Gemini 3.8 Flash «Skimaki»: Googles nye AI-modell satser på koding

Hva er Gemini 3.8 Flash?

Gemini 3.8 Flash skal være en kodeorientert og effektiv modell i Googles Gemini-familie. «Flash»-betegnelsen brukes om modeller som er laget for høy hastighet og lavere kostnader ved bruk, snarere enn for å være selskapets største såkalte frontier-modell.

Modellen er særlig rettet mot programvareutvikling over lengre arbeidsforløp og såkalte agentiske oppgaver. Det innebærer at AI-en må kunne undersøke kode, bruke verktøy, gjøre endringer og kontrollere resultatet – ofte gjennom mange trinn. 135

Når kan modellen bli lansert?

Wall Street Journal skrev at Gemini 3.8 Flash kunne bli lansert så tidlig som onsdag 2. september 2026. 1 Samme dag beskrev en side i Googles utviklerdokumentasjon modellen som «generally available» – altså tilgjengelig for generell og produksjonsklar bruk. 5

Det betyr at omtalen av modellen som «snart lansert» kan ha blitt utdatert i løpet av kort tid. Den praktiske tilgjengeligheten kan likevel variere mellom Googles ulike tjenester, API-er og kundeprodukter.

Hvordan ble den sammenlignet med Claude Opus?

Ifølge ansatte sitert av Wall Street Journal gjennomførte Google-ingeniører direkte kodetester i Jetski, Googles interne verktøy for programmeringsoppgaver. I disse testene skal enkelte ingeniører ha foretrukket Gemini 3.8 Flash fremfor Anthropics Claude Opus. 1

Dette er likevel ikke det samme som en offentlig, uavhengig benchmark. Opplysningene bygger på interne vurderinger og anonyme kilder. Det er heller ikke kjent om testene brukte samme instruksjoner, verktøytilgang, kodebaser eller vurderingskriterier som offentlige sammenligninger ville gjort.

Hvorfor satser Google på en raskere og billigere Flash-modell?

En sterk kode-modell trenger ikke bare å være intelligent. Den må også være rask og rimelig nok til å brukes mange ganger i løpet av en arbeidsdag – eller som motor i en agent som gjør en lang rekke API-kall og verktøyoperasjoner.

En mer effektiv modell kan derfor egne seg bedre til:

• kodeassistenter som brukes av mange utviklere
• autonome agenter som løser oppgaver over flere trinn
• bedriftsverktøy med stort og jevnt brukervolum
• Googles egne produkter og skybaserte tjenester

Google har samtidig gjort AI-agenter til en sentral del av strategien for å tjene penger på AI i bedriftsmarkedet. 4 En raskere modell med lavere kostnad kan være enklere å rulle ut i stor skala enn en tung flaggskipmodell alene.

Påstanden om at Flash-modellen dermed slipper unna strengere myndighetskontroll, bør derimot behandles som en strategisk tolkning – ikke som et dokumentert faktum. Det foreligger ingen bekreftet terskel for offentlig kontroll, eller bevis på at regulering var den avgjørende grunnen til modellens utforming. 1

Hva betyr forsterket læring i denne sammenhengen?

Google skal ha økt ressursene til forsterket læring, en senere del av treningen der modeller lærer gjennom forsøk, tilbakemeldinger og belønning. Målet er blant annet å gjøre modellen bedre til å utføre oppgaver, bruke verktøy og følge en arbeidsprosess pålitelig. 1

Det kan forklare den raske overgangen fra Gemini 3.7 Flash til den rapporterte 3.8-versjonen. Tyngdepunktet ser ut til å ligge på å gjøre eksisterende modellkapasitet mer anvendelig i koding og agentiske arbeidsflyter – ikke bare på å gjøre selve grunntreningen større.

Bakgrunnen: Google vil ta igjen forspranget

Google har blitt oppfattet som på etterskudd etter OpenAI og Anthropic når det gjelder koding, samtidig som konkurransen har flyttet seg fra enkel tekstgenerering til AI-agenter som kan utføre oppgaver mer selvstendig. 14

Selskapet har også vært gjennom endringer i AI-ledelsen. I august gikk Demis Hassabis fra den daglige lederrollen i Google DeepMind til å bli styreleder for DeepMind og sjefsforsker i Alphabet. Andre ledere fikk dermed mer av det operative ansvaret, mens Hassabis beholdt en strategisk og vitenskapelig rolle. 23

Reuters har også rapportert at Google-medgrunnlegger Sergey Brin ba sentrale AI-medarbeidere satse fullt på Gemini. 1 Det understreker presset på Google for å gjøre Gemini mer konkurransedyktig – og for å få teknologien ut i produkter som faktisk kan brukes i stor skala.

Hva er fortsatt uavklart?

Selv om interne Jetski-tester skal ha gitt Gemini 3.8 Flash gode resultater, gjenstår flere spørsmål:

• Hvordan gjør modellen det på offentlige og etterprøvbare tester?
• Fungerer den like godt på ulike programmeringsspråk og virkelige kodebaser?
• Hvor pålitelig er den under lange, autonome kjøringer?
• Hvordan håndterer den sikkerhet og feil i kode?
• Hvordan blir forholdet mellom pris, hastighet og kvalitet sammenlignet med OpenAI og Anthropic?

Det finnes derfor ikke tilstrekkelig grunnlag for å slå fast at Gemini 3.8 Flash har overgått Claude eller andre ledende modeller generelt. Resultatene vil avhenge av den endelige modellen, hvilke verktøy den får tilgang til, hvordan den evalueres og hvor raskt konkurrentene svarer. 1