Gemini 3.8 Flash: Lav pris for AI-agenter – og Fairwind for cyberforsvar

Google har lansert Gemini 3.8 Flash, en generell modell rettet mot programvareutvikling, agentiske oppgaver og spesialisert resonnering i flere trinn. Samtidig introduserer selskapet en separat, tilgangsbegrenset modell for cyberforsvar. Poenget er altså ikke bare raskere og billigere AI-kjøring: Google vil at Flash skal brukes i utvikler- og agentarbeidsflyter som kan planlegge, bruke verktøy og jobbe iterativt over lengre tid. 8

Ny Flash-modell bare tre uker etter forgjengeren

Gemini 3.8 Flash kom tre uker etter Gemini 3.7 Flash. Det gjør den til den tredje Flash-lanseringen på seks uker. Google beskriver 3.8 Flash som sin mest intelligente «arbeidshest» og sier modellen er forbedret på programvareutvikling, agentiske oppgaver og kritisk flertrinnsresonnering. 38

For utviklere er forskjellen praktisk: Google posisjonerer ikke bare modellen for korte spørsmål med lav ventetid, men for oppgaver som krever planlegging, gjentatte forsøk og verktøybruk. Det kan gjøre den aktuell som standardmodell i kodeassistenter og automatiserte arbeidsflyter – men gjør også faktisk forbruk viktigere enn ren tokenpris.

Pris: Introduksjonstilbudet varer ut 2026

Introduksjonsprisen i API-et er 0,75 dollar per million input-tokener og 3,75 dollar per million output-tokener, samme nivå som Gemini 3.7 Flash. Prisen gjelder til og med 31. desember 2026. Fra 1. januar 2027 er den oppgitte standardprisen 1,50 dollar per million input-tokener og 7,50 dollar per million output-tokener. 38

For team som vurderer modellen nå, er dette et viktig budsjettforbehold: En test gjennomført til introduksjonspris sier ikke nødvendigvis noe om kostnadsnivået i 2027.

Lav tokenpris betyr ikke automatisk lav oppgavekostnad

En modell som resonnerer lenge, kvalitetssikrer egne svar og kaller verktøy gjentatte ganger, kan bruke vesentlig flere output-tokener og mer verktøykapasitet per løste oppgave. Artificial Analysis oppga en målt kostnad på rundt 0,58 dollar per Intelligence Index-oppgave for Gemini 3.8 Flash, mot 0,40 dollar for Gemini 3.7 Flash. Samtidig var gjennomsnittlig antall output-tokener høyere. 2532

Med andre ord kan en lav pris per token fortsatt gi en merkbar regning i komplekse agentløp. Det mest relevante målet er derfor kostnad per fullførte oppgave i egne kodebaser og arbeidsflyter – ikke bare listeprisen for input og output.

For enklere oppgaver, der 3.7 Flash allerede gir god nok kvalitet, kan det være fornuftig å beholde den i modellrutingen for å styre kostnadene mens de to modellene har samme introduksjonspris. 3

Benchmark: På nivå med Sol og Grok ved bestemte innstillinger

På Artificial Analysis’ samlede Intelligence Index fikk Gemini 3.8 Flash 59 med høyt resonneringsnivå, tre poeng mer enn Gemini 3.7 Flash. Det tilsvarte GPT-5.6 Sol med «extra-high» resonnering og Grok 4.6 med middels resonnering. Ved høyere innstillinger nådde både GPT-5.6 Sol og Grok 4.6 61, mens Claude Fable 5.1 nådde 66. 21

Sammenligningen er nyttig, men ikke en universell fasit. Resonneringsnivå, oppgavesett, forsinkelseskrav, regler for verktøybruk og tokenbudsjetter kan endre resultatene betydelig.

Modell	Rapportert resultat på Intelligence Index	Oppgitt API-pris per 1 mill. input/output-tokener
Gemini 3.8 Flash	59 ved høyt resonneringsnivå	0,75 / 3,75 dollar ved introduksjon; 1,50 / 7,50 dollar standardpris 321
GPT-5.6 Sol	59 ved «extra-high»; 61 ved maksimum	5 / 30 dollar 2021
Grok 4.6	59 ved middels; 61 ved høyt nivå	2 / 6 dollar 2021
Claude Fable 5.1	66 ved maksimum	10 / 50 dollar 2126

Geminis introduksjonspris er dermed klart lavere enn de oppgitte listeprisene for konkurrentene i tabellen. Men lavere listepris beviser ikke at modellen blir billigst i alle arbeidslaster.

CursorBench viser for eksempel et mer oppgavespesifikt bilde: Fable 5.1 Max hadde høyere løsningsrate enn Gemini 3.8 Flash High, mens Gemini hadde lavere målt kostnad per kjøring i den testen. 30

Den riktige beslutningen er derfor arbeidslastspesifikk: Test modellene med resonneringsnivået, kontekststørrelsen og verktøystilgangene som faktisk kreves i produksjon.

Fairwind: Begrenset tilgang til Gemini 3.8 Flash Cyber

Ved siden av den generelle modellen lanserte Google Fairwind-programmet, et initiativ med begrenset tilgang for myndigheter, betrodde partnere og prioriterte forsvarere. Google trekker blant annet frem helseaktører og telekomtjenester som eksempler på slike forsvarere. 514

Deltakerne får tidlig tilgang til Gemini 3.8 Flash Cyber, en cyberorientert variant som Google sier er utviklet for å oppdage sårbarheter og automatisere utbedringer. Programmet kombinerer modellen med CodeMender, Googles agent for kodesikkerhet, for å støtte sårbarhetsforskning og programvarefikser. 814

Dette er ikke det samme som å gjøre en cybermodell allment tilgjengelig for alle API-kunder. Den begrensede utrullingen er vesentlig fordi evner til å finne og rette sårbarheter har dobbelt brukspotensial: De kan styrke forsvarere, men avanserte funksjoner kan også misbrukes. At Google begrenser tilgangen til betrodde forsvarere, er dermed en del av produktets utforming – ikke bare en detalj om tilgjengelighet. 514

Hva lanseringen sier om Googles AI-strategi

Lanseringen peker mot en strategi med to spor:

• Bred tilgjengelighet: Hyppige lanseringer av en relativt rimelig modell for koding, resonnering og agentutvikling.
• Kontrollert tilgang: Den mer sensitive cybersikkerhetsfunksjonaliteten plasseres bak et program for godkjente forsvarere. 58

Dette skjer også i en periode med usikkerhet rundt Googles neste flaggskipmodell. Demis Hassabis gikk fra den daglige ledelsen av Google DeepMind til rollene som styreleder i DeepMind og sjefsforsker i Alphabet; han forlot ikke Alphabet. Separat rapportering har opplyst at Gemini 3.5 Pro, som var ventet i juni, ble forsinket. 33

Denne konteksten forklarer ikke hvorfor Google øker tempoet i Flash-lanseringene. Men den gjør produktstrategien lettere å lese: Gemini 3.8 Flash er et konkret og tilgjengelig satsingspunkt på kapable, kostnadsbevisste AI-agenter, mens veikartet for en ny flaggskipmodell er mindre tydelig.

Kort oppsummert

Gemini 3.8 Flash er særlig interessant for team som vil ha sterkere koding og agentisk resonnering enn en typisk lettvektsmodell, til en lav introduksjonspris. Benchmarkene tyder på konkurransedyktig kapasitet ved utvalgte resonneringsinnstillinger, men gjør den ikke automatisk til vinneren mot GPT-5.6 Sol, Grok 4.6 eller Claude Fable 5.1. 21

For kjøpere er nøkkelspørsmålet samlet kostnad og pålitelighet på reelle oppgaver – spesielt når lange resonnementer og gjentatte verktøykall inngår. For sikkerhetsorganisasjoner som kvalifiserer til Fairwind, kan den viktigste nyheten være den kontrollerte tilgangen til Flash Cyber og CodeMender for å oppdage og utbedre sårbarheter. 14