A Google Gemini 3.8 Flash erősebb kódolási képességeket és magasabb feladatonkénti költséget ígér

Röviden:

• A Google bemutatta a Gemini 3.8 Flash általános, valamint a kiberbiztonsági feladatokra kialakított Cyber változatát.[^1]
• A vállalat szerint az új modell a DeepSWE szoftverfejlesztési teszten 73,7 százalékos eredményt ért el, szemben a Gemini 3.7 Flash 65,3 százalékos értékével.[^1]
• Az azonos tokenár ellenére a modell feladatonkénti költsége nőhet, mert összetett feladatoknál több következtetési lépést és eszközhívást használ.[^1]
• A Gemini 3.8 Flash Cyber korlátozottan, védelmi célú kiberbiztonsági munkára érhető el.[^2]

Bevezető: új Flash-modellt adott ki a Google

A Google a Gemini 3.8 Flash kiadásával frissítette kedvező árú, gyors AI-modellcsaládját. A vállalat az új modellt elsősorban programozási, következtetési és ügynöki jellegű feladatokra pozicionálja, miközben külön Cyber-változatot is készített a szoftveres biztonsági hibák védelmi célú feltárására.[^1][^2]

Gemini 3.8 Flash: jobb eredmények a szoftverfejlesztési teszteken

A Google adatai szerint a Gemini 3.8 Flash a hosszabb távú szoftverfejlesztési feladatokat mérő DeepSWE v1.1 teszten 73,7 százalékot ért el. Ez az eredmény meghaladja a Gemini 3.7 Flash 65,3 százalékos, valamint az OpenAI GPT-5.6 Sol modelljének 72,7 százalékos értékét, és kevéssel marad el az Anthropic Claude Opus 5 modelljének 74 százalékos eredményétől.[^1]

„A modell keményebben dolgozik” – ezzel magyarázza A Google, hogy a Gemini 3.8 Flash bonyolult feladatoknál további következtetési lépéseket végez, és ismételten használhat külső eszközöket.[^1]

A benchmarkeredmények fontos összehasonlítási pontok, de nem garantálják, hogy minden valós fejlesztői környezetben azonos különbség lesz érzékelhető. A tényleges teljesítményt a feladat típusa, az eszközhasználat, a megadott utasítások és a választott következtetési szint is befolyásolja.[^1]

Az Artificial Analysis értékelése

Az Artificial Analysis Intelligence Indexében a Gemini 3.8 Flash 59 pontot kapott, hárommal többet elődjénél. Az elemzőplatform szerint az előrelépést főként az eszközhasználatot és a programozási képességet vizsgáló ügynöki teszteken elért jobb eredmények magyarázzák.[^3]

Árazás és tokenfogyasztás: az alacsonyabb ár nem minden esetben jelent kisebb számlát

A bevezető árazás alapján a Gemini 3.8 Flash egymillió bemeneti tokenenként 0,75 dollárba, egymillió kimeneti tokenenként pedig 3,75 dollárba kerül. A Google közlése szerint 2027 januárjától ezek az árak 1,50, illetve 7,50 dollárra emelkednek.[^1][^2]

A tokenenkénti díj változatlan maradt a Gemini 3.7 Flashhez képest, ugyanakkor az új modell több tokent használhat fel egy összetett munkafolyamat során. Az Artificial Analysis becslése szerint a Gemini 3.8 Flash feladatonkénti költsége 0,58 dollár, míg az elődé 0,40 dollár volt. Ez megközelítőleg 40 százalékos emelkedés.[^1][^3]

Ezért azokban a rendszerekben, ahol az alacsony késleltetés vagy a szigorú számítási keret fontosabb a maximális következtetési teljesítménynél, a kisebb következtetési szint vagy a korábbi Gemini 3.7 Flash továbbra is ésszerű választás lehet.[^1]

Gemini 3.8 Flash Cyber: korlátozott hozzáférés a védelmi feladatokhoz

A Gemini 3.8 Flash Cyber nem általánosan hozzáférhető modell. A Google DeepMind a Fairwind Programon keresztül kormányzati intézményeknek, kritikus infrastruktúrát üzemeltető szervezeteknek és szoftverkarbantartóknak biztosítja, kifejezetten védelmi kiberbiztonsági célokra.[^2]

A Google szerint a CyberGym C/C++-sebezhetőségfelderítési teszten a modell 86,2 százalékot ért el. A külső CWE-Bench teszten, automatizált javításnál 47,2 százalékos Pass@1 eredményt jelentettek. Ezek a számok a szolgáltató által közölt mérések, ezért a gyakorlati alkalmazhatóság megítéléséhez független vizsgálatok is fontosak lesznek.[^1][^2]

Védekezés a promptinjekció ellen

A vállalat a promptinjekciós támadásokkal szembeni ellenállást is kiemelte. A közölt Gray Swan IPI-mérésben a Gemini 3.8 Flash támadási sikeraránya 5,5 százalék volt. Az ilyen eredmények a modellbiztonság egyetlen, jól körülhatárolt dimenzióját írják le, ezért éles környezetben továbbra is szükség van hozzáféréskezelésre, naplózásra és emberi ellenőrzésre.[^1]

Összefoglaló: teljesítménynövekedés kompromisszumokkal

A Gemini 3.8 Flash a Google állítása szerint jelentős előrelépést hoz a kódolási és ügynöki feladatokban, miközben a tokenalapú árazása továbbra is alacsonyabb a több csúcskategóriás versenytársénál. A nagyobb következtetési igény azonban növelheti az egy feladatra jutó tényleges költséget és az átfutási időt. A modell ezért elsősorban olyan munkafolyamatokban lehet versenyképes, ahol a jobb feladatmegoldási arány ellensúlyozza a magasabb tokenfogyasztást.[^1][^3]

Forrás:

[^1]: THE DECODER (2026. 09. 02.). „Googles Gemini Flash 3.8 arbeitet härter als der gerade mal sechs Wochen alte Vorgänger 3.7 Flash”. THE DECODER. Közzétéve [2026. 09. 02. 16:36:29 +0000].

[^2]: Google (2026). „Gemini 3.8 Flash and Gemini 3.8 Flash Cyber”. Google Blog. Közzétéve [2026. 09. 02.].

[^3]: Artificial Analysis (2026). „Gemini 3.8 Flash értékelés”. Artificial Analysis. Közzétéve [2026. 09. 02.].