Zum Hauptinhalt springen

Gemini 3.8 Flash für Claude-Nutzer: Das Workhorse, das jetzt auf DeepSWE mit Opus 5 gleichzieht (Sep 2026)

Fortgeschritten

Google lieferte Gemini 3.8 Flash am 2. September 2026 aus, zwanzig Tage nach 3.7 Flash und als drittes Flash-Release in sechs Wochen. Gleiches Tier, gleiches 1M-Fenster, gleicher Einführungs-Listenpreis von $0.75 / $3.75, gleiches Modell-ID-Muster. Was sich geändert hat, ist die Form des Modellverhaltens: Google sagt, 3.8 Flash „arbeite härter“, führe bei komplexen Tasks zusätzliche Reasoning-Schritte aus und rufe Tools iterativ auf, und die Benchmark-Tabelle zeigt, was das einbringt. DeepSWE v1.1 stieg von 65.3 auf 73.7, weniger als einen Drittelpunkt von Claude Opus 5 entfernt. Terminal-bench 2.1 erreichte 89.4, eine Haaresbreite über den 89.1 von Opus 5. Und auf Terminal-bench 4.0, dem härteren Nachfolger, kommt 3.8 Flash auf 19.1 gegenüber 51.8 für Opus 5.

Diese Lektion ist für einen Claude-Nutzer, der entscheidet, ob er Arbeit dorthin routen soll. Sie behandelt die tragenden Zahlen, die Token-Kosten des „härter Arbeitens“, die Migrations-Checkliste, die sich seit 3.7 nicht geändert hat, die gated Cyber-Variante und die Workloads, bei denen Claude weiterhin der richtige Standard ist.

What you'll learn
  • Erkenne, was am 2. September 2026 ausgeliefert wurde und warum ein Drei-Wochen-Flash-Takt (3.6 → 3.7 → 3.8) das eigentliche Signal ist
  • Lies die Benchmark-Tabelle mit der richtigen Linse: Fast-Gleichstand mit Opus 5 auf DeepSWE und Terminal-bench 2.1, eine 33-Punkte-Lücke auf Terminal-bench 4.0, eine Führung bei Domain-Agent-Benchmarks
  • Bepreise das 'arbeitet härter'-Verhalten: ~30% mehr Output-Tokens pro Task, sodass derselbe Listenpreis pro Task mehr kostet als bei 3.7 Flash
  • Migriere einen 3.7-Flash- oder Claude-Call ohne Überraschungen auf gemini-3.8-flash (die API-Entfernungen der 3.6-Ära gelten weiterhin)
  • Wisse, was Gemini 3.8 Flash Cyber ist, was das Fairwind Program gated und warum du es fast sicher nicht aufrufen kannst

Die Ein-Satz-Version​

Gemini 3.8 Flash ist der Nachfolger von 3.7 Flash im selben Tier, Modell-ID gemini-3.8-flash, 1M-Token-Kontext, 64K Max-Output, thinking_level low / medium (Standard) / high, bepreist mit $0.75 in / $3.75 out pro 1M Tokens bis 31. Dezember 2026 und $1.50 / $7.50 ab 1. Januar 2027. Es ist live in der Gemini API, Google AI Studio, Antigravity, Android Studio, Stitch, Gemini Enterprise, der Gemini-App (AI Pro und Ultra), AI Mode in der Suche und Google Sheets. Daneben ersetzt Gemini 3.8 Flash Cyber 3.5 Flash Cyber für geprüfte Verteidiger über das neue Fairwind Program.

Der Takt ist wieder die Geschichte. 3.6 Flash am 21. Juli, 3.7 am 13. August, 3.8 am 2. September: Google iteriert sein Workhorse-Tier alle drei Wochen, während das Flagship still bleibt (The Register merkt an, dass 3.5 Pro seinen Juni-Termin verpasst hat). Lies das als schnellen Entwickler-Feedback-Loop in dem Tier, für das die meisten Teams tatsächlich zahlen. Anthropics Antwort in diesem Monat ist Claude Fable 5.1 an der Spitze des Stacks, kein günstigeres Sonnet; die von OpenAI ist GPT-6 Astra.

Drei Dinge an diesem Launch, die Leute überraschen​

1. Gleichstand mit Opus 5 auf zwei Schlagzeilen-Benchmarks, eine 33-Punkte-Lücke auf dem dritten​

Googles Evaluationsbericht, die Zeilen, die einen Claude-Shop interessieren sollten (höher ist besser):

Benchmark3.8 Flash3.7 FlashClaude Opus 5Claude Sonnet 5GPT-5.6 Sol
DeepSWE v1.1 (echte Bugfixes)73.7%65.3%74.0%53.8%72.7%
Terminal-bench 2.189.4%—89.1%—88.8%
Terminal-bench 4.019.1%11.2%51.8%12.4%37.3%
OSWorld-2.0 (Computer Use)59.0%50.6%75.4%42.6%62.6%
HLE-Verified54.9%53.6%54.4%31.0%54.5%
GDPval-AA v2 (Elo)15451482182415841710
Vals Finance Agent v261.4%59.0%58.6%53.9%53.8%
Harvey Legal Agent10.0%8.8%6.7%5.0%2.5%
BioMysteryBench (hard)56.5%43.5%49.4%34.1%44.7%

Drei Lesarten. Erstens ist DeepSWE +8.4 die tragende Zahl, genau wie es die +16.3 für 3.7 Flash war: Google steckt die Zugewinne des Workhorses weiter in Coding auf Repository-Ebene. Zweitens ist Terminal-bench 2.1 vs. 4.0 dieselbe Spaltung, die wir in der Woche darauf bei DeepSeek-V4.1-Flash markieren: Ein günstiges Modell kann die ältere Suite sättigen, während die härtere mit längeren adaptiven Shell-Sessions Opus 5 immer noch um mehr als 30 Punkte absetzt. Drittens führt 3.8 Flash bei den Domain-Agent-Benchmarks (Finanzen, Recht, Biologie) jetzt jede Spalte an, Opus 5 eingeschlossen. Wenn deine Arbeit ein Finanz- oder Legal-Agent ist, ist diese Zeile eine eigene Eval wert. Wenn deine Arbeit eine interaktive Coding-Session ist, ist die 4.0-Zeile diejenige, um die du budgetieren musst.

2. „Arbeitet härter“ ist eine Token-Verbrauchsentscheidung, die Google für dich getroffen hat​

Googles eigene Beschreibung der Änderung: Bei komplexen Tasks „zeigt das Modell mehr Sorgfalt — es führt zusätzliche Reasoning-Schritte aus und ruft Tools iterativ auf“. Der Launch-Post sagt außerdem, Entwickler könnten „niedrigere Effort-Levels nutzen, um den Token-Overhead zu minimieren“, was eine höfliche Art ist zu sagen, dass der Standard jetzt mehr ausgibt. Emergents Lesart des Evaluationsberichts beziffert es auf rund 30% mehr Output-Tokens pro Task; Artificial Analysis maß $0.58 pro Intelligence-Index-Task, etwa 40% mehr als 3.7 Flash, beim gleichen Preis pro Token.

Für einen Claude-Nutzer ist das der vertraute effort-Trade-off unter anderem Namen: Das Modell greift zu mehr Tool-Calls und mehr Thinking, bevor es antwortet. Der Listenpreis hat sich nicht bewegt; die Rechnung pro Task schon. Budgetiere nach Task-Kosten, nicht nach Token-Preis. Und fahre jedes Latenz-SLO, das du auf 3.7 Flash hattest, neu: Mehr Iterationen bedeuten mehr Wall-Clock, selbst bei Flash-Geschwindigkeit. Die Physik dazu steht in Warum Agents Tokens verbrennen.

3. Immer noch günstig neben Claude, aber das Verhältnis hängt davon ab, welches Claude​

Artificial Analysis setzt 3.8 Flash auf 59 in seinem Intelligence Index (bei high-Reasoning), gleichauf mit GPT-5.6 Sol bei extra-high und Grok 4.6 bei medium, gegenüber Claude Opus 5 mit 63 und Claude Fable 5.1 mit 66 (beide bei max). Seine Kosten-pro-Task-Zahl für Fable 5.1 liegt bei etwa $3.76, grob 6× die $0.58 von 3.8 Flash. Gegen Opus 5 auf Listenpreis lautet Vellums Rechnung etwa 6.7× günstiger bei Input wie Output. Gegen Sonnet 5 ist der Abstand deutlich kleiner, und Sonnet 5 führt weiterhin auf GDPval-AA v2 (1584 vs. 1545). Der ehrliche Vergleich lautet also: 3.8 Flash ist ein Preis auf Sonnet-Niveau mit DeepSWE- und Domain-Agent-Scores, die jetzt Opus-Territorium erreichen, und Terminal-bench-4.0- / OSWorld-Scores, die das nicht tun. Aktuelle Claude-Listenpreise stehen in Modelle und Preise.

Model Card auf einen Blick​

SpezifikationGemini 3.8 Flash
Modell-IDgemini-3.8-flash
Release2. September 2026
Kontextfenster1M Input-Tokens
Max. Output64K Tokens
Thinking-Levelslow, medium (Standard), high; minimal nicht unterstützt
Modalitäten InputText, Bild, Audio, Video
Modalitäten OutputText
Knowledge-CutoffMärz 2026 (manche Domänen auf Januar 2025 begrenzt)
Entfernte Parametertemperature, top_p, top_k, candidate_count (seit der 3.6-Linie)
Einführungspreis (bis 31. Dez. 2026)$0.75 in / $3.75 out pro 1M Tokens
Standardpreis (ab 1. Jan. 2027)$1.50 in / $7.50 out pro 1M Tokens
VerfügbarkeitGemini API, Google AI Studio, Antigravity, Android Studio, Stitch, Gemini Enterprise, Gemini-App (AI Pro/Ultra), AI Mode, Google Sheets

Die Zeile Knowledge-Cutoff ist neue Information gegenüber der 3.7-Seite und einen zweiten Blick wert: März 2026 als Schlagzeile, aber die Model Card sagt, manche Domänen seien auf Januar 2025 begrenzt. Wenn du dich darauf verlässt, dass das Modell eine 2026er Library-API kennt, verifiziere mit einem Grounding-Tool oder füge die Docs ein. Das ist derselbe Rat, den wir für jedes Modell in Freshness-Halbwertszeit geben.

Migration von 3.7 Flash (oder von Claude)​

Die API-Oberfläche ist gegenüber 3.7 Flash unverändert. Die Liste der Dinge, die einen Claude-Port brechen, ist ebenfalls unverändert, und sie erwischt weiterhin Leute.

Guided walkthrough1 of 7
  1. Nutze gemini-3.8-flash. Der 3.7-Endpunkt funktioniert weiter, aber die Benchmark-Deltas und das 'arbeitet härter'-Verhalten kommen nur mit der neuen ID.

Minimaler 3.8-Flash-Call (Python SDK)

from google import genai

client = genai.Client()  # reads GOOGLE_API_KEY

resp = client.models.generate_content(
  model="gemini-3.8-flash",
  contents="Review this diff. List the 3 riskiest hunks as file:line with a one-sentence reason each.",
  config={
      "thinking_level": "low",   # start low on 3.8 Flash; it already 'works harder' at medium
      # no temperature / top_p / top_k / candidate_count
      "tools": [{"function_declarations": [...]}],
  },
)
print(resp.text)

Gemini 3.8 Flash Cyber und das Fairwind Program​

Neben dem allgemeinen Modell veröffentlichte Google Gemini 3.8 Flash Cyber, das 3.5 Flash Cyber ersetzt. Googles Zahlen: CWE-Bench-Patching bei 47.2% pass@1 gegenüber „einem führenden Frontier-Modell“ mit 47.8%; eine Erfolgsrate bei der Schwachstellenentdeckung über 70% über 20 Programmiersprachen; 2.6× mehr korrekte Patches für Chrome-Schwachstellen als die besten kommerziellen Modelle laut Chrome Security; und, laut Wiz, 7.5–9.7 Punkte höherer Recall bei 2.3–5.2× niedrigeren Kosten.

Du kannst es fast sicher nicht aufrufen. Der Zugang läuft über das Fairwind Program, beschränkt auf „vertrauenswürdige Regierungsbehörden sowie Betreiber kritischer Infrastruktur und Software-Maintainer“, auf Antrag. Das ist dieselbe Form wie OpenAIs Gating der Exploit-Fähigkeit von GPT-6 Astra hinter einem geprüften Programm (siehe den Astra-Field-Guide) und Anthropics Umgang mit Modellen der Mythos-Klasse. Für einen Claude-Nutzer ist die praktische Erkenntnis, dass die Cyber-Fähigkeit der Frontier jetzt auf allen drei Stacks als separate, gated SKU ausgeliefert wird und die allgemeinen Modelle sie bewusst nicht sind. Unser Security-Bereich behandelt, was das für die Agents bedeutet, die du aufrufen kannst.

Wann zu 3.8 Flash greifen, und wann bei Claude bleiben​

Pro tip
  • Greif zu 3.8 Flash: Coding auf Repository-Ebene, das wie DeepSWE aussieht, wo 73.7 gegenüber 74.0 für Opus 5 zu einem Sechstel der Task-Kosten ein echter Trade ist.
  • Greif zu 3.8 Flash: Agent-Workflows in Finanzen, Recht und Life Sciences — es führt jetzt jede Spalte auf Vals Finance Agent v2, Harvey Legal und BioMysteryBench an, Opus 5 eingeschlossen.
  • Greif zu 3.8 Flash: Langvideo- und Chart-Verständnis (LVBench 87.8, CharXiv 86.2), wo Claude keinen gleichwertigen Input-Pfad hat.
  • Bleib bei Claude Opus 5: interaktive Terminal-Agents und Computer Use. Terminal-bench 4.0 (51.8 vs. 19.1) und OSWorld-2.0 (75.4 vs. 59.0) sind die größten Lücken in der Tabelle.
  • Bleib bei Claude für Wissensarbeit, bei der GDPval-AA v2 zählt: Opus 5 mit 1824 und selbst Sonnet 5 mit 1584 liegen vor den 1545 von 3.8 Flash.
  • Bleib bei Claude für alles, was auf vorausgefüllten Turns, Temperature-Steuerung oder Anthropics Tool-Use-Loop aufbaut — du wirst gegen die Gemini API kämpfen, statt sie zu nutzen.
  • Cross-checke beide, beim Effort, den du ausliefern wirst: Die Tabelle von 3.8 Flash ist bei Standard- oder High-Thinking und kostet ~30% mehr Tokens pro Task als 3.7; die von Claude ist bei max Effort. Keines davon ist deine Produktionseinstellung.

Für den breiteren Rahmen: Gemini für Claude-Nutzer; für den coding-spezifischen Vergleich: Claude vs GPT vs Gemini fürs Coding; für das dauerhafte Entscheidungs-Framework: Ein Modell wählen.

Schnellcheck​

Check yourself

0/5
  1. Gemini 3.8 Flash erreicht 89.4 auf Terminal-bench 2.1 (Opus 5: 89.1) und 19.1 auf Terminal-bench 4.0 (Opus 5: 51.8). Was ist die richtige Erkenntnis?
  2. Gleicher Listenpreis von $0.75 / $3.75 wie 3.7 Flash. Warum kann ein Task auf 3.8 Flash mehr kosten?
  3. Was davon bricht einen Claude-Call, der auf gemini-3.8-flash portiert wurde?
  4. Wer kann Gemini 3.8 Flash Cyber aufrufen?
  5. In welcher Benchmark-Familie führt 3.8 Flash in Googles Tabelle jede Spalte an, Opus 5 eingeschlossen?
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 8
Key takeaways
  • DeepSWE +8.4 auf 73.7 ist die tragende Zahl: Ein Modell zum Sonnet-Preis liegt jetzt innerhalb von 0.3 Punkten von Opus 5 beim Bugfixing auf Repository-Ebene.
  • Terminal-bench 4.0 (19.1 vs. 51.8) und OSWorld-2.0 (59.0 vs. 75.4) sind dort, wo Opus 5 weit vorne bleibt — interaktive Agents und Computer Use bleiben auf Claude.
  • 'Arbeitet härter' heißt ~30% mehr Tokens pro Task beim gleichen Listenpreis. Budgetiere pro Task, starte thinking_level bei low und prüfe Latenz-SLOs neu.
  • Die API-Entfernungen der 3.6-Ära (temperature/top_p/top_k/candidate_count, kein Prefill, call_id + name in FunctionResponse) brechen Claude-Ports weiterhin; die Migrationsliste ist nicht kürzer geworden.
  • 3.8 Flash Cyber ist eine separate, Fairwind-gated SKU — der dritte Stack in diesem Monat, der Frontier-Cyber-Fähigkeit als etwas ausliefert, das du nicht einfach aufrufen kannst.

Quellen & weiterführende Lektüre​

Weiter​