Martedì Google ha lanciato Gemini 3.8 Flash, il suo nuovo modello di cavallo di battaglia posizionato come il miglior sistema di ragionamento e codifica dell'azienda ma allo stesso prezzo del suo predecessore, insieme a una variante specializzata chiamata Gemini 3.8 Flash Cyber ​​creata per il lavoro difensivo sulla sicurezza informatica. L'annuncio, pubblicato sul blog ufficiale di Google da Tulsee Doshi, direttore senior della gestione del prodotto, e Raluca Ada Popa, responsabile della sicurezza Gemini presso Google DeepMind, segna il terzo rilascio di Flash da parte di Google in sole sei settimane.

Il lancio avviene nel bel mezzo di una stagione di rilascio insolitamente affollata ed è una risposta diretta alla pressione sui prezzi e sulle prestazioni che i rivali hanno esercitato sulla linea di modelli di Google. Per avere una visione più ampia di come i laboratori di frontiera si stanno scambiando colpi, il team delle ultime notizie sull'intelligenza artificiale tiene traccia di ogni importante rilascio di modelli nel momento in cui avviene.

Due varianti, un fondotinta

Gemini 3.8 è disponibile in due versioni basate sulla stessa intelligenza fondamentale. Gemini 3.8 Flash è il cavallo di battaglia per scopi generali: Google afferma che offre miglioramenti significativi rispetto a 3.7 Flash nell'ingegneria del software, nelle attività degli agenti e nel ragionamento multi-step in domini specializzati, allo stesso prezzo di lancio di 0,75 dollari per milione di token di input e 3,75 dollari per milione di token di output.

Gemini 3.8 Flash Cyber ​​è descritto come il modello di sicurezza informatica più potente di Google, con ciò che l'azienda chiama prestazioni di livello frontiera nel rilevamento delle vulnerabilità e nell'applicazione di patch automatizzate. A differenza del modello Flash standard, non è ampiamente disponibile: Google lo sta distribuendo a una serie di difensori fidati attraverso un nuovo programma chiamato Fairwind.

Secondo il post sul blog, i guadagni in termini di codifica e ragionamento all’interno del nucleo condiviso sono stati guidati in parte da una formazione rigorosa nell’impegnativo dominio della sicurezza informatica, ed entrambi i modelli sono stati accelerati da cicli di agenti di lunga durata progettati per valutare e affinare ricorsivamente i modelli sottostanti.

Benchmark: lavorare di più, non solo diventare più grandi

Le affermazioni sui benchmark di Google sono incentrate su una filosofia di design che l'azienda riassume chiaramente: 3.8 Flash "lavora di più". Nelle attività complesse, il modello esegue passaggi di ragionamento aggiuntivi e richiama gli strumenti in modo iterativo, a volte consumando più token per massimizzare le prestazioni a livelli di impegno più elevati. Gli sviluppatori possono ridurre gli sforzi per ridurre il sovraccarico dei token o rimanere su Gemini 3.7 Flash, che rimane completamente supportato per i carichi di lavoro incentrati sull'efficienza.

I risultati principali citati da Google:

  • DeepSWE v1.1 (ingegneria del software a lungo orizzonte): 3.8 Flash supera la maggior parte dei modelli di frontiera più ampi nella risoluzione autonoma di problemi ingegneristici complessi end-to-end, a un costo che Google descrive come una frazione del costo.
  • Vals Finance Agent V2 e Harvey's Legal Agent Benchmark: 3.8 Flash supera 3.7 Flash e altri modelli di frontiera in campi quantitativi e professionali che richiedono analisi e reporting avanzati.
  • HLE-Verified: 3.8 Flash raggiunge il 54,9%, che Google presenta come prova del ragionamento in più fasi in ambito STEM, umanistico e professionale.

Flash Cyber: difesa sull'attacco

La variante Cyber è la versione più insolita. Google afferma di aver deliberatamente dato priorità alla correzione delle vulnerabilità rispetto alle capacità offensive come lo sfruttamento. Su CWE-Bench, un benchmark di patch esterno gestito da Collinear, Gemini 3.8 Flash Cyber ​​ha ottenuto un pass@1 del 47,2% - appena dietro un modello di frontiera leader al 47,8%, secondo Google, ma a un costo significativamente inferiore, posizionandolo sulla frontiera Pareto del benchmark.

Su CyberGym, un punto di riferimento standard del settore per l’individuazione delle vulnerabilità, Google afferma che il modello Cyber ​​dimostra la scoperta autonoma delle vulnerabilità a livello di frontiera, superando il suo predecessore 3.5 Flash Cyber ​​e modelli di frontiera significativamente più grandi. Sul benchmark interno di Google che abbraccia basi di codice complesse in 20 linguaggi di programmazione, il modello ha raggiunto una percentuale di successo superiore al 70%.

Il codice di Google è già protetto

Google afferma che il modello Cyber è già implementato internamente e gli esempi forniti sono specifici:

  • Il team di Chrome Security ha scoperto che 3.8 Flash Cyber ​​ha prodotto 2,6 volte più patch corrette per le vulnerabilità di Chrome rispetto ai migliori modelli commerciali, che sono molto più grandi.
  • Presso la società di sicurezza Wiz, il modello ha ottenuto un richiamo maggiore da 7,5 a 9,7 punti percentuali su un benchmark di test di penetrazione interno a un costo da 2,3 a 5,2 volte inferiore rispetto ad altri principali modelli di frontiera.
  • Il team Cloud Vulnerability Research di Google ha utilizzato il modello per trovare una vulnerabilità fondamentale in meno di due ore: una classe di vulnerabilità la cui ricerca e scoperta, nota Google, di solito richiede mesi.

Cosa significa per gli sviluppatori e il mercato

Per gli sviluppatori, il risultato pratico è la stabilità dei prezzi nella fascia bassa della frontiera. Mantenere 3.8 Flash al prezzo di lancio di 3.7 mantiene il costo di un modello competitivo di codifica e agente a $ 0,75/$ 3,75 per milione di token, un segmento in cui gli sfidanti open-weight e i laboratori rivali hanno sottoquotato gli operatori storici durante tutto l'anno. Il messaggio di Google è che gli acquirenti non devono più scegliere tra costo e capacità nel livello del cavallo di battaglia.

Il modello di distribuzione del programma Fairwind per Flash Cyber ​​è altrettanto significativo. I laboratori di prima linea trattano sempre più le capacità di sicurezza informatica d’élite come qualcosa da controllare piuttosto che distribuire su larga scala, fornendo strumenti difensivi all’avanguardia a difensori controllati e limitando al tempo stesso il rischio di abusi offensivi. La decisione di Google di dare priorità all'aggiornamento dei benchmark rispetto alle capacità di sfruttamento nella formazione del modello segue la stessa logica.

Anche la cadenza è notevole. Tre versioni Flash in sei settimane (3.7 Flash tre settimane fa, ora 3.8) mostrano che Google sta iterando la sua linea di livello intermedio molto più velocemente rispetto ai cicli di rilascio in stile annuale di due anni fa. La pressione competitiva derivante dal lancio di GPT-6 di OpenAI e un'ondata di modelli open-weight in rapida evoluzione provenienti dalla Cina hanno compresso le tempistiche di tutti, e Google sta chiaramente scegliendo la velocità al livello del cavallo di battaglia mentre i suoi modelli di frontiera portano la bandiera della ricerca.

Se l'approccio "lavora di più" di 3.8 Flash - spendere più token in un diligente ragionamento in più fasi - si dimostrerà più efficiente nella pratica rispetto alla scala del modello grezzo apparirà nelle fatture degli sviluppatori nei prossimi mesi. I parametri di riferimento di Google suggeriscono che il commercio può favorire la diligenza; il mercato esprimerà il suo verdetto una fattura API alla volta.

Stai al passo con l'intelligenza artificiale

Ogni lancio di modello, benchmark e variazione di prezzo, monitorati mentre avviene - leggi altre notizie sull'intelligenza artificiale →