AnswersPublished16 sources
Gemini 3.8 Flash: Googles forsøk på å ta igjen coding-forspranget
Google oppgir at Gemini 3.8 Flash ble allment tilgjengelig for produksjonsbruk 2. I Googles interne kodeverktøy Jetski skal ingeniører ha foretrukket Gemini 3.8 Flash fremfor Anthropics Opus modell i direkte sammenligninger.
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Google oppgir at Gemini 3.8 Flash ble allment tilgjengelig for produksjonsbruk 2.
- I Googles interne kodeverktøy Jetski skal ingeniører ha foretrukket Gemini 3.8 Flash fremfor Anthropics Opus modell i direkte sammenligninger.
- Flash strategien handler om praktisk bruk: sterk kode og agentytelse med lavere forsinkelse og kostnad enn en flaggskipmodell.
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. The report said it could launch as early as . Topic tags: general, news, general web, user generated. 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 w
Google Gemini 3.8 Flash – angivelig kjent internt som «Skimaki» – er ikke lenger bare en modell det går rykter om. Googles utviklerdokumentasjon oppgir at modellen er allment tilgjengelig og klar for produksjonsbruk fra 2. september 2026. 3
Modellen er laget med særlig tanke på langsiktige programvareoppgaver, autonome AI-agenter og krevende arbeidsflyter i større virksomheter. Det betyr at den skal kunne gjøre mer enn å foreslå en kort kodesnutt: Den må kunne undersøke en ukjent kodebase, bruke verktøy, endre flere filer, kjøre tester, finne feil og prøve på nytt til oppgaven er løst.
Det interessante er derfor ikke bare hvor «smart» modellen er i én enkelt chat. Gemini 3.8 Flash viser også Googles strategi i AI-kappløpet: å lage et system som er godt nok til seriøst utviklingsarbeid, men samtidig raskt og rimelig nok til å brukes i stor skala.
Bygget for lange kodeoppgaver og AI-agenter
Google beskriver Gemini 3.8 Flash som selskapets mest intelligente Flash-modell, utviklet for langsiktig programvareutvikling, autonome agenter og komplekse arbeidsprosesser i virksomheter. 3
Slike oppgaver stiller andre krav enn vanlig tekstgenerering. En agent må holde oversikt over kontekst over tid, velge riktige verktøy, ta pålitelige beslutninger og håndtere feil underveis. En modell kan virke imponerende i et enkelt svar, men likevel mislykkes når den må utføre en hel kjede av handlinger.
«Flash»-navnet peker på avveiningen Google forsøker å oppnå. I stedet for først og fremst å være selskapets største og dyreste flaggskipmodell, skal Gemini 3.8 Flash kombinere avansert resonnering og kodeferdigheter med lavere svartid og lavere kostnad.
Google oppgir en introduksjonspris på 0,75 dollar per million input-tokens og 3,75 dollar per million output-tokens ut året. 3
Jetski-testen: Et lovende signal, ikke et offentlig bevis
Ansatte som The Wall Street Journal har snakket med, sier at Google-ingeniører sammenlignet Gemini 3.8 Flash med Anthropics Claude Opus i Jetski, Googles interne kodeverktøy. Noen av ingeniørene skal ha foretrukket Googles modell i disse direkte kodetestene. 1
Det er et interessant signal om hvordan modellen fungerte i Googles eget utviklingsmiljø. Men det er ikke det samme som en offentlig referansetest. Rapporteringen oppgir ikke et fullstendig gjenskapbart testsett, en detaljert poengmetode, modellinnstillinger eller uavhengige resultater som kan dokumentere at Gemini 3.8 Flash generelt er bedre enn Claude Opus.
Resultatet kan også påvirkes av verktøyene rundt modellen. Hvilket kodearkiv som brukes, hvor god dokumentasjonen er, hvilke tester agenten får kjøre, hvor mye kontekst den har, og hvor villig den er til å rette egne feil, kan endre utfallet betydelig.
Den mest forsvarlige konklusjonen er derfor begrenset: Googles interne testere skal ha sett en tydelig forbedring i koding, og i enkelte Jetski-sammenligninger foretrakk de Gemini 3.8 Flash fremfor Opus. Om fordelen holder seg i uavhengige tester, er fortsatt uavklart.
Hvorfor satse på Flash i stedet for en større modell?
En rask og effektiv kodemodell kan tas i bruk langt bredere enn en kostbar flaggskipmodell. En programvareagent kan trenge mange modellkall for å løse én oppgave. Da kan svartid og pris per kall være like viktig som maksimal ytelse i en isolert test.
En modell som er litt svakere på én enkelt utfordring, men raskere og billigere gjennom mange runder med verktøybruk, kan derfor være mer nyttig i praksis.
Det tilgjengelige materialet støtter en slik teknisk og kommersiell tolkning. Det dokumenterer derimot ikke at det var avgjørende for Google å unngå myndighetskontroll eller en bestemt regulatorisk terskel ved å velge Flash-klassen. Det sterkeste grunnlaget peker mot et ønske om å levere kode- og agentfunksjoner i stor skala, på tvers av Googles produkter og bedriftsløsninger. 1
3
38
Mer forsterkende læring fra Gemini 3.7 Flash
Ifølge rapporteringen la Google større vekt på forsterkende læring under utviklingen. Forsterkende læring er en senere del av treningen der en modell forbedres gjennom tilbakemeldinger eller belønning.
For en kodeagent kan det innebære å legge større vekt på å fullføre en oppgave korrekt, bruke verktøy effektivt og kontrollere resultatet – ikke bare skrive kode som ser plausibel ut.
Denne prioriteringen kan bidra til å forklare den raske overgangen fra Gemini 3.7 Flash til 3.8 Flash. Målet skal ikke bare ha vært å gjøre grunnmodellen større, men å forbedre atferden som betyr mest i lange utviklingsoppgaver. 1
Det offentlige materialet gir likevel ikke nok informasjon til å fastslå hvor mye av forbedringen som skyldes forsterkende læring, andre ettertreningsmetoder, endringer i selve modellen, integrasjon med verktøy eller valg av testoppsett. Det blir viktig når utviklere begynner å evaluere modellen uavhengig.
Lanseringen kommer etter en større AI-omorganisering
Gemini 3.8 Flash kommer samtidig som Google DeepMind har vært under betydelig internt press. I august gikk Demis Hassabis fra den daglige ledelsen av Google DeepMind til rollen som styreleder og sjefsforsker i Alphabet. Google sa at han fortsatt skulle være tett knyttet til organisasjonen og gi råd om modeller og forskning, mens andre ledere fikk mer av det operative ansvaret. 2
9
Reuters har også rapportert at Googles medgrunnlegger Sergey Brin ba sentrale AI-medarbeidere satse intenst på Gemini, mens Alphabet forsøker å minske avstanden til OpenAI og Anthropic. 37 I en separat Reuters-reportasje ble AI-agenter beskrevet som sentrale i Googles plan for å tjene penger på AI i bedriftsmarkedet.
38
I den sammenhengen er Gemini 3.8 Flash mer enn en vanlig modelloppdatering. En produksjonsklar Flash-modell med vekt på koding passer inn i en strategi der nyttige agenter skal ut i produkter og arbeidsprosesser raskt, samtidig som Google fortsetter arbeidet med større systemer.
Googles mål: å tette kodegapet
Modellen retter seg mot et område der Google ifølge rapporteringen har blitt oppfattet som på etterskudd etter OpenAI og Anthropic: programvareutvikling og såkalt agentisk koding. 1
OpenAIs økte satsing på kodeagenter har skjerpet konkurransen, mens Anthropics Claude-modeller har blitt et viktig sammenligningspunkt for utviklere som bygger kodeverktøy.
Googles svar er ikke bare å håpe at en større modell til slutt tar igjen konkurrentene. Gemini 3.8 Flash representerer et mer praktisk tilbud: bedre kodekvalitet, raske svar og en pris som gjør gjentatte agentinteraksjoner realistiske for bred bruk.
Hvis modellen også fungerer godt utenfor Googles interne miljø, kan denne kombinasjonen bli viktigere enn en smal seier på en enkelt resultatliste. Kodeagenter må være nyttige for utviklere, team og skykunder – ikke bare imponerende i en kontrollert demonstrasjon.
Dette er fortsatt ikke bevist
Flere sentrale spørsmål kan ikke besvares ut fra lanseringsrapporten eller den interne Jetski-sammenligningen alene:
- Uavhengig kodeytelse: Googles rapporterte interne preferanse for Opus er ikke en offentlig og gjenskapbar referansetest.
1
- Pålitelighet over tid: En kodeagent må fungere gjennom mange verktøykall, tester og revisjoner – ikke bare løse én enkelt oppgave.
- Bredde i virkelige kodebaser: Resultatene kan variere mellom programmeringsspråk, rammeverk, eldre kode, mangelfull dokumentasjon og sikkerhetskritiske systemer.
- Pris og ytelse i praksis: Introduksjonsprisen gir nyttig kontekst, men utviklere må måle total kostnad, svartid, antall verktøykall og hvor ofte agenten må hente seg inn etter feil i egne arbeidsprosesser.
3
- Hvor lenge et forsprang varer: OpenAI og Anthropic kan svare raskt, og en tidlig fordel trenger derfor ikke å bli varig.
Foreløpig er Gemini 3.8 Flash best forstått som Googles forsøk på å gjøre koding og selvstendig verktøybruk til en rask og skalerbar produktfunksjon. Den offisielle tilgjengeligheten er bekreftet, og de interne kodetestene virker lovende. Men påstanden om at modellen har passert Claude Opus eller i stor grad lukket Googles kodegap, krever fortsatt åpne offentlige evalueringer og erfaringer fra uavhengige utviklere.
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: Googles forsøk på å ta igjen coding-forspranget"?
Google oppgir at Gemini 3.8 Flash ble allment tilgjengelig for produksjonsbruk 2.
What are the key points to validate first?
Google oppgir at Gemini 3.8 Flash ble allment tilgjengelig for produksjonsbruk 2. I Googles interne kodeverktøy Jetski skal ingeniører ha foretrukket Gemini 3.8 Flash fremfor Anthropics Opus modell i direkte sammenligninger.
What should I do next in practice?
Flash strategien handler om praktisk bruk: sterk kode og agentytelse med lavere forsinkelse og kostnad enn en flaggskipmodell.