Gemini 3.8 Flash ist gestartet: Seine Leistung nähert sich dem Niveau von Opus 5 an, der reguläre Preis bleibt unverändert, aber die Kosten für einzelne Aufgaben sind höher.

Gemini 3.8 Flash ist schneller als erwartet erschienen.

Am 13. August war Gemini 3.7 Flash gerade online gegangen; am 2. September hat Gemini 3.8 Flash bereits die Nachfolge angetreten. In den vergangenen 6 Wochen hat Google die Flash-Module dreimal in Folge aktualisiert.

Einen Tag zuvor hat Anthropic gerade die „weltweit fortschrittlichsten“ Modelle Fable 5.1 und Mythos 5.1 veröffentlicht; OpenAI hat bereits mit der Vorwegnahme seines nächsten Modells Astra begonnen, das laut offizieller Angabe „bald“ online gehen wird. Eine neue Runde des Wettbewerbs um Spitzenmodelle ist im Gange. Wenn Google nicht bald ein „Flaggschiff“ vorzeigt, bleiben für die Gemini 3-Serie nicht mehr viele Modellvarianten übrig.

Betrachtet man nur die Benchmark-Ergebnisse, nähert sich Gemini 3.8 Flash bei einigen Aufgaben bereits Opus 5 an.

Bei dem Langzeit-Software-Engineering-Test DeepSWE v1.1 erreicht Gemini 3.8 Flash 73,7 %, was nur 0,3 Prozentpunkte von dem Wert von Opus 5 (74,0 %) entfernt ist; bei Terminal-Bench 2.1 übertrifft es mit 89,4 % sogar den Wert von Opus 5 (89,1 %).

Google hat den Preis dafür nicht gleichzeitig erhöht. Der API-Eingabepreis von Gemini 3.8 Flash beträgt nach wie vor 0,75 USD pro Million Token und der Ausgabepreis 3,75 USD pro Million Token, genau so viel wie bei der Vorgängerversion 3.7 Flash.

Aber diesmal ist der niedrige Preis nicht so einfach, wie es aussieht.

Google selbst weist darauf hin, dass 3.8 Flash im Vergleich zur Vorgängerversion „härter arbeitet“ – es führt mehr Schlussfolgerungen durch, ruft mehr Tools auf und verbraucht mehr Token. In den ersten Tests von Artificial Analysis sind die Kosten pro Aufgabe von 3.8 Flash im Vergleich zu 3.7 Flash um etwa 40 % gestiegen.

Das heißt, obwohl der Token-Preis nicht gestiegen ist, wird die Erledigung einer Aufgabe teurer.

Google, es reicht, bei der Leistung von den Top-Modellen zu lernen, übernimmt Sie solche Dinge nicht auch von Anthropic …

Flash erreicht die Leistung von Flaggschiff-Modellen

Aus den von Google veröffentlichten Benchmarks geht hervor, dass die deutlichste Verbesserung von Gemini 3.8 Flash nach wie vor in den Bereichen Codierung und Agent-Fähigkeiten liegt.

Im Vergleich zu 3.7 Flash ist das Ergebnis bei dem Langzeit-Software-Engineering-Test DeepSWE v1.1 von 65,3 % auf 73,7 % gestiegen, was einem Sprung von 8,4 Prozentpunkten entspricht und nur noch 0,3 Prozentpunkte von dem Wert von Opus 5 (74,0 %) entfernt ist.

Bei Terminal-Bench 2.1 verhält es sich ähnlich: Bei diesem praktischen Test für Kommandozeilen-Agenten erreichte 3.7 Flash zuvor 85,8 %, während 3.8 Flash den Wert weiter auf 89,4 % steigert und damit Opus 5 (89,1 %) leicht übertrifft.

Darüber hinaus erreicht 3.8 Flash bei Vals Finance Agent v2, einem Test für Finanzanalyseaufgaben, 61,4 %, was über dem Wert von Opus 5 (58,6 %) liegt; bei dem Rechts-Agent-Test von Harvey erreicht 3.8 Flash 10,0 % und Opus 5 6,7 %; bei HLE-Verified, einem Test für multidisziplinäre Expertenschlussfolgerungsfähigkeiten, liegen die Werte bei 54,9 % bzw. 54,4 %.

Daher positioniert Google 3.8 Flash als das derzeit „intelligenteste Flash-Hauptmodell“, das sich hauptsächlich an Langzeit-Software-Engineering, autonome Agenten und komplexe Unternehmensworkflows richtet.

Zumindest bei einem Teil der Codierungs- und Agent-Aufgaben hat Gemini 3.8 Flash die Leistung von Opus 5 bereits erreicht.

Eine vollständige Übertreffung ist vorerst jedoch noch nicht gelungen.

Bei Terminal-Bench 4.0, der schwieriger ist und mehr Wert auf allgemeine Agent-Fähigkeiten legt, erreicht 3.8 Flash nur 19,1 %, während Opus 5 51,8 % erreicht; bei dem Wissensarbeits-Test GDPVal-AA v2 erreicht 3.8 Flash 1545 Elo, Opus 5 sogar 1824; bei OSWorld 2.0, einem Test für Computerbetriebsfähigkeiten, liegen die Werte bei 59,0 % bzw. 75,4 %.

Die Ergebnisse unabhängiger Bewertungen stimmen eher mit dieser Einschätzung überein: Artificial Analysis hat die drei Inferenzstufen low, medium und high von Gemini 3.8 Flash durchlaufen lassen, wobei die high-Stufe 59 Punkte im Artificial Analysis Intelligence Index erreicht, während Opus 5 max derzeit 63 Punkte erzielt.

Übrigens hat das gestern veröffentlichte Fable 5.1 max bereits 66 Punkte erreicht, und die ersten sieben Plätze der aktuellen Rangliste werden von verschiedenen Inferenzstufen von Anthropic-Modellen belegt.

Genauer gesagt ist Gemini 3.8 Flash also nur ein Flash-Modell, das bei einigen Flaggschiff-Aufgaben beginnt, in eine höhere Leistungsklasse zu konkurrieren.

In Bezug auf die Geschwindigkeit behält es den Vorteil von „Flash“ bei. In den Tests, die Artificial Analysis über die Google-API durchgeführt hat, erreicht die Ausgabegeschwindigkeit von 3.8 Flash high 304,6 Token pro Sekunde und belegt damit den ersten Platz unter den 195 Modellen der Vergleichsgruppe.

In Bezug auf die zentralen Produktspezifikationen ist 3.8 Flash völlig identisch mit der Vorgängerversion. Es verfügt nach wie vor über ein Kontextfenster von etwa 1 Million Token und eine maximale Ausgabe von 65.536 Token, und die unterstützten Haupttool-Fähigkeiten bleiben unverändert. Google gibt direkt in der Modellkarte an, dass 3.8 Flash auf 3.7 Flash basiert und eine fortlaufende Iteration ist, keine Erneuerung des Basismodells.

Gleichzeitig mit Gemini 3.8 Flash wurde auch Gemini 3.8 Flash Cyber aktualisiert.

Das neue 3.8 Flash Cyber übertrifft die Vorgängerversion 3.5 Flash Cyber beim Schwachstellen-Entdeckungstest CyberGym; bei den internen echten Schwachstellentests von Google, die 20 Programmiersprachen abdecken, liegt die Erfolgsrate über 70 %; beim automatischen Schwachstellen-Reparaturtest CWE-Bench erreicht es 47,2 % und übertrifft damit GPT 5.6 Sol.

Bei „Sicherheitsmodellen“ gehen Google und Anthropic unterschiedliche Wege. Fable 5.1 und Mythos 5.1 sind im Wesentlichen dasselbe Basismodell, das nur durch unterschiedliche Cybersicherheits- und Biosicherheitsbeschränkungen im Zugriffsbereich unterschieden wird; Google hat seit 3.5 Flash eine separate Cyber-Linie entwickelt, die auf Basis von Flash speziell für Schwachstellenentdeckung, -prüfung und -reparatur feinabgestimmt ist und gleichzeitig für die Cyber-Version lockerere Cybersicherheitsbeschränkungen verwendet.

Interessanterweise wirkt sich dieses spezielle Training nun auf das Hauptmodell aus.

Laut Google teilen sich 3.8 Flash und 3.8 Flash Cyber denselben grundlegenden intelligenten Kern, und die Verbesserungen bei Codierung und Schlussfolgerungsfähigkeiten dieser Generation stammen teilweise aus dem Training in dem hochschwierigen Bereich der Cybersicherheit.

Der Modellpreis wandelt sich vom Token-Preis zu den Aufgabenkosten

Betrachtet man nur die API-Preisliste, ist Gemini 3.8 Flash fast eine kostenlose Leistungssteigerung.

Der Eingabepreis beträgt nach wie vor 0,75 USD pro Million Token, der Ausgabepreis 3,75 USD pro Million Token und der Cache-Lesepreis 0,075 USD pro Million Token – genau so viel wie bei 3.7 Flash. Die Leistung ist gestiegen, der Preis pro Token ist keinen Cent gestiegen.

Aber im tatsächlichen Betrieb sieht die Rechnung anders aus.

In den Tests von Artificial Analysis betragen die durchschnittlichen Kosten von Gemini 3.8 Flash high für eine Aufgabe des Intelligence Index 0,58 USD, während die Vorgängerversion 3.7 Flash nur etwa 0,40 USD kostet.

Das heißt, bei gleichem Token-Preis sind die Kosten pro Aufgabe um 40 % gestiegen.

Der Grund ist einfach: 3.8 Flash ist besser im „Denken“ geworden und verbraucht auch mehr Token.

Artificial Analysis stellte fest, dass 3.8 Flash high durchschnittlich etwa 48.000 Ausgabe-Token pro Aufgabe generiert, was 30 % mehr ist als bei 3.7 Flash; bei Agent-Tests führt es zudem mehr Interaktionen durch. Letztendlich müssen mehr Token gekauft werden, um denselben Testsatz abzuschließen, obwohl die Token nicht teurer geworden sind.

Es ist bemerkenswert, dass dies kein Problem ist, das nur Google betrifft – Anthropic hat mit Fable 5.1 ein extremeres Beispiel gezeigt.

Bei Fable 5.1 wurden die normalen Ein- und Ausgabepreise nicht angepasst, sie betragen nach wie vor 10 USD bzw. 50 USD pro Million Token, aber Anthropic hat den Cache-Lesepreis direkt von 1 USD auf 0,25 USD gesenkt, was einer Reduzierung um 75 % entspricht.

Für Agenten ist dies eine sehr praktische Preissenkung. Denn wenn Agenten über lange Zeit arbeiten, müssen sie ständig Code, Dokumente und historische Gespräche lesen, die bereits im Kontext vorhanden sind, sodass das Cache-Lesen oft einen großen Teil der Eingabe-Token ausmacht. Anthropic schätzt, dass allein diese