Google lanceerde dinsdag Gemini 3.8 Flash, het nieuwste werkpaardmodel dat is gepositioneerd als het beste redeneer- en coderingssysteem van het bedrijf tot nu toe voor dezelfde prijs als zijn voorganger, naast een gespecialiseerde variant genaamd Gemini 3.8 Flash Cyber, gebouwd voor defensief cyberbeveiligingswerk. De aankondiging, gepubliceerd op de officiële blog van Google door Tulsee Doshi, senior directeur productmanagement, en Raluca Ada Popa, Gemini security lead bij Google DeepMind, markeert Google's derde Flash-release in slechts zes weken.

De lancering vindt plaats midden in een ongewoon druk releaseseizoen en is een direct antwoord op de prijs- en prestatiedruk die rivalen op de modellenlijn van Google hebben uitgeoefend. Voor een breder beeld van hoe de grenslaboratoria elkaar in de problemen brengen, volgt het team van breaking AI news elke grote modelrelease terwijl deze plaatsvindt.

Twee varianten, één fundering

Gemini 3.8 wordt geleverd in twee versies, gebouwd op dezelfde fundamentele intelligentie. Gemini 3.8 Flash is het werkpaard voor algemene doeleinden: Google zegt dat het aanzienlijke verbeteringen levert ten opzichte van 3.7 Flash op het gebied van software-engineering, agentische taken en meerstapsredenering in gespecialiseerde domeinen, tegen dezelfde introductieprijs van $0,75 per miljoen inputtokens en $3,75 per miljoen outputtokens.

Gemini 3.8 Flash Cyber ​​wordt beschreven als het meest capabele cyberbeveiligingsmodel van Google, met wat het bedrijf grensverleggende prestaties noemt op het gebied van kwetsbaarheidsdetectie en geautomatiseerde patching. In tegenstelling tot het standaard Flash-model is het niet breed beschikbaar; Google distribueert het onder een groep vertrouwde verdedigers via een nieuw programma genaamd Fairwind.

Volgens de blogpost zijn de verbeteringen op het gebied van coderen en redeneren in de gedeelde kern deels te danken aan rigoureuze training in het veeleisende domein van cyberbeveiliging, en zijn beide modellen versneld door langlopende agentische lussen die zijn ontworpen om de onderliggende modellen recursief te evalueren en te verfijnen.

Benchmarks: harder werken, niet alleen groter worden

De benchmarkclaims van Google zijn gebaseerd op een ontwerpfilosofie die het bedrijf duidelijk samenvat: 3.8 Flash "werkt harder." Bij complexe taken voert het model extra redeneerstappen uit en roept tools iteratief aan, waarbij soms meer tokens worden gebruikt om de prestaties bij hogere inspanningsniveaus te maximaliseren. Ontwikkelaars kunnen hun inspanningen terugschroeven om de token-overhead te verminderen, of op Gemini 3.7 Flash blijven, dat volledig ondersteund blijft voor werklasten waarbij efficiëntie voorop staat.

De kopresultaten die Google noemt:

  • DeepSWE v1.1 (software-engineering met lange horizon): 3.8 Flash presteert beter dan de meeste grotere frontier-modellen bij het autonoom oplossen van complexe technische problemen van begin tot eind, tegen wat Google beschrijft als een fractie van de kosten.
  • Vals Finance Agent V2 en Harvey's Legal Agent Benchmark: 3.8 Flash presteert beter dan 3.7 Flash en andere grensmodellen op kwantitatieve en professionele gebieden die geavanceerde analyse en rapportage vereisen.
  • HLE-geverifieerd: 3,8 Flash behaalt 54,9%, wat Google presenteert als bewijs van redeneren in meerdere stappen in STEM, geesteswetenschappen en professionele vakgebieden.

Flash Cyber: verdediging boven aanval

De Cyber-variant is de meer ongebruikelijke release. Google zegt dat het bewust prioriteit geeft aan het oplossen van kwetsbaarheden boven aanstootgevende mogelijkheden zoals uitbuiting. Op CWE-Bench, een externe patchingbenchmark van Collinear, scoorde Gemini 3.8 Flash Cyber ​​een pass@1 van 47,2% – net achter een toonaangevend grensmodel met 47,8%, volgens Google, maar tegen aanzienlijk lagere kosten, waarmee het op de Pareto-grens van de benchmark komt.

Op CyberGym, een standaard industriebenchmark voor het vinden van kwetsbaarheden, zegt Google dat het Cyber-model autonome ontdekking van kwetsbaarheden op frontierniveau demonstreert, en daarmee zijn voorganger 3.5 Flash Cyber ​​overtreft, evenals aanzienlijk grotere frontier-modellen. Op de interne benchmark van Google die complexe codebases in twintig programmeertalen omvat, bereikte het model een succespercentage van meer dan 70%.

Beveiligt al de eigen code van Google

Google zegt dat het Cyber-model al intern wordt ingezet en dat de voorbeelden die het biedt specifiek zijn:

  • Het Chrome Security-team ontdekte dat 3.8 Flash Cyber ​​2,6 keer meer correcte patches voor Chrome-kwetsbaarheden produceerde dan de beste commerciële modellen, die veel groter zijn.
  • Bij beveiligingsbedrijf Wiz behaalde het model een 7,5 tot 9,7 procentpunt hogere herinnering op een interne penetratietestbenchmark tegen 2,3 tot 5,2 keer lagere kosten vergeleken met andere toonaangevende frontiermodellen.
  • Het Cloud Vulnerability Research-team van Google gebruikte het model om in minder dan twee uur een kritieke fundamentele kwetsbaarheid te vinden – een klasse van kwetsbaarheden waarvan het onderzoek en de ontdekking, zo merkt Google op, gewoonlijk maanden in beslag nemen.

Wat het betekent voor ontwikkelaars en de markt

Voor ontwikkelaars is de praktische uitkomst prijsstabiliteit aan de onderkant van de grens. Door 3.8 Flash vast te houden tegen de introductieprijs van 3.7 blijven de kosten van een concurrerend codeer-en-agentisch model op $0,75/$3,75 per miljoen tokens, een segment waarin uitdagers met een open gewicht en rivaliserende laboratoria het hele jaar door de gevestigde exploitanten hebben ondermijnd. De boodschap van Google is dat kopers op het werkpaardniveau niet langer hoeven te kiezen tussen kosten en mogelijkheden.

Het Fairwind Program-distributiemodel voor Flash Cyber ​​is net zo veelzeggend. Front-tier labs behandelen cyberbeveiligingscapaciteiten van de elite steeds meer als iets dat moet worden afgeschermd in plaats van breed te worden verzonden. Ze bieden state-of-the-art defensieve instrumenten aan doorgelichte verdedigers en beperken tegelijkertijd de mogelijkheden voor offensief misbruik. De beslissing van Google om bij de training van het model prioriteit te geven aan het patchen van benchmarks boven de exploitatiemogelijkheden volgt dezelfde logica.

Ook de cadans is opmerkelijk. Drie Flash-releases in zes weken (3,7 Flash drie weken geleden, nu 3,8) laten zien dat Google zijn middensegment veel sneller herhaalt dan de jaarlijkse releasecycli van twee jaar geleden. De concurrentiedruk van OpenAI's GPT-6-uitrol en een golf van snel bewegende open-weight-modellen uit China hebben ieders tijdlijnen gecomprimeerd, en Google kiest duidelijk voor snelheid op het werkpaardniveau, terwijl zijn grensmodellen de onderzoeksvlag dragen.

Of de "werkt harder"-benadering van 3.8 Flash - meer tokens uitgeven aan ijverig meerstaps redeneren - in de praktijk efficiënter blijkt te zijn dan de ruwe modelschaal zal de komende maanden in de rekeningen van ontwikkelaars verschijnen. Google's eigen benchmarks suggereren dat de handel zorgvuldigheid kan bevorderen; de markt zal zijn oordeel één API-factuur tegelijk uitspreken.

Blijf AI een stap voor

Elke modellancering, benchmark en prijsverandering wordt bijgehouden terwijl deze plaatsvindt – lees meer AI-nieuws →