Gemini 3.8 Flash при запуске: скорость, крайний срок цен и ограничения, связанные с безопасностью.

Gemini 3.8 Flash приземлился 2 сентября 2026 года с простой целью: улучшение способности к логическим рассуждениям, программированию и работы агентов в модели, созданной для задержек и масштабирования уровня Flash. Google называет её своим самым умным рабочим инструментом на сегодняшний день, предназначенным для многократного использования в сочетании с различными инструментами, оцениваемым по стоимости и результатам полного рабочего процесса, а не как демонстрационный инструмент для победы в тестах на производительность.

Предварительные результаты подтверждают такую оценку, хотя и с оговорками. Собственные оценки Google показывают реальное улучшение по сравнению с Gemini 3.7 Flash, а данные независимого исследования Artificial Analysis делают показатели скорости впечатляющими. Однако пробный период с определёнными ценами истекает, таблица характеристик безопасности включает многоязычную регрессию, а высокий показатель пропускной способности не устраняет задержку при обработке первого токена. Gemini 3.8 Flash выглядит многообещающим для использования в производственных агентах, но окончательный вердикт будет зависеть от тестирования на уровне рабочих процессов, а не от одной строки в таблице рейтингов.

Что принимает модель и где она работает

Модель принимает текст, код, изображения, аудио, видео и файлы PDF, а отвечает в текстовом формате. Согласно технической документации, у неё окно контекста объёмом в один миллион токенов, лимит вывода — 64 000 токенов, возможность вызова функций, поиск в качестве инструмента и использование компьютера. Это позволяет применять её в таких сценариях, как работа с большими кодовыми базами, длинными документами, исследованиями, сочетающими разные типы медиа, а также в многоэтапных агентах, которым необходимо изучить информацию перед действием.

Она широко доступна в продуктах Google. Разработчики могут воспользоваться ею через API Gemini, Google AI Studio, Android Studio, Antigravity или Stitch, в то время как конечные пользователи и предприятия находят её в приложении Gemini, режиме AI, Gemini Enterprise и Sheets; условия использования и требования определяются в зависимости от платформы.

Внимание привлекает окно в миллион токенов, однако объем данных не всегда соответствует надежному воспроизведению информации или правильному выполнению задач. Для промышленного применения важны более точные критерии оценки: берет ли модель правильные доказательства? Являются ли аргументы, используемые ею, обоснованными? Способна ли она восстанавливаться после сбоев? Может ли она завершить работу без чрезмерного потребления токенов? Остальная информация о запуске лучше воспринимается именно с этой точки зрения.

Официальные цифры Google

По имеющимся данным, показатели улучшились в таких областях, как инженерия программного обеспечения, финансы, юридическая деятельность и общее рассуждение:

• DeepSWE v1.1 достигает 71,0%, тогда как Gemini 3.7 Flash — 65,3%.
• Vals Finance Agent v2 поднялся с 59,0% до 61,4%.
• Harvey's Legal Agent Benchmark вырос с 8,8% до 10,0%.
• HLE-Verified улучшился с 53,6% до 54,9%.

Источником всей этой информации являются материалы, представленные Google DeepMind, включая описания моделей и методологии оценки; поэтому их результаты справедливы только в указанных условиях и не должны рассматриваться как универсальные гарантии.

Для команд, разрабатывающих кодирующих агентов, DeepSWE является наиболее релевантным вариантом. Повышение показателя с 65,3% до 71,0% — это значимое улучшение для теста, оценивающего долгосрочную разработку программного обеспечения, а график соотношения затрат и производительности помещает эту модель в категорию наиболее эффективных среди сравниваемых решений Google.

Рейтинги в сферах финансов и юриспруденции указывают на то же самое: улучшения наблюдаются в рабочих процессах, требующих нескольких шагов, наличия специализированных знаний и строгого соблюдения стандартов, а не только при ответах на краткие вопросы. Показатели HLE-Verified меняются в меньшей степени, что напоминает о том, что речь идет о модернизации, а не о радикальном улучшении во всех аспектах.

В совокупности официальные результаты свидетельствуют о необходимости серьезных тестов агентного кодирования и работы с знаниями, хотя они не могут заменить тестирование на ваших собственных репозиториях, документах и бизнес-правилах.

Данные о скорости работы

Таблица Google — это лишь один из аспектов. Компания Artificial Analysis опубликовала отдельную информацию о конфигурации с высокой нагрузкой 2 сентября 2026 года:

• Индекс интеллекта: 59, место 16 из 195.
• Скорость вывода результата: 304,6 токенов в секунду, место 1 из 195.
• Стоимость выполнения задачи по индексу интеллекта: $0,58, место 59 из 195.
• Время ожидания первого токена с ответом: 13,39 секунды.

Одно методологическое правило ясно: эти показатели не следует смешивать с оценками моделей от Google.

Artificial Analysis использует собственную совокупность задач, настройки и модель стоимости, поэтому ее цифры наилучшим образом подходят в качестве независимого показателя на определенный момент времени.

Если смотреть с этой точки зрения, ключевым показателем является скорость генерации. Скорость выхода более 300 токенов в секунду может сделать длинные ответы, генерацию кода и итеративные циклы агентов значительно быстрее, как только начинается поток текста. Однако 13,39 секунды ожидания первого токена ответа добавляют нюанс, поскольку пропускная способность не равна мгновенному ответу. Для интерактивных продуктов одинаково важны как время запуска, так и постоянная скорость работы.

Здесь средние значения могут вводить в заблуждение. Кодинг-агент, который быстро пишет, но тормозит перед каждым шагом, может вести себя иначе, чем более медленная модель, которая начинает работу сразу. Единственным значимым критерием сравнения является общее время выполнения на реальном рабочем процессе.

Ценообразование и срок действия

Для стандартного использования во всем мире Google указывает следующие вступительные тарифы за миллион токенов до 31 декабря 2026 года:

• Стоимость ввода — 0,75 доллара.
• Выдача текстового ответа, включая ответы и обоснования, стоит 3,75 доллара.
• Хранение в кэше входных данных стоит 0,075 доллара.

Начиная с 1 января 2027 года действуют стандартные глобальные тарифы: 1,50 доллара за входные данные, 7,50 доллара за выдачу текстового ответа и 0,15 доллара за хранение в кэше входных данных.

На странице с тарифами Google указано, что промоционный тариф предусматривает возврат 50% от суммы соответствующих чистых расходов на выбранные модели. Все три действующих тарифа удваиваются по истечении вступительного периода, а тарифы для неглобальных регионов отличаются, поэтому командам следует проверять регион и условия оплаты для своей среды развертывания. Тот факт, что стандартные тарифы не являются менее конкурентоспособными, сам по себе не делает их невыгодными, однако прогноз, основанный на цифрах дня запуска, будет существенно неточным.

Любой, кто сейчас оценивает эту модель, должен рассчитать два бюджета — рекламный и бюджет в устойчивом режиме, учитывая попытки повторной обработки, токены для логики, растущий объем контекста и коэффициенты успешного доступа к кэшу. Низкие цены на токены помогают, однако задачи, которые запускаются в цикле, временно тормозят или требуют многократной коррекции, могут всё равно стоить дорого. Следует отслеживать стоимость за одну успешно выполненную задачу.

Вариант Cyber

Вместе с выпуском появился Gemini 3.8 Flash Cyber — отдельная модель для автоматического поиска уязвимостей и их устранения. Она отличается от универсальной модели и не является скрытым параметром внутри неё.

Доступ к этому решению осуществляется через Fairwind и предоставляется только проверенным пользователям, включая государственные учреждения, операторов критически важной инфраструктуры и сотрудников, ответственных за обслуживание программного обеспечения. По данным Google на платформе CWE-Bench показатель успешного прохождения тестов составляет 47,2%, что немного ниже 47,8%, указанного для лидирующей модели, причем стоимость использования этого решения значительно ниже.

Такое близкое сопоставление показателей заслуживает внимания, как и подход к распространению решения, поскольку кибербезопасность и контроль доступа должны развиваться синхронно. Это решение намеренно не предназначено для широкой публики.

Результаты тестов на безопасность

Что касается безопасности и общего качества работы, Google утверждает, что данная модель в целом сопоставима с Gemini 3.7 Flash. Однако подробные автоматизированные оценки её разработки показывают более смешанные результаты:

• Показатель безопасности при преобразовании текста в текст изменился на -0,4 процентных пункта, что является улучшением, поскольку чем ниже показатель, тем лучше.
• Показатель безопасности при преобразовании изображений в текст остался на уровне 0,0 баллов.
• Показатель тона улучшился на +0,2 балла; чем выше показатель, тем лучше.
• Показатель безопасности в мультиязычных сценариях вырос на +5,4 балла, что является регрессией, поскольку чем ниже показатель, тем лучше.
• Количество необоснованных отказов изменилось на +1,1 балла, что также является негативным трендом согласно тому же принципу «чем ниже, тем лучше».

Замечание относительно объема данных: таблица отражает результаты автоматизированных оценок разработки, поэтому это не результаты человеческого рассмотрения и не отчет команды по тестированию на проникновение. Кроме того, в карточке модели указано, что ручные тесты командой Google не выявили ничего серьезного, а при анализе автоматически зафиксированных ошибок люди в подавляющем большинстве случаев считали их ложными срабатываниями или несерьезными проблемами. Следовательно, данные о мультиязычной работе модели не следует использовать для утверждения о ее небезопасности, но их также не стоит скрывать. Любые системы, обслуживающие несколько языков, должны пройти тесты с использованием собственных запросов, проверки отказов и обработку случаев, чувствительных к правилам, перед более широким внедрением.

В карточке модели также приводятся обычные оговорки. Могут возникать галлюцинации, длительные или сложные запросы могут выполняться медленно или завершаться с ошибкой времени ожидания, а более сложные операции могут потребовать больше токенов. Новая модель не устраняет необходимость в проверке, возможности наблюдения и запасных вариантах работы.

Где он может найти своё место

Самый убедительный аргумент заключается не в том, что этот модель «захватит лидерство». Речь идёт о том, что Google сочетает высокую производительность агентов, широкий мультимодальный контекст и очень высокую скорость обработки данных с экономическими преимуществами технологии Flash. Такое сочетание может принести плоды в трёх областях:

1. Агенты для программирования и работы в терминале, которые сканируют большие хранилища, вызывают инструменты и быстро вносят коррективы.
2. Работа с документами в форматах PDF, изображений, аудио, видео и структурированных данных.
3. Приложения с высоким объёмом работы, где задержки и общая стоимость выполнения задач имеют такое же значение, как и показатели качества рассуждений.

Переход на производственную среду не следует одобрять исключительно на основе показателей при запуске. Внутренняя оценка должна включать:

• завершённые задачи, а не просто кажущиеся правдоподобными ответы;
• уровень сбоев при вызове инструментов и работе со схемами;
• время до получения первого токена и задержка при выполнении полного рабочего процесса;
• количество входных, выходных, рассуждающих и закэшированных токенов за каждую завершённую задачу;
• степень соответствия цитатам или источникам при обработке длинных контекстов;
• уровень безопасности и поведение при отказе в выполнении запросов на каждом поддерживаемом языке;
• результаты до и после изменения цен в январе 2027 года.

Если модель сможет сохранить свои характеристики, установленные при запуске, при прохождении таких тестов, она может стать отличным стандартом для промышленных агентов. Не обязательно побеждать во всех отдельных тестах. Более значимым критерием является быстрая, мощная модель, способная дать полезный результат по устойчивой цене, и её успех должен быть доказан в рамках реального рабочего процесса.

Использованные источники

Объявление Google о Gemini 3.8 Flash и Flash Cyber, страница продукта DeepMind с описанием модели и методологией оценки, страница с ценами на генеративный ИИ от Google Cloud, страница модели от Artificial Analysis и сайт с тестами DeepSWE. В этом анализе официальные оценки Google сопоставляются с результатами независимого исследования Artificial Analysis.