Gemini 3.8 Flash

Gemini 3.8 Flash — стабильная производственная модель Google для агентного программирования, обработки больших документов и многошаговых рабочих процессов. Её главные преимущества — контекст на 1 048 576 токенов, мультимодальный ввод, большой набор встроенных инструментов и цена Flash-класса. Модель стоит выбирать, когда важны длинные автономные сессии и стоимость одного успешно выполненного задания; для простой массовой обработки выгоднее проверить Gemini 3.7 Flash или Flash-Lite, а для задач реального времени 3.8 Flash не подходит из-за отсутствия Live API.

Что представляет собой Gemini 3.8 Flash

Google выпустила Gemini 3.8 Flash 2 сентября 2026 года сразу в статусе General Availability (GA). Это следующая итерация Gemini 3.7 Flash, ориентированная на длительную разработку, автономных агентов и сложные корпоративные процессы. В линейке Gemini модель занимает место рабочего универсального движка: Flash-Lite рассчитан на более дешёвые массовые операции, а Pro — на задачи предельной сложности.

Доступ открыт через Gemini API, Google AI Studio и Enterprise Agent Platform. Модель используется в Google Gemini и стала базовой для агента Google Antigravity. С репозиториями из терминала работает Gemini CLI, где доступность и лимиты зависят от тарифа.

Характеристики и API

Параметр	Gemini 3.8 Flash
Идентификатор API	gemini-3.8-flash
Статус	GA, стабильная версия
Вход	текст, изображения, видео, аудио, PDF
Выход	текст
Контекст	1 048 576 токенов
Максимальный вывод	65 536 токенов
Thinking	low, medium, high; по умолчанию medium
Локальный запуск	нет, веса не опубликованы
Дата среза знаний	март 2026 года, в отдельных областях знания могут ограничиваться январём 2025 года

Контекст на миллион токенов вмещает крупную кодовую базу, комплект договоров или длинное видео. Качество поиска детали внутри такого объёма следует проверять на собственных данных. Вывод до 65 536 токенов полезен для больших отчётов и многофайловых изменений, но увеличивает стоимость и задержку.

API поддерживает function calling, структурированный JSON-вывод, выполнение кода, File Search, URL Context, контекстное кэширование и grounding через Google Search и Google Maps. Computer Use доступен в Preview. Генерация изображений, генерация аудио и Live API у этой модели не поддерживаются: изображение, звук и видео можно анализировать, но результат возвращается текстом.

Thinking и работа с инструментами

low уменьшает задержку и расход в чатах, классификации и извлечении данных. medium подходит для большинства задач с кодом и инструментами. high рассчитан на математику, сложную отладку и длинные цепочки действий. minimal вызывает ошибку.

На сложных заданиях модель делает дополнительные шаги и повторно вызывает инструменты. Это помогает закончить длинный процесс, но увеличивает оплачиваемые thinking-токены. Полезная маршрутизация: low для дешёвых шагов, medium для основной работы, high — когда ошибка дороже дополнительного расхода.

При миграции замените thinking_budget на thinking_level. temperature, top_p и top_k игнорируются, а frequency_penalty, presence_penalty и candidate_count вызывают ошибку. FunctionResponse должен совпадать с предыдущим вызовом по идентификатору, имени и количеству. Предзаполненные ответы роли model не поддерживаются.

Сколько стоит API

До 31 декабря 2026 года действует вводная цена. С 1 января 2027 года основные ставки удваиваются.

Режим	Ввод до 31.12.2026	Вывод до 31.12.2026	Ввод с 01.01.2027	Вывод с 01.01.2027
Standard	$0,75	$3,75	$1,50	$7,50
Batch	$0,375	$1,875	$0,75	$3,75

Цены указаны за миллион токенов; thinking входит в вывод. Flex стоит как Batch. Кэшированный ввод в Standard — $0,075 до конца 2026 года и $0,15 после, хранение — $0,50 и $1 за миллион токенов в час соответственно.

Миллион входных и 200 тысяч выходных токенов стоят $1,50 в Standard по вводной цене и $3 с 1 января 2027 года. Кэш и grounding считаются отдельно. Для Google Search и Maps предусмотрено 5 000 бесплатных запросов в месяц, общих для Gemini 3.x, затем — $14 за 1 000; один вызов может породить несколько поисковых запросов.

Что показывают официальные бенчмарки

Google публикует результаты Gemini 3.8 Flash на разных стендах. Основная таблица DeepMind использует gemini-3.8-flash через Gemini API, настройки сэмплирования по умолчанию и pass@1, если не указано иное. Для небольших наборов усредняются несколько прогонов.

Тест и версия	Результат	Условия
DeepSWE v1.1	73,7%	mini-swe agent, high thinking; результат Google
Terminal-Bench 2.1	89,4%	Terminus 2, стандартный агентный стенд
GDPVal-AA v2	1545 Elo	публичный лидерборд Artificial Analysis
Vals Finance Agent v2	61,4%	результат Vals.AI
Harvey’s Legal Agent Benchmark	10,0%	all-pass: засчитывается полностью пройденный процесс
OSWorld 2.0	59,0%	partial score, максимум из трёх одиночных прогонов, 1080p, до 500 шагов
HLE-Verified	54,9%	точность на 1 811 проверенных заданиях; 689 спорных заданий исходного HLE исключены

Результаты не гарантируют такой же процент на частном репозитории или русскоязычных документах. Terminal-Bench 4.0 даёт 19,1% и не сопоставим с 89,4% на версии 2.1. В отдельном Google Cloud developer evaluation указаны 90,8% на Terminal-Bench 2.1 и 45,4% на обычном HLE; смешивать эти стенды с основной таблицей и HLE-Verified нельзя.

Для каких задач модель подходит

Модель разумно тестировать, когда:

• агент меняет несколько файлов, запускает тесты, анализирует ошибки и повторяет цикл;
• система извлекает факты из длинных PDF, аудио, видео и таблиц, затем формирует структурированный отчёт;
• корпоративный процесс сочетает поиск, вызовы внутренних функций и проверку промежуточного результата;
• один API должен обрабатывать текст и мультимодальные вложения без отдельной модели распознавания.

На собственном наборе считайте стоимость принятого результата: повторные попытки, ошибки инструментов, задержку, thinking и долю ответов, прошедших проверку. Ответственные решения требуют контроля человеком.

Ограничения и выбор модели

Модель может выдумывать факты, ошибаться в длинных цепочках и попадать в тайм-ауты. Новые данные нужно получать через поиск или свой источник. Computer Use остаётся Preview, поэтому интерфейсным агентам нужны ограниченные разрешения, журналирование и подтверждение необратимых действий.

Выбирайте 3.8 Flash, если длинные процессы часто ломаются на поздних шагах и выигрыш покрывает дополнительные thinking-токены. 3.7 Flash выгоднее для короткого стабильного процесса, Flash-Lite — для классификации и извлечения полей, Pro — для редких задач предельной сложности. Сравнивайте варианты на одинаковых промптах, инструментах и лимитах.

Частые вопросы

Есть ли у модели бесплатный API?

На странице Gemini Developer API указан бесплатный уровень с ограниченными лимитами. Данные бесплатного уровня могут использоваться для улучшения продуктов Google; в платном уровне — нет.

Поддерживает ли Gemini 3.8 Flash изображения и видео?

Да, модель принимает изображения, видео, аудио и PDF вместе с текстом. Она возвращает только текст и не генерирует изображения или звук.

Какой thinking level выбрать?

Начните с medium. Переводите простые и чувствительные к задержке операции на low, а high включайте после измерения выигрыша на сложных заданиях.

Можно ли перенести настройки с Gemini 3.7 Flash без изменений?

Модельный идентификатор нужно обновить, thinking_budget заменить на thinking_level, а устаревшие параметры сэмплирования и предзаполненные model-turn удалить. Вызовы функций требуют строгого соответствия ответа предыдущему вызову.

Чем HLE-Verified отличается от HLE в таблице Google Cloud?

HLE-Verified — очищенный набор из 1 811 проверенных заданий с исключением 689 спорных вопросов. Обычный HLE в developer evaluations — другая строка и другой результат; сравнивать 54,9% и 45,4% как изменение качества нельзя.

Подходит ли модель для голосового ассистента в реальном времени?

Нет. Она умеет анализировать аудио, но Live API и генерация аудио не поддерживаются. Для двустороннего потокового голоса нужна специализированная Live-модель.

Источники

• Карточка модели Gemini 3.8 Flash
• График прекращения поддержки моделей Gemini
• Руководство по Gemini 3.8 Flash и миграции
• Тарифы Gemini Developer API
• Методология и результаты оценивания Google DeepMind
• Model Card Gemini 3.8 Flash
• Анонс Gemini 3.8 Flash
• Руководство Gemini Enterprise Agent Platform