Gemini 3.8 Flash und 3.8 Flash Cyber: Funktionen, Benchmarks und Preise

Google veröffentlicht Flash-Modelle in einem Tempo, bei dem man kaum hinterherkommt. Gemini 3.8 Flash ist bereits die dritte Flash-Veröffentlichung innerhalb von sechs Wochen und zugleich das bislang stärkste Reasoning- und Coding-Modell der Flash-Klasse – bei gleicher Geschwindigkeit und zum gleichen niedrigen Preis wie 3.7 Flash vor drei Wochen.

Neben dem Standardmodell stellt Google Gemini 3.8 Flash Cyber vor, eine Variante für Cybersicherheitsaufgaben, die ausschließlich vertrauenswürdigen Verteidigern über das Fairwind Program zur Verfügung steht – eine zeitgleich mit den neuen Modellen gestartete Zugangsbeschränkung. Beide Modelle basieren auf derselben grundlegenden Intelligenz.

Die Spitzenwerte können sich sehen lassen: 90,8% auf dem Terminal-Bench 2.1 (zuvor 81,6% bei 3.7 Flash), 54,9% auf HLE-Verified und eine real erzielte Trefferquote von über 70% bei der Schwachstellenfindung für die Cyber-Variante.

In diesem Artikel findest du alles Neue zu Gemini 3.8 Flash und 3.8 Flash Cyber: neue Funktionen, Benchmarks und praxisnahe Beispiele. Sieh dir das Modell in Aktion in unserem Gemini 3.8 Flash API-Tutorial an und lies mehr über Googles neuestes Sprachassistentenmodell in unserem Guide zu Gemini 3.8 Live.

Um die Konkurrenzmodelle einzuordnen, sieh dir unsere Vergleiche DeepSeek v4.1 vs Gemini 3.8 Flash und Claude Opus 5 vs Sonnet 5 an.

Auf einen Blick

• Gemini 3.8 Flash ist Googles bisher intelligentestes Flash-Modell, erschienen am 2. September 2026 – das dritte Flash-Modell in sechs Wochen.
• 90,8% auf Terminal-Bench 2.1 (zuvor 81,6% bei 3.7 Flash) und bessere Ergebnisse als viele größere Frontier-Modelle auf DeepSWE v1.1 für Long-Horizon-Coding.
• Die Fortschritte sind ungleichmäßig: Coding und Toolnutzung legten deutlich zu, aber Humanity’s Last Exam blieb mit 45,4% vs. 45,7% nahezu unverändert.
• Preise bleiben bis zum 31. Dezember 2026 bei $0,75 Input und $3,75 Output pro 1 Mio. Tokens, danach $1,50/$7,50.
• Gemini 3.8 Flash Cyber, beschränkt auf Fairwind-Program-Verteidiger, überschreitet eine reale Trefferquote von 70% bei der Schwachstellenfindung und liegt beim Patching auf der CWE-Bench-Paretofront.

Was ist Gemini 3.8 Flash?

Gemini 3.8 Flash ist Googles leistungsfähigstes Modell der Flash-Klasse, entwickelt für langfristige Softwareentwicklung, autonome Agenten und komplexe Unternehmens-Workflows.

Es liegt unterhalb der Pro-Klasse (wie Gemini 3.1 Pro), kostet aber nur einen Bruchteil – mit einem Einführungspreis von $0,75 pro 1 Mio. Input-Tokens und $3,75 pro 1 Mio. Output-Tokens bis zum 31. Dezember 2026.

Der größte Unterschied zu 3.7 Flash: 3.8 Flash arbeitet schlicht härter.

Bei komplexen Aufgaben führt es zusätzliche Reasoning-Schritte aus und ruft Tools iterativ auf. So nähert es sich der Performance teurer Frontier-Modelle an. Der Preis dafür ist Token-Overhead: Bei hohem Einsatz kann das Modell mehr Tokens verbrauchen, um die letzten Prozentpunkte an Genauigkeit herauszuholen.

Am auffälligsten ist der Sprung beim Terminal-Bench 2.1: 3.8 Flash erreicht 90,8% gegenüber 81,6% bei 3.7 Flash. Terminal-Bench misst, wie zuverlässig ein Modell reale Kommandozeilen- und Coding-Aufgaben Ende-zu-Ende erledigt. Ein Plus von 9 Punkten spricht direkt für besseres agentisches Coding-Verhalten. 

Was ist neu in Gemini 3.8 Flash?

Die Funktionen von 3.8 Flash richten sich an Entwickler, die Agenten und lange Coding-Sessions betreiben – weniger an Gelegenheitsnutzer im Chat.

Das sind die wichtigsten Fähigkeiten.

Pro Aufgabe einstellbare Einsatzstufen

Du kannst den Einsatz des Modells hoch- oder runterdrehen – je nachdem, ob dir Genauigkeit oder Kosten wichtiger sind.

• Auf höheren Einsatzstufen führt 3.8 Flash mehr Reasoning-Schritte aus und ruft Tools wiederholt auf – das verbessert die Ergebnisse bei harten Engineering-Aufgaben.
• Auf niedrigeren Einsatzstufen minimiert es den Token-Overhead für latenzkritische oder rechenbeschränkte Workloads.

Das ist relevant, weil die Zugewinne von 3.8 Flash mit zusätzlichen Tokens bezahlt werden.

Ist dein Workload strikt auf Effizienz getrimmt, sagt Google ausdrücklich: Du kannst bei 3.7 Flash bleiben – es wird vollständig weiter unterstützt.

Das ist eine ungewöhnlich offene Ansage in einem Launch-Post und zeigt: Der Einsatzregler ist ein echter Trade-off, keine Gratisleistung.

Langanhaltend arbeitende autonome Agenten

Gemini 3.8 Flash ist dafür gebaut, Agenten zu betreiben, die mehrstufige Engineering-Probleme ohne ständiges Eingreifen durchlaufen.

Auf DeepSWE v1.1, einem Long-Horizon-Software-Engineering-Benchmark, übertrifft es viele größere Frontier-Modelle bei einem Bruchteil der Kosten und löst komplexe Aufgaben Ende-zu-Ende.

Für alle, die Coding-Agenten bauen, ist das die entscheidende Kennzahl.

Vorab-Leaks auf Reddit und X beschrieben die Performance als \"Fable-5-Niveau zum Flash-Preis\", und laut Wall Street Journal bevorzugten Ingenieure in Googles internem Jetski-Direktvergleich 3.8 Flash gegenüber Anthropics Opus-Modell fürs Coding.

Das ist eine kühne Wettbewerbsbehauptung – überprüfenswert, sobald die API breit verfügbar ist.

Zuverlässigkeit in spezialisierten Profibereichen

3.8 Flash zielt auf regulierte, risikoreiche Domänen, in denen falsche Antworten teuer sind.

Es liegt vor 3.7 Flash und anderen Frontier-Modellen auf Vals Finance Agent V2 und Harveys Legal Agent Benchmark – beide testen Analyse und Reporting in Finanzen und Recht.

Stell dir Workflows vor, in denen ein Agent Quartalsberichte liest und eine Compliance-Zusammenfassung erstellt oder Vertragsklauseln gegen eine Policy prüft. Die benötigte Verlässlichkeit unterscheidet sich klar von generischem Chat – und genau hier positioniert Google 3.8 Flash für Enterprise-Autonomie in Wissensdomänen.

Gemacht für agentische Toolchains in Antigravity und AI Studio

Gemini 3.8 Flash läuft in Google Antigravity und Google AI Studio, wo eine einzelne, wiederholte Prompt-Schleife den gesamten Build antreibt.

Googles eigenes Beispiel: eine vollständig spielbare DOS-ähnliche Version von Google Maps, aus einem Prompt in Antigravity generiert – mit Orten, Routen und Street View.

Übertrage das auf deine Arbeit: \"Erstelle ein interaktives Dashboard, das diese CSV lädt, drei Diagrammtypen plottet und mir Filter nach Region erlaubt\" – und lass die agentische Schleife iterieren, bis es läuft.

Genau in diesem Loop-Muster zahlen sich die höheren Einsatzstufen aus, weil das Modell weiter verfeinert statt beim ersten Entwurf stehenzubleiben.

Gemini 3.8 Flash Benchmarks

Das Benchmark-Bild ist uneinheitlich – hilfreicher als ein perfekter Durchmarsch, weil klar wird, wo die Zugewinne tatsächlich gelandet sind.

Coding- und Terminal-Aufgaben legten stark zu, prüfungsartige Reasoning-Tests dagegen kaum.

Hier sind die Zahlen aus Googles Dev-Dokumentation und Ankündigung.

Terminal-Bench 2.1

Gemini 3.8 Flash erzielt 90,8% auf Terminal-Bench 2.1, gegenüber 81,6% bei 3.7 Flash.

Der Benchmark misst, wie zuverlässig ein Modell reale Kommandozeilen- und Coding-Aufgaben von Anfang bis Ende erledigt – inklusive Toolausführung und Fehlerbehebung.

Zum Vergleich mit konkurrierenden Mid-Tier-Modellen: In unserem GPT-5.6 Terra vs. Claude Sonnet 5 Vergleich erzielte Terra 87,4% auf Terminal-Bench 2.1 und Sonnet 5 80,4%. Mit 90,8% liegt 3.8 Flash knapp vor beiden – bemerkenswert für ein Flash-Modell mit $0,75 Input.

DeepSWE v1.1

Auf DeepSWE v1.1, einem Long-Horizon-Software-Engineering-Benchmark, schlägt 3.8 Flash die meisten größeren Frontier-Modelle bei einem Bruchteil der Kosten.

Google hat keinen exakten Prozentsatz in den extrahierten Notizen veröffentlicht, aber die Aussage lautet: Es löst komplexe Engineering-Probleme autonom Ende-zu-Ende.

Das ist der Benchmark, der das Versprechen \"Agent, der die Aufgabe zu Ende bringt\" untermauert.

Wenn dein Workload einen Agenten umfasst, der über viele Schritte an einer Codebasis iteriert, ist DeepSWE näher an deiner Realität als ein Single-Shot-Coding-Score.

SWE-Bench Pro und SWE-Atlas

Auf SWE-Bench Pro kommt 3.8 Flash auf 61,6% (3.7 Flash: 60,4%) und auf SWE-Atlas auf 51,9% (vs. 48,0%).

Beides sind Repository-Level-Benchmarks, die das Beheben realer Issues in echten Codebasen messen.

Der Zuwachs von gut 1 Punkt auf SWE-Bench Pro ist überschaubar – wichtig zu wissen. Die größeren Sprünge gibt es bei Terminal-Bench. Wenn dir Terminal- und Tool-Zuverlässigkeit besonders wichtig sind, dort setzt sich 3.8 Flash deutlicher von seinem Vorgänger ab.

HLE-Verified und Humanity’s Last Exam

3.8 Flash erreicht 54,9% auf HLE-Verified – ein Test für mehrschrittiges Reasoning über MINT, Geisteswissenschaften und professionelle Felder hinweg.

Auf der breiteren Humanity’s Last Exam in Googles Dev-Dokumentation blieb der Wert jedoch praktisch gleich: 45,4% für 3.8 Flash vs. 45,7% für 3.7 Flash.

Allgemeines prüfungsartiges Reasoning hat sich kaum verbessert. Geht es bei dir eher um offenes, schweres Reasoning statt Coding und Toolnutzung, lohnt sich das Upgrade von 3.7 auf 3.8 Flash womöglich nicht – gemessen am zusätzlichen Token-Verbrauch.

Cyber-Benchmarks: CyberGym und CWE-Bench

Gemini 3.8 Flash Cyber liefert Resultate auf Frontier-Niveau bei Schwachstellenfindung und Patching.

Auf CyberGym, dem Branchenstandard für autonome Schwachstellenfindung, übertrifft es 3.5 Flash Cyber und deutlich größere Frontier-Modelle. Auf Googles internem Benchmark über 20 Programmiersprachen liegt die Erfolgsquote über 70%.

Auf CWE-Bench, einem externen Patching-Benchmark von Collinear, liegt Cyber auf der Paretofront mit einem pass@1 von 47,2% gegenüber 47,8% eines führenden Frontier-Modells – bei deutlich geringeren Kosten.

Google hat bewusst das Beheben von Schwachstellen gegenüber offensiver Ausnutzung priorisiert – ähnlich wie Anthropic Sonnet 5 standardmäßig mit Cyber-Schutzmechanismen ausliefert (0,0% auf einer Firefox-Exploit-Eval, wie in unserem Opus-5-vs.-Sonnet-5-Review erwähnt).

Gemini 3.8 Flash vs. Gemini 3.7 Flash

In der Tabelle unten siehst du den Vergleich mit dem erst wenige Wochen alten Vorgänger: 

Preise und Verfügbarkeit von Gemini 3.8 Flash

Gemini 3.8 Flash ist allgemein verfügbar über Google AI Studio und die Gemini Enterprise Agent Platform, erschienen am 2. September 2026, mit der API-Model-ID gemini-3.8-flash.

Die 3.8 Flash Cyber-Variante ist über das Fairwind Program nur für vertrauenswürdige Verteidiger zugänglich und nicht allgemein verfügbar.

Die Preise entsprechen den Einführungstarifen von 3.7 Flash:

• Input: $0,75 pro 1 Mio. Tokens bis 31. Dezember 2026
• Output (inkl. Thinking-Tokens): $3,75 pro 1 Mio. Tokens bis 31. Dezember 2026
• Ab 1. Januar 2027: $1,50 pro 1 Mio. Input und $7,50 pro 1 Mio. Output

Zum Vergleich mit Wettbewerbern (Stand September 2026): GPT-5.6 Sol liegt bei rund $5 Input und $30 Output pro 1 Mio. Tokens, und das neue Claude Fable 5.1 kostet $10 Input und $50 Output.

Gemini 3.8 Flash unterbietet beide deutlich – genau das ist der Zweck der Flash-Klasse.

Fazit

Gemini 3.8 Flash ist Googles Offensive im Preis-Leistungs-Segment der Coding-Modelle – die Strategie ist klar: nahezu Frontier-Performance beim Coding für $0,75 Input und alle paar Wochen ein neues Flash-Modell.

Die 90,8% auf Terminal-Bench 2.1 und der Sub-$1-Preis machen es zum ernstzunehmenden Standard für agentische Coding-Workloads.

Mein Eindruck: Der Release ist uneinheitlich – und Google kommuniziert das offen.

Terminal- und Toolnutzungs-Scores sprangen nach oben, DeepSWE sowie die Finanz- und Rechts-Benchmarks verbesserten sich, HLE blieb flach, und SWE-Bench Pro bewegte sich nur wenig.

Wenn du Coding-Agenten baust, ist das ein spürbares Upgrade gegenüber 3.7 Flash.

Wenn du hartes, offenes Reasoning brauchst, ist der Mehrwert dünner – und bei Effizienzfokus ist das Verbleiben auf 3.7 Flash eine valide Entscheidung.

Die Cyber-Variante ist die spannendere Wette auf lange Sicht. Eine reale Trefferquote von über 70% bei Schwachstellenfindung und Patching auf der Paretofront – zugangsbeschränkt über das Fairwind Program und klar defensiv ausgerichtet – ist eine nachvollziehbare Position für ein Unternehmen, das damit bereits eigenen Code absichert.

Ich würde unabhängige Reproduktionen sehen wollen, bevor ich die CyberGym- und CWE-Bench-Zahlen für bare Münze nehme – fast alle Daten stammen bislang von Google selbst.

Wenn du Agenten und Coding-Workflows rund um solche Modelle aufbauen willst, ist unser AI Agent Fundamentals Lernpfad ein guter Startpunkt.