Eilmeldung! Gemini 3.8 erreicht den Spitzenplatz, Google macht einen großen Schritt im Bereich RSI.

Gerade eben ist Google zurückgekehrt!

In dieser Nacht hat Google offiziell Gemini 3.8 Flash sowie Gemini 3.8 Flash Cyber veröffentlicht, das speziell für Cybersicherheit entwickelt wurde.

Dies ist die dritte Flash-Version, die Google innerhalb von nur sechs Wochen in Folge herausgebracht hat.

Die ersten beiden Aktualisierungen wirkten nur als Aufwärmphase, denn diesmal hat Google das Preis-Leistungs-Verhältnis direkt an die Spitze getrieben —

Kosten pro Aufgabe nur 0,58 US-Dollar! Eingabekosten von nur 0,75 US-Dollar pro Million Tokens!

Bei diesem kleinen Modell zu einem spottbilligen Preis hat es in mehreren Kern-Benchmark-Tests die Schwelle der weltweit stärksten Flaggschiff-Modelle Opus 5, GPT-5.6 Sol und Grok 4.6 erreicht.

Yao Shunyü, ein führender Experte von Google DeepMind, bewertete: Für das Modell ist dies nur ein kleiner Schritt; aber für RSI ist dies ein riesiger Sprung.

Auf X sind die Entwickler bereits außer sich vor Aufregung.

Nach einem praktischen Test stellte jemand eine scharfe Frage: „Mein Gott, hat Google die Ware falsch ausgeliefert? Ist das nicht das Gemini 3.5 Pro, das nie veröffentlicht wurde? Es arbeitet mit dem Preis von Flash und erledigt die Aufgaben von Pro!“

„Im DeepMind-Team hat wahrscheinlich jemand seit Juli kein Auge zugemacht.“

Während alle noch die Neuigkeit von Fable 5.1 verarbeiten, hat Google erneut den Spieltisch umgeworfen.

Google, der „Wettbewerbsfanatiker“, ist zurück: König des Preis-Leistungs-Verhältnisses

Google, das lange in der Versenkung verschwunden war, verkündet der Welt auf extrem wettbewerbsintensive Weise: Der große Herrscher ist zurückgekehrt.

Um die Erschütterung durch Gemini 3.8 Flash zu verstehen, müssen wir zuerst die aktuelle Landschaft des KI-Marktes betrachten.

Ursprünglich haben sich im Artificial-Analysis-Test extrem strenge Barrieren gebildet. Um erstklassige Intelligenz zu erreichen (mit einem Intelligence-Index von etwa 60 Punkten), musste man hohe Token-Kosten in Kauf nehmen.

Und dann tauchte Gemini 3.8 Flash wie ein Attentäter auf, der sich einfach nicht an die ungeschriebenen Regeln hält.

Im hohen Inferenzmodus von Artificial Analysis ist der Intelligenzindex von Gemini 3.8 Flash auf 59 Punkte gestiegen!

Was bedeutet das? Es ist nur noch einen Schritt von den Top-Modellen GPT-5.6 Sol und Grok 4.6 entfernt und übertrifft sogar Claude Opus 5 in einigen Dimensionen!

Und was kostet das alles? Die Kosten pro Aufgabe betragen nur 0,58 US-Dollar.

Genauer gesagt liegen die Eingabekosten bei 0,75 US-Dollar pro Million Tokens und die Ausgabekosten bei 3,75 US-Dollar pro Million Tokens.

Google hat ein Diagramm erstellt: Auf der Pareto-Grenze von Intelligenz und Kosten liegt der blaue Punkt von Gemini 3.8 Flash, der für „höchste Effizienz“ steht, in der oberen rechten Ecke des Software-Engineering-Benchmarks DeepSWE und lässt den Zweitplatzierten weit hinter sich.

Gemini 3.8 Flash ist nicht nur intelligent, sondern auch unglaublich schnell. Seine Generierungsgeschwindigkeit erreicht erstaunliche 305 Tokens pro Sekunde, während das nächstbeste Modell kaum 154 Tokens pro Sekunde erreicht.

„Schnell, intelligent und so billig, als wäre es kostenlos — das ist das Modell, das Menschen wirklich jeden Tag nutzen können.“

Besonders im langfristigen Software-Engineering-Benchmark (DeepSWE v1.1) hat 3.8 Flash ein erstaunliches Ergebnis von 73,7 % erzielt.

In diesem Test, bei dem KI komplexe technische Probleme selbst lösen und Code von Anfang bis Ende schreiben muss, hat es nicht nur die meisten teuren Spitzenmodelle übertroffen, sondern die Kosten betragen nur einen Bruchteil derer der anderen Modelle.

Man muss bedenken: Dies ist nur die „Flash“-Version, nicht „Pro“ und schon gar nicht „Ultra“.

Diesmal hat Google wieder kleine Modelle die Arbeit der Flaggschiff-Modelle übernehmen lassen.

Jemand hat persönlich getestet, wie Gemini 3.8 Flash und Opus 5 dieselbe Aufgabe erledigen.

Dieser starke Sprung in der Programmierfähigkeit ist keineswegs zufällig.

Dieser starke Sprung in der Programmierfähigkeit ist keineswegs zufällig.

Berichten zufolge bevorzugen Google-Ingenieure bei Tests des internen Code-Tools Jetski sogar bereits 3.8 Flash anstelle des Opus-Modells von Anthropic.

Dahinter steckt, dass Google seit Anfang des Jahres massiv Ressourcen für Reinforcement Learning investiert — also die „späte Verfeinerungsphase“ des Modelltrainings, in der das Modell durch Versuch und Irrtum wirklich lernt, praktische Aufgaben zu erledigen.

Google DeepMind hat eine Code-Einsatztruppe aufgebaut, die sich auf die Verbesserung der Fähigkeiten von Programmiermodellen konzentriert. Dieses Team wird vom CTO von DeepMind geleitet, und Mitbegründer Sergey Brin überwacht es direkt.

Ihr Ziel ist es, rekursive Selbstevolution herbeizuführen, Programmiermodelle zu vollautomatischen KI-Forschern umzuwandeln und den gesamten Forschungs- und Entwicklungszyklus vollständig zu schließen.

In einem internen Memo hat Google direkt festgestellt:

Um den Endspurt zu gewinnen, müssen wir dringend die Lücken bei der Ausführung von Agenten schließen und unsere Modelle zu Hauptentwicklern machen.

Darüber hinaus hat Google Barret Zoph abgeworben — Mitbegründer von Thinking Machines Lab, ehemaliger Leiter des Post-Trainings bei OpenAI, der jetzt als Vice President of Research für die Bereiche Reinforcement Learning und Post-Training zuständig ist. Diese Aktion macht klar, dass Google bis zum Äußersten kämpfen wird.

Im letzten Monat trat Mitbegründer und Nobelpreisträger Demis Hassabis als CEO zurück. Sein Nachfolger Koray Kavukcuoglu hat sofort angekündigt: Beschleunigen, beschleunigen und nochmals beschleunigen.

Sind die Benchmarks „aufgeblasen“ oder sind die Fähigkeiten überragend?

Doch inmitten der Lobeshymnen wird Google allgemein vorgeworfen, zu früh zu jubeln und sich zu freuen, bevor das Ziel erreicht ist.

Am unzufriedensten ist Meta —

Metas Muse Spark 1.3 und Gemini 3.8 Flash sind sich direkt begegnet. Ersteres hat im Intelligence-Index von Artificial Analysis 62 Punkte erreicht, gleichauf mit Claude Fable 5, und gehört damit zur Spitzengruppe.

Die Eingabekosten von Muse sind 8-mal niedriger als die von Fable 5, die Ausgabekosten fast 12-mal niedriger — das Preis-Leistungs-Verhältnis ist maximal ausgereizt.

Alexandr Wang, Chief AI Officer von Meta, hat sich direkt spöttisch geäußert: Beim Artificial-Analysis-Intelligence-Index ist Gemini nichts und kann nur dem Abgas der anderen Modelle hinterherlaufen.

Muse Spark 1.3 erreicht einen höheren Wert als GPT-5.6 Sol, Grok 4.6 und Gemini 3.8 Flash, ist aber derzeit nur in der eingeschränkten Vorschau verfügbar.

Jemand weist darauf hin, dass die Benchmark-Diagramme von 3.8 Flash zwar gut aussehen, in der praktischen Anwendung aber nicht unbedingt überzeugen.

Tatsächlich übertrifft Gemini 3.8 Flash in Tests wie Terminal-Bench 2.1 und HLE GPT-5.6 Sol und Opus 5, aber die große Punktedifferenz zwischen TBench 2.1 und TBench 4 zeigt, dass es möglicherweise einen gewissen Anteil an „Benchmark-Optimierung“ gibt.

Das heißt, bei unbekannten Zero-Shot-Herausforderungen in der realen Welt, die nicht im Trainingsdatensatz