahwa mereka memberikan peningkatan yang signifikan dibandingkan 3.7 Flash di seluruh rekayasa perangkat lunak, tugas agen, dan penalaran multi-langkah dalam domain khusus, dengan harga perkenalan yang sama yaitu $0,75 per juta token masukan dan $3,75 per juta token keluaran.

Gemini 3.8 Flash Cyber ​​digambarkan sebagai model keamanan siber Google yang paling mumpuni, dengan apa yang disebut perusahaan sebagai kinerja tingkat terdepan dalam deteksi kerentanan dan patching otomatis. Berbeda dengan model Flash standar, model ini tidak tersedia secara luas — Google mendistribusikannya ke sekelompok pembela tepercaya melalui program baru yang disebut Fairwind.

Menurut postingan blog tersebut, peningkatan pengkodean dan penalaran di seluruh inti bersama sebagian didorong oleh pelatihan ketat dalam bidang keamanan siber yang menuntut, dan kedua model tersebut dipercepat oleh loop agen jangka panjang yang dirancang untuk mengevaluasi dan menyempurnakan model yang mendasarinya secara rekursif.

Tolok Ukur: Bekerja Lebih Keras, Bukan Hanya Menjadi Lebih Besar

Klaim benchmark Google berpusat pada filosofi desain yang dirangkum perusahaan dengan jelas: 3.8 Flash "bekerja lebih keras". Pada tugas yang kompleks, model menjalankan langkah-langkah penalaran ekstra dan memanggil alat secara berulang, terkadang menggunakan lebih banyak token untuk memaksimalkan performa pada tingkat upaya yang lebih tinggi. Pengembang dapat mengurangi upaya untuk mengurangi overhead token, atau tetap menggunakan Gemini 3.7 Flash, yang tetap didukung penuh untuk beban kerja yang mengutamakan efisiensi.

Hasil judul yang dikutip Google:

  • DeepSWE v1.1 (rekayasa perangkat lunak jangka panjang): 3.8 Flash mengungguli sebagian besar model frontier yang lebih besar dalam menyelesaikan masalah teknis yang rumit secara mandiri, dengan biaya yang digambarkan oleh Google sebagai biaya yang sangat murah.
  • Vals Finance Agent V2 dan Tolok Ukur Agen Hukum Harvey: 3.8 Flash mengungguli 3.7 Flash dan model terdepan lainnya dalam bidang kuantitatif dan profesional yang memerlukan analisis dan pelaporan tingkat lanjut.
  • Terverifikasi HLE: 3.8 Flash mencapai 54,9%, yang disajikan Google sebagai bukti penalaran multi-langkah di bidang STEM, humaniora, dan profesional.

Flash Cyber: Pertahanan Atas Serangan

Varian Cyber adalah rilis yang lebih tidak biasa. Google mengatakan pihaknya sengaja memprioritaskan perbaikan kerentanan dibandingkan kemampuan ofensif seperti eksploitasi. Pada CWE-Bench, benchmark patching eksternal yang dijalankan oleh Collinear, Gemini 3.8 Flash Cyber ​​mencetak pass@1 sebesar 47,2% — tepat di belakang model frontier terdepan yang sebesar 47,8%, menurut Google, namun dengan biaya yang jauh lebih rendah, menempatkannya pada benchmark Pareto frontier.

Di CyberGym, yang merupakan tolok ukur standar industri untuk menemukan kerentanan, Google mengatakan model Cyber ​​menunjukkan penemuan kerentanan otonom di tingkat frontier, melampaui pendahulunya 3.5 Flash Cyber ​​serta model frontier yang jauh lebih besar. Pada tolok ukur internal Google yang mencakup basis kode kompleks dalam 20 bahasa pemrograman, model ini mencapai tingkat keberhasilan melebihi 70%.

Sudah Mengamankan Kode Google Sendiri

Google mengatakan model Cyber sudah diterapkan secara internal, dan contoh yang diberikannya bersifat spesifik:

  • Tim Keamanan Chrome menemukan bahwa 3.8 Flash Cyber ​​menghasilkan tambalan yang tepat 2,6 kali lebih banyak terhadap kerentanan Chrome dibandingkan model komersial terbaik, yang ukurannya jauh lebih besar.
  • Di perusahaan keamanan Wiz, model ini memperoleh recall 7,5 hingga 9,7 poin persentase lebih tinggi pada benchmark pengujian penetrasi internal dengan biaya 2,3 hingga 5,2 kali lebih rendah dibandingkan dengan model frontier terkemuka lainnya.
  • Tim Riset Kerentanan Cloud Google menggunakan model ini untuk menemukan kerentanan dasar yang kritis dalam waktu kurang dari dua jam — sebuah kelas kerentanan yang penelitian dan penemuannya, menurut catatan Google, biasanya memerlukan waktu berbulan-bulan.

Apa Artinya bagi Pengembang dan Pasar

Bagi pengembang, manfaat praktisnya adalah stabilitas harga di wilayah low end of the frontier. Mempertahankan 3.8 Flash pada harga perkenalan 3.7 menjaga biaya model coding-and-agentic yang kompetitif pada $0.75/$3.75 per juta token, sebuah segmen di mana penantang open-weight dan laboratorium saingan telah meremehkan pemain lama sepanjang tahun. Pesan Google adalah pembeli tidak perlu lagi memilih antara biaya dan kemampuan di tingkat pekerja keras.

Model distribusi Program Fairwind untuk Flash Cyber ​​juga sama jitunya. Laboratorium-laboratorium tingkat terdepan semakin memperlakukan kemampuan keamanan siber elit sebagai sesuatu yang harus dibatasi dibandingkan diterapkan secara luas – dengan menyediakan alat pertahanan canggih bagi para pembela HAM yang telah diperiksa sekaligus membatasi potensi penyalahgunaan yang bersifat ofensif. Keputusan Google untuk memprioritaskan patching benchmark dibandingkan kemampuan eksploitasi dalam pelatihan model mengikuti logika yang sama.

Iramanya juga penting. Tiga rilis Flash dalam enam minggu — 3,7 Flash tiga minggu lalu, sekarang 3,8 — menunjukkan Google melakukan iterasi lini menengahnya jauh lebih cepat dibandingkan siklus rilis tahunan dua tahun lalu. Tekanan persaingan dari peluncuran GPT-6 OpenAI dan gelombang model open-weight yang bergerak cepat dari Tiongkok telah membatasi jadwal semua orang, dan Google jelas memilih kecepatan pada tingkat pekerja keras sementara model terdepannya membawa bendera penelitian.

Apakah pendekatan "bekerja lebih keras" dari 3.8 Flash — menghabiskan lebih banyak token untuk penalaran multi-langkah yang cermat — terbukti lebih efisien dalam praktiknya dibandingkan skala model mentah yang akan muncul dalam tagihan pengembang selama beberapa bulan mendatang. Tolok ukur Google sendiri menunjukkan bahwa perdagangan ini akan mendukung ketekunan; pasar akan memberikan putusannya satu per satu tagihan API.

Tetap Terdepan dalam AI

Setiap peluncuran model, tolok ukur, dan perubahan harga, dilacak saat terjadi — baca berita AI selengkapnya →