---
title: "Gemini 3.8 Flash"
source: "https://systems-analysis.info/wiki/Gemini_3.8_Flash"
wiki: "systems-analysis.info/wiki"
article: "Gemini_3.8_Flash"
language: "ru"
categories:
  - "Категория:Gemini"
  - "Категория:Google"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 570
wiki_created_at: 2026-11-10T18:07:46Z
wiki_modified_at: 2026-11-11T01:11:46Z
downloaded_at: 2026-11-11T01:23:44Z
---

# Gemini 3.8 Flash

**Gemini 3.8 Flash** — проприетарная мультимодальная модель компании [Google DeepMind](https://systems-analysis.info/wiki/Google_DeepMind "Google DeepMind") из семейства Gemini 3, основанная на [Gemini 3.7 Flash](https://systems-analysis.info/wiki/Gemini_3.7_Flash "Gemini 3.7 Flash") и ориентированная на продолжительные процессы программной разработки, автономные агентные задачи и сложные многоэтапные рабочие процессы, при выполнении которых она использует дополнительные шаги рассуждения и итеративные вызовы инструментов. Модель была представлена и выпущена в общий доступ 2 сентября 2026 года через Gemini API, Google AI Studio и другие продукты экосистемы Google, ограниченный доступ через программу Fairwind распространялся на отдельную специализированную версию Gemini 3.8 Flash Cyber.

## Оценка

Gemini 3.8 Flash оценивалась по широкому набору тестов (бенчмарков), охватывающих программирование, работу со знаниями, мультимодальные возможности, работу с длинным контекстом, использование компьютера и научное рассуждение. Дополнительные тесты, сведения о подходе к оценке, результатах и применяемых методологиях опубликованы в <a href="https://deepmind.google/models/evals-methodology/gemini-3-8-flash" class="external text" rel="nofollow">методологии оценки Gemini 3.8 Flash</a>.

Согласно Model Card Google DeepMind, приведённые ниже результаты актуальны по состоянию на сентябрь 2026 года.<sup>[\[1\]](https://systems-analysis.info/wiki/Gemini_3.8_Flash#cite_note-1)</sup>

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
<col style="width: 11%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th></th>
<th>Gemini 3.8 Flash</th>
<th><a href="https://systems-analysis.info/wiki/Gemini_3.7_Flash" title="Gemini 3.7 Flash">Gemini 3.7 Flash</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_5" title="Claude Opus 5">Claude Opus 5</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_5" title="Claude Sonnet 5">Claude Sonnet 5</a></th>
<th>GPT-5.6 Sol</th>
<th>GPT-5.6 Terra</th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Input price</td>
<td>$/1M tokens, no caching</td>
<td>Lower is better</td>
<td style="background: #e6f3ff"><strong>$0.75</strong> ($1.50 regular)</td>
<td><strong>$0.75</strong> ($1.50 regular)</td>
<td>$5.00</td>
<td>$2.00</td>
<td>$4.00</td>
<td>$2.00</td>
</tr>
<tr class="even">
<td style="text-align: left;">Output price</td>
<td>$/1M tokens</td>
<td>Lower is better</td>
<td style="background: #e6f3ff"><strong>$3.75</strong> ($7.50 regular)</td>
<td><strong>$3.75</strong> ($7.50 regular)</td>
<td>$25.00</td>
<td>$10.00</td>
<td>$20.00</td>
<td>$12.00</td>
</tr>
<tr class="odd">
<td style="text-align: left;">DeepSWE v1.1</td>
<td>Long-horizon software engineering</td>
<td></td>
<td style="background: #e6f3ff">73.7%</td>
<td>65.3%</td>
<td><strong>74.0%</strong></td>
<td>53.8%</td>
<td>72.7%</td>
<td>69.6%</td>
</tr>
<tr class="even">
<td style="text-align: left;">GDPval-AA v2</td>
<td>Knowledge work</td>
<td></td>
<td style="background: #e6f3ff">1,545</td>
<td>1,482</td>
<td><strong>1,824</strong></td>
<td>1,584</td>
<td>1,710</td>
<td>1,528</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Vals Finance Agent v2</td>
<td>Financial analyst tasks</td>
<td></td>
<td style="background: #e6f3ff"><strong>61.4%</strong></td>
<td>59.0%</td>
<td>58.6%</td>
<td>53.9%</td>
<td>53.8%</td>
<td>54.4%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Harvey's Legal Agent Benchmark</td>
<td>Complex legal workflows</td>
<td></td>
<td style="background: #e6f3ff"><strong>10.0%</strong></td>
<td>8.8%</td>
<td>6.7%</td>
<td>5.0%</td>
<td>2.5%</td>
<td>0.8%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Terminal-Bench 2.1</td>
<td>Agentic terminal coding</td>
<td></td>
<td style="background: #e6f3ff"><strong>89.4%</strong></td>
<td>85.8%</td>
<td>89.1%</td>
<td>80.4%</td>
<td>88.8%</td>
<td>87.4%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Terminal-Bench 4.0</td>
<td>General agent capabilities</td>
<td></td>
<td style="background: #e6f3ff">19.1%</td>
<td>11.2%</td>
<td><strong>51.8%</strong></td>
<td>12.4%</td>
<td>37.3%</td>
<td>23.6%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">GDP.PDF</td>
<td>Expert PDF document comprehension</td>
<td></td>
<td style="background: #e6f3ff">35.0%</td>
<td>34.0%</td>
<td>37.0%</td>
<td>28.0%</td>
<td><strong>40.0%</strong></td>
<td>29.0%</td>
</tr>
<tr class="even">
<td style="text-align: left;">CharXiv Reasoning</td>
<td>Information synthesis from<br />
complex charts</td>
<td></td>
<td style="background: #e6f3ff"><strong>86.2%</strong></td>
<td>84.5%</td>
<td>83.7%</td>
<td>70.1%</td>
<td>85.8%</td>
<td>85.9%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">LVBench</td>
<td>Long video understanding</td>
<td>Agentic<br />
Static</td>
<td style="background: #e6f3ff"><strong>87.8%</strong> (agentic)<br />
<strong>87.1%</strong> (static)</td>
<td>85.4%</td>
<td>75.4%</td>
<td>68.5%</td>
<td>82.1%</td>
<td>78.9%</td>
</tr>
<tr class="even">
<td style="text-align: left;">HLE-Verified</td>
<td>Multidisciplinary expert reasoning</td>
<td></td>
<td style="background: #e6f3ff"><strong>54.9%</strong></td>
<td>53.6%</td>
<td>54.4%</td>
<td>31.0%</td>
<td>54.5%</td>
<td>51.1%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">OSWorld-2.0</td>
<td>Agentic computer use</td>
<td></td>
<td style="background: #e6f3ff">59.0%</td>
<td>50.6%</td>
<td><strong>75.4%</strong></td>
<td>42.6%</td>
<td>62.6%</td>
<td>50.2%</td>
</tr>
<tr class="even">
<td style="text-align: left;">BioMysteryBench</td>
<td>Bioinformatics research workflows</td>
<td>Overall<br />
Human difficult</td>
<td style="background: #e6f3ff">88.8%<br />
<strong>56.5%</strong></td>
<td>87.1%<br />
43.5%</td>
<td><strong>90.1%</strong><br />
49.4%</td>
<td>87.5%<br />
34.1%</td>
<td>79.5%<br />
44.7%</td>
<td>83.8%<br />
49.4%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">LABBench2</td>
<td>Biology real-world research tasks</td>
<td></td>
<td style="background: #e6f3ff"><strong>86.2%</strong></td>
<td>82.1%</td>
<td>84.2%</td>
<td>80.1%</td>
<td>82.1%</td>
<td>81.2%</td>
</tr>
</tbody>
</table>

*Для Gemini 3.7 и 3.8 Flash действует вводная цена до 31 декабря 2026 года; с 1 января 2027 года — \$1.50 за 1 млн входных и \$7.50 за 1 млн выходных токенов.*

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/Gemini_3.8_Flash#cite_ref-1) Google DeepMind. *Gemini 3.8 Flash — Model Card*. Выпуск: сентябрь 2026 года. С. 5.</span>

## См. также

- [Gemini 3.7 Flash](https://systems-analysis.info/wiki/Gemini_3.7_Flash "Gemini 3.7 Flash")
- [Gemini 4 Argon](https://systems-analysis.info/wiki/Gemini_4_Argon "Gemini 4 Argon")
- [Gemini 4 Carbon](https://systems-analysis.info/wiki/Gemini_4_Carbon "Gemini 4 Carbon")
