Nowości w Gemini 3.8 Flash

Najnowszy model Inne modele

Gemini 3.8 Flash (gemini-3.8-flash) to nasz najbardziej inteligentny model Flash, zaprojektowany z myślą o długofalowej inżynierii oprogramowania, autonomicznych agentach i złożonych firmowych przepływach pracy.

Z tego przewodnika dowiesz się, co nowego znajdziesz w Gemini 3.8 Flash, jakie zmiany wprowadziliśmy w interfejsie API, zobaczysz przykłady kodu i uzyskasz wskazówki dotyczące migracji.

Nowy model

Model Identyfikator modelu Domyślny poziom myślenia Ceny Opis
Gemini 3.8 Flash gemini-3.8-flash medium Model 3.8 Flash jest dostępny do końca roku w cenie początkowej 0,75 USD za 1 mln tokenów wejściowych i 3,75 USD za 1 mln tokenów wyjściowych. Więcej informacji znajdziesz w cenniku. Nasz najbardziej inteligentny model Flash, zaprojektowany z myślą o długofalowej inżynierii oprogramowania, autonomicznych agentach i złożonych firmowych przepływach pracy.

Gemini 3.8 Flash obsługuje okno kontekstu o milionie tokenów, maksymalnie 64 tys. tokenów wyjściowych, regulowane poziomy myślenia (low, medium, high) oraz ten sam kompleksowy zestaw wbudowanych narzędzi.

Pełne specyfikacje znajdziesz na stronie modelu Gemini 3.8 Flash. Szczegóły dotyczące cen początkowych znajdziesz w sekcji Ceny poniżej lub na stronie cennika.

Krótkie wprowadzenie

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Write a three.js script that renders a realistic 3D black hole."
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-3.8-flash",
  input: "Write a three.js script that renders a realistic 3D black hole.",
});

console.log(interaction.output_text);

Java

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;

Client client = new Client();

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(
            InteractionsInput.of(
                "Write a three.js script that renders a realistic 3D black hole."))
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
    "google.golang.org/genai/interactions/models/interactions"
    "google.golang.org/genai/interactions/models/operations"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
        Body: operations.NewCreateInteractionRequestBody(interactions.CreateModelInteraction{
            Model: interactions.Model("gemini-3.8-flash"),
            Input: interactions.NewInteractionsInput("Write a three.js script that renders a realistic 3D black hole."),
        }),
    })
    if err != nil {
        log.Fatal(err)
    }
    if res.Interaction.OutputText != nil {
        fmt.Println(*res.Interaction.OutputText)
    }
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-3.8-flash",
    "input": "Write a three.js script that renders a realistic 3D black hole."
  }'

Co nowego w Gemini 3.8 Flash

  • Długofalowa inżynieria oprogramowania: model osiąga dobre wyniki w testach porównawczych kodowania w rzeczywistych warunkach, złożonym refaktoryzowaniu wielu plików i deterministycznym wykonywaniu narzędzi. Szczegóły znajdziesz w metodologii oceny.
  • Agenci autonomiczni: umożliwiają tworzenie odpornych przepływów pracy związanych z planowaniem wieloetapowym i zarządzaniem narzędziami, co znacznie zmniejsza liczbę nieudanych pętli i błędów.
  • Złożone firmowe przepływy pracy: model zapewnia większą dokładność, głębokie rozumowanie i wysoką rzetelność w wymagających zadaniach domenowych i potokach danych na dużą skalę.
  • Domyślny model dla agentów zarządzanych: domyślny agent dla agentów zarządzanych – agent Antigravity – korzysta teraz z Gemini 3.8 Flash. Pakiet SDK Antigravity domyślnie też korzysta z Gemini 3.8 Flash.
  • Ceny początkowe: model Gemini 3.8 Flash jest dostępny w cenie początkowej 0,75 USD za 1 mln tokenów wejściowych i 3,75 USD za 1 mln tokenów wyjściowych do 31 grudnia 2026 r. Standardowe ceny wynoszące 1,50 USD za 1 mln tokenów wejściowych i 7,50 USD za 1 mln tokenów wyjściowych zaczną obowiązywać 1 stycznia 2027 r.

Model Gemini 3.8 Flash może z założenia używać więcej tokenów w przypadku dłuższych i bardziej złożonych zadań. Aby uzyskać lepsze wyniki w przypadku trudnych, wieloetapowych celów, model wykonuje mniejsze kroki rozumowania, iteracyjnie wywołuje narzędzia i weryfikuje swoją pracę. Nie każdy przepływ pracy wymaga takiego poziomu weryfikacji. W przypadku codziennych zadań możesz zmniejszyć wysiłek związany z rozumowaniem, aby ograniczyć zużycie tokenów. Alternatywnie możesz nadal korzystać z Gemini 3.6 Flash.

Poziomy rozumowania

Gemini 3.8 Flash umożliwia elastyczne kontrolowanie opóźnień i inteligencji poprzez dostosowanie poziomu myślenia modelu:

  • Niski nakład pracy związany z myśleniem: skraca czas odpowiedzi w przypadku zadań krytycznych z punktu widzenia opóźnień, takich jak potoki reagowania na incydenty, czat w czasie rzeczywistym, pisanie wersji roboczych i szybka analiza danych.
  • Średni (domyślny): najlepsza jakość w przypadku większości zadań. Zalecany w przypadku złożonego kodu i zastosowań agentowych, zapewniający większą dokładność przy pierwszym przejściu.
  • Wysoki poziom myślenia: maksymalizuje możliwości rozumowania i zarządzania narzędziami modelu. Najlepszy do głębokiego rozumowania, matematyki i trudnych zadań wieloetapowych.

W tym przykładzie ustawiamy thinking_level na medium w przypadku złożonego żądania analizy kodu:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium"  # Balanced reasoning effort for complex tasks
    }
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-3.8-flash",
  input: "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
  generation_config: {
    thinking_level: "medium"
  }
});

console.log(interaction.output_text);

Java

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.GenerationConfig;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.interactions.ThinkingLevel;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;

Client client = new Client();

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(
            InteractionsInput.of(
                "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely."))
        .generationConfig(
            GenerationConfig.builder()
                .thinkingLevel(ThinkingLevel.MEDIUM) // Balanced reasoning effort for complex tasks
                .build())
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
    "google.golang.org/genai/interactions/models/interactions"
    "google.golang.org/genai/interactions/models/operations"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
        Body: operations.NewCreateInteractionRequestBody(interactions.CreateModelInteraction{
            Model: interactions.Model("gemini-3.8-flash"),
            Input: interactions.NewInteractionsInput("Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely."),
            GenerationConfig: &interactions.GenerationConfig{
                ThinkingLevel: interactions.ThinkingLevelMedium.ToPointer(), // Balanced reasoning effort for complex tasks
            },
        }),
    })
    if err != nil {
        log.Fatal(err)
    }
    if res.Interaction.OutputText != nil {
        fmt.Println(*res.Interaction.OutputText)
    }
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-3.8-flash",
    "input": "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    "generation_config": {
      "thinking_level": "medium"
    }
  }'

Zaktualizowany agent Antigravity

Dzięki lepszej wydajności i rozumowaniu agent Antigravity w Gemini Managed Agents jest teraz domyślnie tworzony za pomocą Gemini 3.8 Flash.

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-09-2026",
  input: "Audit https://web.dev for performance, Core Web Vitals, and SEO. Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. Check search indexing with Google Search for site:web.dev. Format the output as a side-by-side scorecard table with prioritized fixes.",
  environment: "remote",
}, { timeout: 300000 });

console.log(interaction.output_text);

Java

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.AgentOption;
import com.google.genai.gaos.models.interactions.CreateAgentInteraction;
import com.google.genai.gaos.models.interactions.CreateAgentInteractionEnvironment;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;

Client client = new Client();

CreateAgentInteraction params =
    CreateAgentInteraction.builder()
        .agent(AgentOption.of("antigravity-preview-09-2026"))
        .input(
            InteractionsInput.of(
                "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
                    + "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
                    + "Check search indexing with Google Search for site:web.dev. "
                    + "Format the output as a side-by-side scorecard table with prioritized fixes."))
        .environment(CreateAgentInteractionEnvironment.of("remote"))
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

Go

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
    "google.golang.org/genai/interactions/models/interactions"
    "google.golang.org/genai/interactions/models/operations"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
        Body: operations.NewCreateInteractionRequestBody(interactions.CreateAgentInteraction{
            Agent: interactions.AgentOption("antigravity-preview-09-2026"),
            Input: interactions.NewInteractionsInput(
                "Audit https://web.dev for performance, Core Web Vitals, and SEO. " +
                    "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. " +
                    "Check search indexing with Google Search for site:web.dev. " +
                    "Format the output as a side-by-side scorecard table with prioritized fixes.",
            ),
            Environment: genai.Ptr(interactions.NewCreateAgentInteractionEnvironment("remote")),
        }),
    })
    if err != nil {
        log.Fatal(err)
    }
    if res.Interaction.OutputText != nil {
        fmt.Println(*res.Interaction.OutputText)
    }
}

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "agent": "antigravity-preview-09-2026",
    "input": "Audit https://web.dev for performance, Core Web Vitals, and SEO. Query Google'\''s PageSpeed Insights API for both Mobile and Desktop strategies. Check search indexing with Google Search for site:web.dev. Format the output as a side-by-side scorecard table with prioritized fixes.",
    "environment": "remote"
}'

Podstawowy model Gemini można skonfigurować za pomocą agent_config.

Lista kontrolna migracji

  `/gemini-api-dev migrate my app to Gemini 3.8 Flash`

Migracja do gemini-3.8-flash

  • Zaktualizuj identyfikator modelu: zmień ciąg docelowego modelu na gemini-3.8-flash.
  • Skonfiguruj poziom myślenia: zastąp thinking_budget wyliczeniem thinking_level. Pamiętaj, że poziom minimal nie jest obsługiwany w Gemini 3.8 Flash. Wybierz low, medium (domyślny) lub high.
  • Zastosuj zmiany parametrów interfejsu Gemini 3 API: usuń wycofane parametry próbkowania (temperature, top_p, top_k), candidate_count (nieobsługiwany w Gemini 3 i nowszych wersjach) oraz przygotowane odpowiedzi modelu. Zapoznaj się ze zmianami w interfejsie Gemini 3.6 API i aktualizacjami parametrów.
  • Wymuś reguły weryfikacji tur: ujednolicaj rozmowy wieloetapowe po stronie serwera previous_interaction_id i usuń przygotowane odpowiedzi modelu.
  • Sprawdź wywoływanie funkcji:
    • Umieść zasoby multimodalne w ładunku odpowiedzi.
    • Sformatuj instrukcje w tekście za pomocą \n\n.
    • Jeśli widzisz błędy Malformed_Function_Call związane z tekstem przed narzędziem, zapoznaj się z sekcją Obejścia wymagań dotyczących tekstu przed narzędziem.
    • Tylko w przypadku korzystania z interfejsu generateContent API: upewnij się, że wszystkie obiekty FunctionResponse zawierają call_id i name.
  • Podstawowe wymagania Gemini 3: informacje o aktualizacjach pakietu SDK i zachowaniu sygnatury myśli znajdziesz w sekcji Sygnatury myśli.

Ceny

Do 31 grudnia 2026 r. możesz korzystać z cen początkowych w Google AI Studio i Gemini Enterprise Agent Platform w przypadku modeli Gemini 3.8 Flash i Gemini 3.6 Flash. Standardowe ceny zaczną obowiązywać 1 stycznia 2027 r. Pełne progi cenowe znajdziesz na stronie cennika.

Inne modele

Co dalej?