AnswersPublished15 sources
Gemini 3.8 Flash: Hvad vi ved om Googles kodefokuserede AI-model “Skimaki”
Gemini 3.8 Flash, internt kendt som “Skimaki”, er udviklet med særligt fokus på programmering, AI agenter og komplekse arbejdsopgaver. Wall Street Journal skrev, at modellen kunne blive lanceret allerede onsdag den 2.
Udgivet afBilleder genereret med GPT Image 1.5
Research answer
Key takeaways
- Gemini 3.8 Flash, internt kendt som “Skimaki”, er udviklet med særligt fokus på programmering, AI agenter og komplekse arbejdsopgaver.
- Wall Street Journal skrev, at modellen kunne blive lanceret allerede onsdag den 2.
- Google ingeniører skal i interne sammenligninger i værktøjet Jetski have foretrukket modellen frem for Anthropics Claude Opus.
- Flash navnet signalerer en prioritering af hastighed og lavere driftsomkostninger frem for Googles største og mest ressourcekrævende AI model.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Google’s reportedly imminent Gemini 3.8 Flash coding AI model, internally known as “Skimaki,” when might it be released, how did Goo. Article summary: Gemini 3.8 Flash, reportedly codenamed “Skimaki,” was described as a coding focused, efficient Gemini model intended to close Google’s perceived gap with OpenAI and Anthropic.. Topic tags: general web, openai, agents, ai, automation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icon
Hvad er Gemini 3.8 Flash?
Gemini 3.8 Flash er ifølge rapporterne en kodefokuseret version af Googles Gemini-familie. Modellen omtales internt under kodenavnet “Skimaki” og er udviklet til softwareudvikling, AI-agenter og opgaver, der kræver mange trin efter hinanden. 2
5
En såkaldt Flash-model er normalt ikke Googles største flagskibsmodel. I stedet er målet at levere høj ydeevne med lavere svartid og lavere omkostninger pr. forespørgsel. Det gør modellen bedre egnet til tjenester, hvor den skal bruges i stort antal – for eksempel i programmeringsværktøjer, cloudprodukter og virksomheders automatiserede arbejdsgange.
Hvornår kan modellen være udkommet?
Wall Street Journal skrev, at Gemini 3.8 Flash kunne blive lanceret allerede onsdag den 2. september 2026. 2 En Google-side for udviklere, som blev indekseret samme dag, beskrev imidlertid modellen som generelt tilgængelig og klar til produktionsbrug.
5
Det betyder, at beskrivelsen af modellen som “lige på trapperne” muligvis allerede er forældet. Den praktiske tilgængelighed kan dog stadig afhænge af, hvilke Google-produkter, API’er og regioner der har fået adgang til den.
Hvad viste testen mod Claude Opus?
Ifølge medarbejdere, som Wall Street Journal har talt med, kørte Google-ingeniører direkte sammenligninger i Jetski, Googles interne programmeringsværktøj. Nogle af ingeniørerne foretrak Gemini 3.8 Flash frem for Anthropics Claude Opus, når modellerne blev vurderet på kodning. 2
Det er et interessant signal, men ikke et offentligt bevis på, at Gemini 3.8 Flash generelt er bedre. Resultater fra et internt værktøj kan være påvirket af opgaverne, testmiljøet, modellernes adgang til værktøjer og den måde, medarbejderne vurderer svarene på. Der er derfor tale om en intern, kvalitativ sammenligning – ikke et uafhængigt og reproducerbart benchmark.
Hvorfor satse på en hurtigere og billigere model?
Den oplagte forklaring er skala. En model, der kan løse krævende programmeringsopgaver uden samme latenstid eller omkostning som et tungt flagskib, er lettere at integrere i produkter, cloudtjenester og automatiserede AI-agenter.
Sådanne agenter skal ofte gennemføre lange forløb: De skal læse kode, bruge værktøjer, foreslå eller foretage ændringer og derefter kontrollere, om løsningen virker. Derfor er det ikke nok, at modellen kan skrive et godt enkeltstående svar. Den skal også kunne fastholde målet og arbejde stabilt over mange trin. 1
5
Det er blevet antydet, at en mindre og mere effektiv model samtidig kan være lettere at få gennem Googles interne og eksterne kontrolprocesser end en model i den absolutte frontlinje. Det er dog en strategisk slutning – ikke noget de tilgængelige kilder dokumenterer som en konkret myndighedsgrænse eller den afgørende årsag til modeldesignet. 1
En større rolle til reinforcement learning
Rapporteringen peger også på, at Google har øget ressourcerne til reinforcement learning, altså en senere træningsfase, hvor modellen forbedrer sine evner gennem feedback, forsøg og belønning. 1
Det kan være vigtigt for programmering og agentiske opgaver. Her handler kvalitet ikke kun om at kende fakta eller generere kode, men om at udføre en opgave korrekt, opdage fejl og vælge det rigtige næste skridt.
Fokus på denne del af træningen kan også forklare den hurtige udvikling fra Gemini 3.7 Flash til 3.8 Flash. Strategien ser ud til i høj grad at handle om at gøre eksisterende modelkapacitet mere pålidelig i praksis – ikke kun om at bruge flere ressourcer på den indledende træning af en større model. 1
9
Hvor passer modellen ind i Googles AI-strategi?
Google har i længere tid forsøgt at mindske afstanden til OpenAI og Anthropic inden for programmering. Samtidig har OpenAI i stigende grad rettet opmærksomheden mod agentisk kodning, mens Google har fremhævet AI-agenter som en central del af sin strategi for at tjene penge på AI i virksomheder. 1
4
I august ændrede Google DeepMind også ledelsesstrukturen. Demis Hassabis forlod den daglige ledelse af DeepMind for at blive bestyrelsesformand og chief scientist for Alphabet. Det gav andre ledere mere operationel myndighed, mens Hassabis fortsat fik en strategisk og videnskabelig rolle. 3
Reuters har desuden rapporteret, at Googles medstifter Sergey Brin opfordrede centrale AI-medarbejdere til at satse fuldt ud på Gemini. 1 Samlet set peger det på et pres for at få Googles modeller til både at præstere bedre og hurtigere blive omsat til konkrete produkter.
Hvad er stadig uvist?
Selv hvis Gemini 3.8 Flash har klaret sig stærkt i Jetski, er det endnu ikke ensbetydende med, at modellen er bedst på tværs af alle typer programmering. Der mangler blandt andet uafhængige resultater for:
- offentlige kodebenchmarks
- forskellige programmeringssprog og virkelige kodebaser
- stabilitet under lange, autonome kørsler
- sikkerhed og håndtering af fejl
- forholdet mellem pris og ydeevne efter lanceringen
Sammenligningen med Claude Opus bygger desuden på oplysninger fra ikke-navngivne medarbejdere. Den endelige vurdering afhænger af den offentligt tilgængelige model, dens værktøjsmiljø, testmetoderne og hvordan OpenAI og Anthropic reagerer. Der er derfor ikke tilstrækkeligt belæg for at konkludere, at Gemini 3.8 Flash samlet set har overhalet konkurrenterne. 2
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Gemini 3.8 Flash: Hvad vi ved om Googles kodefokuserede AI-model “Skimaki”"?
Gemini 3.8 Flash, internt kendt som “Skimaki”, er udviklet med særligt fokus på programmering, AI agenter og komplekse arbejdsopgaver.
What are the key points to validate first?
Gemini 3.8 Flash, internt kendt som “Skimaki”, er udviklet med særligt fokus på programmering, AI agenter og komplekse arbejdsopgaver. Wall Street Journal skrev, at modellen kunne blive lanceret allerede onsdag den 2.
What should I do next in practice?
Google ingeniører skal i interne sammenligninger i værktøjet Jetski have foretrukket modellen frem for Anthropics Claude Opus.