Hinweis: Das Beitragsbild wurde mit künstlicher Intelligenz erzeugt.
Google hat am 12. September 2026 zwei neue Versionen seines Gemini-3.8-Flash-Modells veröffentlicht. Die Veröffentlichung folgt unmittelbar auf den Launch von Anthropics Mythos 5.1 und Fable 5.1 und setzt den Preiskampf im KI-Markt fort. Für Unternehmen, die KI-Dienste über API-Schnittstellen nutzen, sind vor allem die Preis- und Leistungsdaten relevant.
Zwei Modelle, zwei Einsatzbereiche
Gemini 3.8 Flash und Gemini 3.8 Flash Cyber basieren auf demselben Grundmodell, sind aber unterschiedlich ausgerichtet. Die Standardversion konzentriert sich auf Programmierung, KI-Agenten und komplexe Schlussfolgerungen. Die Cyber-Variante wurde speziell für die Erkennung und Behebung von Software-Schwachstellen trainiert.
Laut Google ist 3.8 Flash der dritte Flash-Release innerhalb weniger Wochen. Die Vorgängerversion 3.7 Flash kam vor rund drei Wochen auf den Markt. Der Releaserhythmus zeigt, wie stark der Wettbewerb zwischen den großen KI-Anbietern den Entwicklungstakt bestimmt.
Benchmarks: Knapp hinter der Spitze, aber deutlich günstiger
Beim DeepSWE-v1.1-Benchmark, der eigenständige Software-Engineering-Aufgaben bewertet, liegt Gemini 3.8 Flash laut Unternehmensangaben knapp hinter Claude Opus 5 von Anthropic. Beim HLE-Verified-Benchmark, der komplexe Schlussfolgerungen über verschiedene Fachgebiete prüft, führt das neue Google-Modell das Ranking an.
Die Preise blieben gegenüber der Vorgängerversion unverändert: Eine Million Input-Token kosten 0,75 Dollar, eine Million Output-Token 3,75 Dollar. Zum Vergleich: OpenAIs GPT-5.6 Sol liegt bei 4 Dollar beziehungsweise 20 Dollar pro Million Token. Claude Opus 5 kostet 5 Dollar beziehungsweise 25 Dollar. Bei Output-Token ist Google damit rund fünf- bis siebenmal günstiger als die direkte Konkurrenz.
Kostenvorbehalt beim Token-Verbrauch
Trotz stabiler Listenpreise können die Gesamtkosten im Betrieb steigen. Gemini 3.8 Flash setzt für komplexe Aufgaben mehr Rechenleistung ein, was den Token-Verbrauch pro Anfrage erhöht. Unternehmen sollten ihren tatsächlichen Verbrauch im Pilotbetrieb messen, bevor sie auf Basis der Listenpreise kalkulieren.
Cybersecurity-Modell nur für ausgewählte Partner
Gemini 3.8 Flash Cyber steht nicht offen zur Verfügung. Google vertreibt das Modell ausschließlich über das neue „Fairwind Program“ an ausgewählte Partnerunternehmen. Zu den bereits genannten Partnern zählen Crowdstrike und Snowflake. Insgesamt spricht Google von mehr als 650 Partnerunternehmen.
Der Hintergrund für die Zugangsbeschränkung ist sicherheitspolitischer Natur. Das Modell enthält weniger restriktive Schutzmechanismen, um Schwachstellen realistisch analysieren zu können. Google begründet dies damit, dass dieselben Fähigkeiten in falschen Händen zur Bedrohung werden können. Anthropic und OpenAI handhaben einzelne spezialisierte Modelle aus denselben Gründen ähnlich restriktiv.
Leistungsdaten der Cyber-Variante
Beim Open-Source-Benchmark Cybergym löst Gemini 3.8 Flash Cyber mit einem Versuch 86,2 Prozent der Aufgaben. GPT-5.5-Cyber von OpenAI erreichte dort 85,6 Prozent. Beim Patching-Test CWE-Bench, der die automatische Behebung von Sicherheitslücken in Software bewertet, kommt Googles Modell auf 47,2 Prozent. Anthropics Fable 5 liegt dort leicht darüber.
Was das für Industrieunternehmen bedeutet
Wer KI-Dienste für Softwareentwicklung, Qualitätsprüfung oder interne Automatisierung über API-Schnittstellen einkauft, findet mit Gemini 3.8 Flash eine günstigere Alternative zu GPT-5.6 Sol oder Claude Opus 5. Die Leistungsunterschiede bei Standard-Coding-Aufgaben sind laut verfügbaren Benchmarks gering.
Für Unternehmen mit eigenem Security-Operations-Team oder Bedarf an automatisierter Schwachstellenanalyse ist die Cyber-Variante relevant, aber kurzfristig nicht frei zugänglich. Wer Zugang zum Fairwind Program anstrebt, muss sich bei Google bewerben.
Fazit
Für Einkäufer und IT-Verantwortliche lohnt ein konkreter Kostenvergleich auf Basis des eigenen Token-Verbrauchs. Die Listenpreise allein reichen nicht, solange unklar ist, wie stark das Modell bei komplexen Aufgaben mehr Token zieht als seine Vorgängerversion.
