Gemini 3.8 Flash: Pris, benchmarks og Fairwind-programmet til cyberforsvar

Google har lanceret Gemini 3.8 Flash som en generel model til softwareudvikling, agentiske opgaver og specialiseret ræsonnering over flere trin. Samtidig har virksomheden præsenteret en særskilt, begrænset cyberforsvarsmodel. Pointen er altså ikke blot hurtigere og billigere inferens: Google vil gøre Flash til en kapabel model til længerevarende udvikler- og agentforløb til en væsentligt lavere startpris end flere frontier-konkurrenter. 8

Hvad er nyt i Gemini 3.8 Flash?

Gemini 3.8 Flash kom kun tre uger efter Gemini 3.7 Flash og er den tredje Flash-lancering på seks uger. Google kalder den sin hidtil mest intelligente "arbejdshest" og fremhæver forbedringer inden for softwareudvikling, agentiske opgaver og kritisk ræsonnering i flere trin. 38

I praksis retter Google modellen mod opgaver, der kræver planlægning, gentagne forsøg, brug af værktøjer og løbende udførelse — ikke kun korte prompts med lav svartid. Det kan gøre den interessant som standardmodel i kodeassistenter og autonome arbejdsgange, men betyder også, at det reelle forbrug skal måles nøje.

Pris: Introduktionstilbud frem til årsskiftet 2026

Googles introduktionspris for API’et er 0,75 dollar pr. million inputtokens og 3,75 dollar pr. million outputtokens — samme pris som for Gemini 3.7 Flash. Prisen gælder til og med 31. december 2026. Fra 1. januar 2027 er den oplyste standardpris 1,50 dollar pr. million inputtokens og 7,50 dollar pr. million outputtokens. 38

Det er vigtigt i budgetlægningen: En test gennemført til lanceringsprisen siger ikke nødvendigvis noget om udgiften ved standardprisen i 2027.

Tokenpris er ikke hele regningen

En model, som bruger lang ræsonnering, kvalitetssikrer sit eget arbejde og gentagne gange kalder værktøjer, kan bruge flere outputtokens og skabe mere værktøjstrafik pr. færdig opgave. Artificial Analysis målte en pris på cirka 0,58 dollar pr. opgave i Intelligence Index for Gemini 3.8 Flash mod 0,40 dollar for Gemini 3.7 Flash; samtidig steg det gennemsnitlige antal outputtokens. 2532

En lav pris pr. token er derfor ikke automatisk lig med den laveste pris pr. løst opgave. Virksomheder bør måle omkostning pr. gennemført opgave på egne kodebaser og arbejdsgange — ikke kun sammenligne input- og outputpriser. Til mere enkle opgaver, hvor Gemini 3.7 Flash allerede leverer tilstrækkelig kvalitet, kan det være en fornuftig måde at holde udgifterne nede på, mens de to modeller har samme introduktionspris. 3

Benchmark: Sådan står Flash over for GPT-5.6 Sol, Grok 4.6 og Claude Fable 5.1

På Artificial Analysis’ samlede Intelligence Index fik Gemini 3.8 Flash 59 point med høj ræsonnering — tre point mere end Gemini 3.7 Flash. Det matcher GPT-5.6 Sol med ekstrahøj ræsonnering og Grok 4.6 med mellemindstilling. Ved højere indstillinger nåede GPT-5.6 Sol og Grok 4.6 begge 61 point, mens Claude Fable 5.1 nåede 66. 21

Det er en nyttig sammenligning, men ikke en universel rangliste. Resultatet påvirkes blandt andet af ræsonneringsindstilling, opgavesammensætning, grænser for svartid, regler for værktøjsbrug og tokenbudgetter.

Model	Rapporteret resultat på Intelligence Index	API-pris pr. 1 mio. input-/outputtokens
Gemini 3.8 Flash	59 ved høj ræsonnering	0,75 / 3,75 dollar ved introduktion; 1,50 / 7,50 dollar som standard 321
GPT-5.6 Sol	59 ved ekstrahøj; 61 ved maksimum	5 / 30 dollar 2021
Grok 4.6	59 ved mellem; 61 ved høj	2 / 6 dollar 2021
Claude Fable 5.1	66 ved maksimum	10 / 50 dollar 2126

Geminis lanceringspris pr. token er dermed markant lavere end de anførte priser for konkurrenterne. Men den lavere listepris dokumenterer ikke, at modellen er billigst til enhver opgave. CursorBench viser eksempelvis et mere opgavespecifikt billede: Fable 5.1 Max havde en højere succesrate end Gemini 3.8 Flash High, mens Gemini havde en lavere målt kørselsomkostning i den benchmark. 30

Den rette model skal derfor vælges ud fra den konkrete arbejdsmængde: Test ved de ræsonneringsniveauer, kontekststørrelser og værktøjstilladelser, som produktionen faktisk kræver.

Fairwind: Begrænset adgang til Gemini 3.8 Flash Cyber

Sideløbende med den generelle model lancerede Google Fairwind Program, et initiativ med begrænset adgang for myndigheder, betroede partnere og prioriterede forsvarere. Google nævner blandt andet sundhedsudbydere og teleselskaber som eksempler. 514

Deltagerne får tidlig adgang til Gemini 3.8 Flash Cyber, en cybersikkerhedsvariant, som Google siger er udviklet til at finde sårbarheder og automatisere patching. Programmet kombinerer modellen med CodeMender, Googles agent til kodesikkerhed, med henblik på sårbarhedsforskning og softwareudbedringer. 814

Det er ikke det samme som at åbne en cybermodel for alle API-kunder. Den begrænsede adgang er central, fordi funktioner til at opdage og udbedre sårbarheder har en dobbelt anvendelse: De kan styrke forsvarere, men avancerede funktioner kan også misbruges. At Google begrænser adgangen til betroede forsvarere, er derfor en del af produktets sikkerhedsdesign — ikke bare et spørgsmål om tilgængelighed. 514

Hvad lanceringen fortæller om Googles AI-strategi

Lanceringen peger på en strategi med to spor:

• Bred tilgængelighed: hurtige udgivelser af en økonomisk model til kodning, ræsonnering og agentudvikling.
• Kontrolleret adgang: den mere følsomme cyberfunktion placeres i et program for godkendte forsvarere. 58

Det sker samtidig med usikkerhed om Googles næste flagskibsmodel. Demis Hassabis er gået fra den daglige ledelse af Google DeepMind til rollerne som DeepMind-formand og chefforsker i Alphabet; han har ikke forladt Alphabet. Samtidig har rapportering peget på, at Gemini 3.5 Pro, der var ventet i juni, er blevet forsinket. 33

Det beviser ikke, hvorfor Google har øget tempoet i Flash-lanceringerne. Men det gør produktstrategien lettere at afkode: Gemini 3.8 Flash er en konkret og tilgængelig satsning på kompetente, prisbevidste agenter, mens planen for Googles flagskibsmodeller fortsat er mindre klar.

Konklusion

Gemini 3.8 Flash er især interessant for teams, der vil have stærkere kode- og agentisk ræsonnering end fra en typisk letvægtsmodel, men til en lav introduktionspris pr. token. Benchmarkplaceringen viser konkurrencedygtige evner ved bestemte indstillinger, men gør ikke modellen til den ubestridte vinder over GPT-5.6 Sol, Grok 4.6 eller Claude Fable 5.1. 21

For købere er det afgørende at teste både samlet pris og driftssikkerhed på egne opgaver — særligt når lange ræsonneringsforløb og gentagne værktøjskald er en del af processen. For sikkerhedsorganisationer, der kan få adgang til Fairwind, kan den vigtigste nyhed være den kontrollerede adgang til Flash Cyber og CodeMender til at opdage og udbedre sårbarheder. 14