Google DeepMind 2 сентября 2026 года представила Gemini 3.8 Flash и Gemini 3.8 Flash Cyber — две новые модели, развивающие линейку Flash. Это уже третий релиз Flash за шесть недель: в середине августа вышла Gemini 3.7 Flash, а теперь её преемница. Обе модели построены на общей базе, но предназначены для разных сценариев: Flash — для длительных агентных задач и кодинга, Flash Cyber — для кибербезопасности, доступна ограниченному кругу защитников через программу Fairwind.
Gemini 3.8 Flash позиционируется как «самая интеллектуальная рабочая лошадка» компании. По словам разработчиков, она значительно превосходит 3.7 Flash в программной инженерии, агентных задачах и многошаговых рассуждениях в специализированных областях. На бенчмарке DeepSWE v1.1, оценивающем решение сложных инженерных задач, модель обходит большинство более крупных frontier-моделей при меньшей стоимости. В финансовой и юридической аналитике она также показывает высокие результаты: например, на Vals Finance Agent V2 и Harvey's Legal Agent Benchmark 3.8 Flash опережает предшественницу и другие модели. На HLE-Verified модель достигает 54,9%, что говорит о способности к многошаговым рассуждениям в STEM, гуманитарных и профессиональных областях.
| Модель | Цена за 1M входных токенов | Цена за 1M выходных токенов |
|---|---|---|
| Gemini 3.8 Flash | $0.75 | $3.75 |
| Gemini 3.8 Flash Cyber | $0.75 | $3.75 |
Ключевая особенность 3.8 Flash — «работает усерднее»: на сложных задачах модель выполняет дополнительные шаги рассуждений и итеративно вызывает инструменты, что может увеличивать расход токенов. Для приложений, где критична эффективность, разработчики могут использовать низкие уровни усилий или остаться на 3.7 Flash, которая полностью поддерживается.
Gemini 3.8 Flash Cyber достигает 47,2% pass@1 на CWE-Bench, почти сравниваясь с лидирующей моделью (47,8%).
Gemini 3.8 Flash Cyber — специализированная модель для поиска уязвимостей и автоматического патчинга. На бенчмарке CyberGym она показывает результаты уровня frontier-моделей, превосходя 3.5 Flash Cyber и более крупные модели. Внутренний тест DeepMind на кодовых базах на 20 языках программирования показал успешность выше 70% при обнаружении уязвимостей. На CWE-Bench, внешнем бенчмарке для патчинга, модель достигла pass@1 47,2%, почти сравнявшись с лидирующей моделью (47,8%), но при значительно меньшей стоимости.
Компания уже использует модель для защиты собственного кода. Chrome Security team сообщила, что 3.8 Flash Cyber генерирует в 2,6 раза больше корректных патчей для уязвимостей Chrome, чем лучшие коммерческие модели большего размера. Wiz, компания в сфере облачной безопасности, зафиксировала на 7,5–9,7% более высокую полноту (recall) на внутреннем бенчмарке пентеста при стоимости в 2,3–5,2 раза ниже по сравнению с другими ведущими моделями. Google Cloud Vulnerability Research также использовала модель для поиска уязвимостей.
Разработчики подчёркивают, что при создании Flash Cyber приоритет отдавался защитным возможностям, а не атакующим: модель с самого начала обучали исправлению уязвимостей, а не их эксплуатации. Это отражает общий тренд в индустрии на использование ИИ для усиления защиты, а не для атак.
Обе модели доступны по цене $0,75 за миллион входных токенов и $3,75 за миллион выходных — та же стоимость, что и у 3.7 Flash. Это делает их привлекательными для массового использования в агентных сценариях, где важна экономия при высокой производительности.
Релиз Gemini 3.8 Flash и Flash Cyber происходит на фоне активной конкуренции в области агентных ИИ-систем. Компании, такие как OpenAI и Anthropic, также развивают модели для автономных задач, но DeepMind делает ставку на сочетание высокой производительности с низкой ценой. Успех на таких бенчмарках, как DeepSWE и CWE-Bench, может стать аргументом для предприятий, рассматривающих внедрение ИИ-агентов в критически важные процессы.
