Gemini 3.8 Flash Blitzlaunch: Es arbeitet sehr fleißig, hat aber noch keinen richtigen Durchblick.

Mit einer fast schon unverschämten Geschwindigkeit aktualisiert Gemini wieder einmal.

In den frühen Morgenstunden heute wurde Gemini 3.8 Flash offiziell veröffentlicht. Dies ist bereits das dritte Flash-Modell, das Google innerhalb von sechs Wochen herausbringt.

Es scheint, als wolle Google die Strategie der „kleinen, schnellen Schritte“ konsequent umsetzen. Was mir aber Sorgen bereitet: Bei diesem Tempo werden die Versionsnummern der 3.x-Reihe vor der Veröffentlichung von Gemini 4 kaum noch ausreichen …

Auf den ersten Blick ist das nur ein reguläres Update nach der Versionsnummer, aber die Aufgaben, die Google für die Flash-Modellreihe vorsieht, werden immer anspruchsvoller. Laut offizieller Angabe soll das Modell große Projekte schreiben und modifizieren, wiederholt Tools aufrufen und komplexe, stundenlange Arbeitsabläufe selbstständig abschließen.

Diese Aufgaben, die normalerweise zur Bewertung erstklassiger Agentic-Modelle dienen, werden nun alle der 3.8 Flash übertragen.

Die ursprüngliche Bedeutung der Flash-Reihe bestand darin, schneller zu laufen und weniger Kosten zu verursachen. Jetzt muss sie aber die 3.5 Pro vertreten, die lange auf sich warten lässt, und beweisen, dass Google weiterhin in der Lage ist, im Spiel zu bleiben.

Betrachtet man die offiziellen Benchmark-Ergebnisse, scheint Google das tatsächlich geschafft zu haben. Aber die Rückmeldungen aus der Community und unsere einfachen Tests führen zu einem gegenteiligen Ergebnis:

Nach drei Generationen in sechs Wochen bleibt Gemini 3.8 Flash seinem Wesen treu wie eh und je.

Ein neues Modell alle drei Wochen, die Benchmark-Werte nähern sich bereits Opus 5

Google bezeichnet Gemini 3.8 Flash als „das bisher intelligenteste Flash-Modell“, das vor allem für langfristige Softwareentwicklung, autonome Agenten und komplexe Unternehmensarbeitsabläufe ausgelegt ist.

Bei dieser Aussage liegt die offensichtlichste Verbesserung natürlich im Bereich der Programmierung.

Im DeepSWE v1.1-Test zur Bewertung der Fähigkeiten im langfristigen Softwareentwicklung erreicht Gemini 3.8 Flash einen Wert von 71,0 %, was gegenüber den 65,3 % der 3.7 Flash um fast 6 Prozentpunkte gestiegen ist. Es fehlt nur noch ein kleiner Schritt zu den 74,0 % von Claude Opus 5 – man bedenke, dass die 3.6 Flash vor eineinhalb Monaten nur 49 % erreicht hat.

Im HLE-Verified-Test, der sich über STEM, Geisteswissenschaften und Fachwissen erstreckt, erzielt die 3.8 Flash einen Wert von 54,9 %, der leicht über den 54,4 % von Opus 5 liegt.

In einigen Multimodal-Tests ist der Vorteil sogar noch deutlicher: Beim Verständnis komplexer Diagramme erreicht der Test CharXiv Reasoning 86,2 % und übertrifft damit die 83,7 % von Opus 5. Bei der Verarbeitung langer Videos im Agent-Modus erzielt der LVBench einen Wert von 87,8 %, der eine ganze Reihe von Top-Modellen einschließlich GPT-5.6 Sol und Opus 5 weit hinter sich lässt.

Finanz- und Rechtsanwendungen sind ebenfalls Schwerpunkte der Werbung von Google. Die 3.8 Flash übertrifft im Vals Finance Agent V2 und im Harvey’s Legal Agent Benchmark sowohl die 3.7 Flash als auch andere teurere Spitzenmodelle.

Betrachtet man nur diese Zahlen, scheint ein Flash-Modell mit einem weit niedrigeren Preis als Opus 5 in den Bereichen Programmierung, Diagrammverarbeitung, Videoverarbeitung und einigen fachlichen Aufgaben bereits die Schwelle zu den Flaggschiff-Modellen erreicht zu haben.

Die gute Nachricht ist, dass diese Fähigkeitsverbesserungen als „kostenloses Upgrade“ gelten, da der Preis der 3.8 Flash mit dem der kürzlich veröffentlichten 3.7 Flash identisch bleibt: 0,75 USD pro Million Token für die Eingabe und 3,75 USD für die Ausgabe.

Grundsätzlich handelt es sich hierbei nur um einen zeitlich begrenzten Sonderpreis. Ab dem 1. Januar 2027 werden die Preise für Ein- und Ausgabe auf 1,5 USD bzw. 7,5 USD zurückgesetzt.

Tatsächlich hat Google bereits bei der Veröffentlichung der 3.6 Flash angekündigt, dass dieser Sonderpreis nur bis zum Ende des Jahres gelten wird. Aber jetzt scheint es, als sei die Geschwindigkeit der Modellaktualisierung deutlich schneller als die der Preisanpassung. Vielleicht wird diese Sonderangebotspolitik vier oder fünf Modellgenerationen überdauern.

Google erklärt, dass die 3.8 Flash in der Lage ist, schwierigere Aufgaben zu bewältigen, hauptsächlich weil sie „sich mehr anstrengt“. Das heißt, bei komplexen Problemen führt sie mehr Inferenzschritte durch, ruft wiederholt Tools auf und überprüft ihre eigene Arbeit im Prozess.

Der Nachteil ist, dass sie möglicherweise mehr Token verbraucht als die 3.7 Flash. Google empfiehlt sogar, bei Aufgaben mit hohem Anspruch an die Recheneffizienz die Inferenzstufe zu senken oder weiterhin die 3.7 Flash zu verwenden.

Aus dieser Sicht scheint ein erheblicher Teil der sogenannten höheren Leistung der 3.8 Flash aus dieser „erzwungenen Überfrequenzierung“ im Bereich der Inferenz zu stammen.

Gleichzeitig mit der 3.8 Flash wurde auch die 3.8 Flash Cyber veröffentlicht. In einer Zeit, in der das Ausführen von Jailbreak-Angriffen auf Top-Großmodelle zu einem neuen Benchmark geworden ist, kann Cyber als ein spezialisiertes „Reparaturwerkzeug“ für Cybersicherheitsbehörden und Betreiber von Netzinfrastrukturen bezeichnet werden, das speziell zum Auffinden und Beheben von Schwachstellen entwickelt wurde.

Laut Google liegt die Erfolgsrate bei einem internen Schwachstellenfindungstest, der 20 Programmiersprachen abdeckt, bei über 70 %. Allerdings wird dieses Modell nur über das Fairwind-Programm an vertrauenswürdige Cybersicherheitsbehörden bereitgestellt, normale Nutzer haben keinen Zugriff darauf.

Die Geschwindigkeit ist „Flash“, das Ergebnis bleibt ebenfalls „Flash“

Um zu beweisen, dass die Werbung für die 3.8 Flash nicht übertrieben ist, hat Google im offiziellen Blog mehrere beeindruckende Demonstrationen vorbereitet.

Eines davon ist eine vollständige 3D-Zauberburg. Der Spieler übernimmt die Rolle eines Zauberers, der die Burg erkundet. Die Szene enthält Rätsel, umgebungsbezogene Erzählungen, interaktive Objekte und vollständige Level, wobei die Texturen von Nano Banana generiert werden.

Ein anderes Beispiel zeigt Google Maps in einer DOS-Oberfläche. Es reproduziert den Computervisionsstil der früheren Jahre und verfügt über sehr umfassende Funktionen: Man kann Orte suchen, Routen planen und sogar in die Straßenansicht wechseln.

Zumindest aus den offiziellen Videos sind dies bereits vollständige Demos mit interaktiven Funktionen und grundlegender Produktlogik.

Aber was Google sagt, nehmen wir nur zur Kenntnis – schließlich haben sie vor zwei Tagen dem Wall Street Journal verraten, dass interne Ingenieure bei der Programmierung lieber die 3.8 Flash als Opus 5 verwenden …

Wie das Ergebnis aussieht, erfährt man erst durch echte Tests.

Deshalb haben wir auch zwei ähnliche Aufgaben verwendet, um die Qualität der 3.8 Flash einfach zu testen.

Der erste Test besteht darin, ein 3D-Modell des Hubschraubers Airbus H145 mit Three.js zu erstellen. Die 3.8 Flash ließ uns nicht lange warten: In weniger als einer Minute hat sie die Anforderung zerlegt und dann mit beeindruckender Geschwindigkeit den Code ausgegeben. Nach weiteren 109 Sekunden waren Szene und Modell fertiggestellt.

Prompt: Create a realistic 3D model of an Airbus H145 helicopter in Three.js. Use the standard factory demonstrator color scheme, emphasizing the compact fuselage, Fenestron enclosed tail rotor, and detailed rotor assembly. Use clean geometry, realistic PBR materials, soft studio lighting, and a neutral background in Three.js.

Allein an der Generierungsgeschwindigkeit gemessen, macht sie dem Namen „Flash“ alle Ehre.

Aber wenn man das Ergebnis öffnet, merkt man etwas Unstimmiges. Die Funktionen sind vollständig, die grundlegende Beleuchtung ist vorhanden, aber die Details des Rumpfes, die Beziehungen zwischen den Komponenten und die Bewegungsabläufe sind sehr grob. Es läuft zwar, aber die Beziehung zum echten H145-Hubschrauber ist ungefähr so wie die Beziehung zwischen „Huhn-Keks“ und einem echten Küken.

Leser, die ifanr schon länger folgen, kennen dieses Testbeispiel, das wir bereits gestern in unserem Bericht über Fable 5.1 zitiert haben. Man kann sagen: Es ist schwer, von einem hohen Standard wieder zu einem niedrigen zurückzukehren …

Bildquelle: X@@HarshithLucky3

Der zweite Test ist eine 3D-Wassersimulation, bei der ein austauschbares Gelände eingerichtet werden soll, um die Bewegung von Regen und Oberflächenabfluss auf dem Gelände zu simulieren. Es wurde ebenfalls in zwei Minuten fertiggestellt, aber dieser Vulkankrater scheint etwas Wasser durchzulassen …

Prompt: Build an interactive 3D water simulation in this empty repository.Generate a procedural mountain landscape from a deterministic seed. Water must flow downhill according to the local terrain gradient, collect in depressions, and form visible streams and lakes.Use TypeScript, Vite, and Three.js. Do not use a prebuilt physics engine or external 3D assets.

Das Besondere an solchen Ergebnissen ist, dass sie technisch gesehen nicht vollständig fehlgeschlagen sind. Die Aufgabe kann abgeschlossen werden, der Code läuft normalerweise und die geforderten Funktionen sind vollständig vorhanden, aber es besteht offensichtlich ein sichtbarer Abstand zu den offiziellen Beispielen