Google hat am 2. September ein neues Modell in die Gemini-Reihe geschoben: Gemini 3.8 Flash, während der Entwicklung intern unter dem Namen „Skimaki“ geführt. Es ist kein Flaggschiff, es will keines sein — es ist die günstige Arbeitsklasse. Und genau die ist für alle interessant, die KI nicht zum Ausprobieren, sondern im Dauerbetrieb nutzen.
DER PREIS — UND DAS KLEINGEDRUCKTE
Der Einstieg kostet 0,75 US-Dollar pro Million Input-Token und 3,75 US-Dollar pro Million Output-Token. Das ist günstig, und Google verkauft es auch offensiv als Einführungspreis.
Das Wort „Einführungspreis“ hat hier ein konkretes Ablaufdatum: Er gilt bis zum 31. Dezember 2026. Ab dem 1. Januar 2027 verdoppeln sich beide Werte auf 1,50 und 7,50 US-Dollar.
Das ist keine versteckte Klausel, sondern von Anfang an so kommuniziert — und trotzdem der Punkt, an dem die meisten Kalkulationen später aus dem Ruder laufen. Wer heute einen Dienst auf 3.8 Flash aufbaut und mit den Startpreisen rechnet, sollte den Januar bereits im Modell haben. Vier Monate klingen lang. Sie sind es nicht.
WAS DAS MODELL KANN
Der Schwerpunkt liegt sichtbar auf Programmieraufgaben. Auf Googles eigenem Test DeepSWE v1.1 erreicht 3.8 Flash 65,3 Prozent — der Vorgänger 3.6 Flash lag bei 49 Prozent. Das ist ein deutlicher Sprung innerhalb einer Modellklasse, die eigentlich als „schnell und günstig“ positioniert ist, nicht als „besonders schlau“.
In der WebDev Arena, in der Modelle im direkten Vergleich Weboberflächen bauen, kommt das Modell auf 1588 Elo. Das Kontextfenster liegt bei einer Million Token — genug, um umfangreiche Codebasen oder lange Dokumentensammlungen am Stück zu verarbeiten.
Das unabhängige Analysehaus Artificial Analysis führt 3.8 Flash mit 59 Punkten im Intelligence Index und ordnet es auf der sogenannten Pareto-Grenze ein: also unter den Modellen, bei denen sich Leistung und Kosten je Aufgabe besonders günstig treffen.
WO DU ES BEKOMMST
Für Entwickler ist das Modell über die Gemini API und Google AI Studio erreichbar, außerdem in Android Studio, Google Antigravity und Stitch.
Auf der Nutzerseite taucht dasselbe Modell in der Gemini-App für die Pläne AI Pro und Ultra auf, im KI-Modus der Google-Suche sowie in Gemini für Google Sheets. Damit landet 3.8 Flash sehr schnell in Werkzeugen, die Millionen Menschen ohnehin täglich öffnen — und das ist mindestens so wichtig wie jede Benchmark-Zahl.
EINE EINORDNUNG, DIE MAN SAUBER TRENNEN MUSS
In der Berichterstattung kursiert die Angabe, Google-Ingenieure hätten 3.8 Flash bei internen Tests auf der hauseigenen Coding-Plattform gegenüber einem Anthropic-Modell bevorzugt. Das sind interne Einschätzungen, keine unabhängigen Vergleichstests — und entsprechend sollte man sie behandeln.
Der belastbare Teil der Geschichte ist ein anderer: Programmieren ist inzwischen die wirtschaftlich wichtigste Anwendung großer Sprachmodelle, und dieser Bereich war bislang stark von Anthropic und OpenAI geprägt. Dass Google seine günstige Klasse gezielt in diese Richtung schärft, ist die eigentliche Nachricht.
WAS DAS FÜR DEIN PROJEKT HEISST
Wenn du viel Volumen hast: Ein Preisvergleich lohnt sich jetzt. Bei Aufgaben, die kein Spitzenmodell brauchen — Zusammenfassungen, Klassifizierung, Vorsortierung, einfache Code-Änderungen —, ist die Flash-Klasse fast immer die wirtschaftlichere Wahl.
Wenn du langfristig planst: Rechne mit den Preisen ab 2027, nicht mit denen von heute. Ein Dienst, der bei 0,75 Dollar knapp aufgeht, ist bei 1,50 Dollar ein Verlustgeschäft.
Wenn du selbst hostest: Die Ein-Million-Token-Kontexte sind der Punkt, an dem gemietete Modelle lokalen Alternativen weiterhin klar davonziehen. Für ein Homelab bleibt die Mischung realistisch — kleine Modelle lokal, große Kontexte über die API.
FAZIT: GUT KALKULIERT IST HALB GESPART
Gemini 3.8 Flash ist ein solider Fortschritt in der günstigen Klasse, mit einem ehrlich kommunizierten Haken. Der Preis stimmt — bis Silvester. Wer das im Kopf behält, bekommt ein starkes Arbeitspferd. Wer es überliest, bekommt im Januar eine unangenehme Rechnung.