Google యొక్క కొత్త Flash మోడల్ అసాధారణంగా వేగవంతమైన విడుదల చక్రంలో మరో వేగమైన అడుగు

Google Gemini 3.8 Flash‌ను విడుదల చేసింది. ఇది దాని తక్కువ ఖర్చు ఉన్న Flash శ్రేణిలో తాజా ప్రవేశం; అందించిన మూల పాఠ్యం ప్రకారం, ఆరు వారాల్లో మూడవ Flash విడుదల కూడా ఇదే. ఇక్కడ కథ మోడల్ మాత్రమే కాదు, విడుదల వేగం కూడా. Gemini 3.7 Flash తర్వాత మూడు వారాలకు, Google మళ్లీ బడ్జెట్-ఆధారిత మోడల్‌తో వచ్చింది. ఇది reasoning మరియు coding కోసం గణనీయంగా బలమైన ఎంపికగా నిలుస్తోంది, అదే సమయంలో Gemini 3.5 Pro మరియు Gemini 4 వంటి frontier మోడళ్లు ఇంకా కనిపించడం లేదు.

ఆ ఖాళీ ఈ విడుదలకు రెండు సమాంతర అర్థాలను ఇస్తుంది. ఒకటి, డెవలపర్లు ప్రతిరోజూ వాడే మార్కెట్ భాగంలో price-performance‌ను Google దూకుడుగా మెరుగుపరుస్తోంది. మరొకటి, కంపెనీ అధిక-స్థాయి మోడళ్లకు ఎక్కువ సమయం పడుతుండగా, సమర్థవంతమైన మధ్యస్థాయి విడుదలలతో క్యాలెండర్‌ను నింపుతోంది. ఈ వేగం బలాన్ని సూచిస్తుందా లేదా దృష్టి మళ్లింపునా అనే విషయం దాన్ని ఎవరు అంచనా వేస్తున్నారన్నదానిపై ఆధారపడి ఉంటుందని మూలం స్పష్టంగా చెబుతోంది.

Google ఏమి విడుదల చేస్తోంది

మూలం ప్రకారం, Gemini 3.8 Flash రెండు వెర్షన్లలో వస్తుంది. ఒకటి సాధారణ ప్రయోజనాల కోసం reasoning మరియు coding మోడల్. మరొకటి Gemini 3.8 Flash Cyber అనే ప్రత్యేక cybersecurity వెర్షన్. ఈ విభజన Google Flash కుటుంబాన్ని సాధారణ assistant పనులను దాటి, ఖర్చు, వేగం, మరియు tool వినియోగం మాత్రమే కాకుండా మరింత ముఖ్యమయ్యే నిర్దిష్ట developer మరియు security workflow‌ల్లోకి విస్తరించాలనుకుంటున్నట్లు సూచిస్తుంది.

విడుదల సందేశం Google యొక్క విస్తృత AI వ్యూహాన్ని రక్షించేలా జాగ్రత్తగా రూపొందించినట్లుగా కూడా కనిపిస్తోంది. కొత్త DeepMind head Koray Kavukcuoglu సంస్థ price-performance optimisation‌ మీద మాత్రమే దృష్టి పెట్టడం లేదని, raw capability లో కూడా నాయకత్వం వహించాలని ఇప్పటికీ కోరుకుంటోందని స్పష్టంచేశారని మూలం చెబుతోంది. ఇది ముఖ్యమైన వ్యాఖ్య. చౌకైన coding మోడల్ adoption‌ను గెలుచుకోవచ్చు, కానీ అది మాత్రమే ఉన్నత స్థాయి పోటీలో ఎవరు ముందున్నారన్న ప్రశ్నకు సమాధానం ఇవ్వదు.

అయినప్పటికీ, benchmark ఫలితాలను చూపిస్తూ తక్కువ ఖర్చు ఉత్పత్తులను ఇక నిర్లక్ష్యం చేయలేమని Google వాదిస్తోంది. దీర్ఘకాల software engineering పనుల కోసం DeepSWE v1.1 benchmark‌లో Gemini 3.8 Flash 73.7% స్కోర్ సాధించిందని మూలం చెబుతోంది. ఇది Claude Opus 5 యొక్క 74.0% కంటే కొంచెం తక్కువైనా, Claude Sonnet 5 యొక్క 53.8%, GPT-5.6 Sol యొక్క 72.7%, మరియు Gemini 3.7 Flash యొక్క 65.3% కంటే ముందుంది.

Google says Gemini 3.8 Flash beats Anthropic's Opus 5 and OpenAI's GPT-5.6 Sol across many benchmarks despite being far cheaper. These are just benchmarks, though, and real-world performance can feel very different. | Image: Google
Google says Gemini 3.8 Flash beats Anthropic's Opus 5 and OpenAI's GPT-5.6 Sol across many benchmarks despite being far cheaper. These are just benchmarks, though, and real-world performance can feel very different. | Image: Google
Anthropic ramps up Claude infrastructure with $35 billion Lambda deal
More in AI & Robotics

Anthropic, Lambda తో వచ్చినట్లు చెప్పబడిన $35 బిలియన్ ఒప్పందంతో కంప్యూట్‌ను విస్తరిస్తోంది

Anthropic, Lambda తో $35 బిలియన్ క్లౌడ్ ఒప్పందంపై సంతకం చేసినట్లు సమాచారం. ప్రణాళికలో ఉన్న IPOకి ముందు తన మౌలిక వసతులను విస్తరించుకుంటున్న నేపథ్యంలో ఇది మరో పెద్ద data-center కమిట్‌మెంట్‌ను జోడిస్తుంది.

Read article

Benchmarks సహాయపడతాయి, కానీ నిజ జీవిత పనితీరును తేల్చవు

ఈ సంఖ్యలు ప్రభావవంతమైన launch graphic‌గా పనిచేస్తాయి, ముఖ్యంగా తక్కువ ఖర్చు మోడల్‌ను ఖరీదైన ప్రత్యామ్నాయాలతో Google పోల్చగలగడం వల్ల. కానీ మూలం స్పష్టమైన caveat‌ను కూడా జోడిస్తోంది: ఇవి benchmarks మాత్రమే, నిజ జీవిత పనితీరు చాలా భిన్నంగా అనిపించవచ్చు.

coding మరియు agentic workflow‌లలో ఈ హెచ్చరిక ముఖ్యమైనది, ఎందుకంటే అక్కడ విజయం సాధారణంగా ఒకే స్కోర్‌కన్నా error recovery, tool selection, context management, మరియు దీర్ఘ పనులపై persistence మీద ఆధారపడి ఉంటుంది. benchmark చేసిన software engineering సమస్యల్లో బాగా పనిచేసే మోడల్, tokens‌ను అప్రయోజనంగా ఖర్చు చేస్తే, tool loops‌లో చిక్కుకుంటే, లేదా codebase‌లలో సులభంగా generalize చేయలేకపోతే production‌లో అస్థిరంగా అనిపించవచ్చు.

Google 3D generation‌లో మెరుగుదలలను కూడా హైలైట్ చేసినట్లు మూలం చెబుతోంది. అందులో Google యొక్క AI coding tool Antigravityలో ఒకే prompt‌తో నిర్మించబడినట్లు చెప్పబడిన 3D game demo కూడా ఉంది, దాని textures Google యొక్క Nano Banana image model ద్వారా రూపొందించబడ్డాయి. ఆ demo ప్రధానంగా ప్రమోషనల్ అయినా, broader product direction‌ను సూచిస్తుంది: Flash‌ను ఒక chatbot మోడల్‌గా కాకుండా, multimodal మరియు tool-augmented నిర్మాణ పనుల కోసం ప్రాయోగిక ఇంజిన్‌గా Google చూపిస్తోంది.

ధరల అంశం సూటిగా ఉంది, కానీ సమర్థత అంశం అంత సులభం కాదు

ప్రధాన ధరల విషయంలో Google ఆఫర్ దూకుడుగా ఉంది. Gemini 3.8 Flash input tokens ఒక మిలియన్‌కు $0.75, output tokens ఒక మిలియన్‌కు $3.75 ధరతో ప్రారంభమవుతుందని మూలం చెబుతోంది; ఇవి 3.7 Flash ధరలతో సమానమే. 2027 జనవరి నుండి ఈ ధరలు input‌కు $1.50, output‌కు $7.50కి పెరుగుతాయి. ఆ తరువాత స్థాయిలో కూడా, Claude Opus 5 యొక్క input tokens ఒక మిలియన్‌కు $5.00 మరియు output‌కు $25.00, అలాగే GPT-5.6 Sol యొక్క $4.00 మరియు $20.00 కంటే ఈ మోడల్ ఇంకా తక్కువ ధరలోనే ఉంటుందని మూలం పేర్కొంటోంది.

దీంతో ఈ మోడల్‌ను మార్కెట్ చేయడం సులభం: per-token ధరలో కొంత భాగం మాత్రమే చెల్లించి frontier-కి దగ్గరగా ఉన్న benchmark దావాలు. కానీ Google తానే ఆ సులభమైన cost narrative‌ను సంక్లిష్టం చేస్తోంది, కొన్ని మెరుగుదలలు ఎలా సాధించబడాయో వివరించడం ద్వారా. Gemini 3.8 Flash క్లిష్ట పనులపై అదనపు reasoning దశలు చేస్తుందని, tool‌లను iteratively ఉపయోగిస్తుందని Google చెబుతోంది. కంపెనీ మాటల్లో, ఆ మోడల్ “మరింత కష్టపడుతుంది.”

Gemini 3.8 Flash scores 59 on the Artificial Analysis Intelligence Index, putting it on par with GPT-5.6 Sol and Grok 4.6. On the cost-performance chart (bottom), the model sits on the Pareto frontier, offering the lowest cost per task at its intelligence level. | Image: Artificial Analysis
Gemini 3.8 Flash scores 59 on the Artificial Analysis Intelligence Index, putting it on par with GPT-5.6 Sol and Grok 4.6. On the cost-performance chart (bottom), the model sits on the Pareto frontier, offering the lowest cost per task at its intelligence level. | Image: Artificial Analysis

ఇది ముఖ్యమైనది, ఎందుకంటే per-token pricing మొత్తం ఖర్చులో ఒక భాగం మాత్రమే. గణనీయంగా ఎక్కువ tokens వినియోగించే, ఎక్కువసేపు reasoning చేసే, లేదా తరచుగా tool‌లను పిలిచే మోడల్, కాగితంపై కనిపించే పొదుపును ప్రాక్టికల్‌గా తగ్గించవచ్చు. ఈ అధిక శ్రమ తక్కువ ధరను కొంతవరకు సమతుల్యం చేస్తుందని మూలం చెబుతోంది, మరియు compute efficiency అత్యంత ముఖ్యమైన పనుల్లో lower reasoning levels‌ను లేదా 3.7 Flash‌ను కొనసాగించమని Google సిఫారసు చేస్తోందని పేర్కొంటోంది.

ఆ సిఫారసు ఆధునిక model deployment‌లో సాధారణ tradeoff‌ను బయటపెడుతోంది. అవసరమైనప్పుడు ఎక్కువ inference budget ఖర్చు చేసి మెరుగైన ఫలితాలను సాధించే తక్కువ ధర మోడళ్లను విక్రేతలు ఎక్కువగా అందిస్తున్నారు. డెవలపర్లకు అసలు ప్రశ్న ప్రచురితమైన token rate మాత్రమే కాదు. ఉపయోగకరమైన పనిని నమ్మకంగా పూర్తి చేయడానికి మొత్తం ఎంత ఖర్చవుతుందన్నదే.

Image description
More in AI & Robotics

NYT కేసులో AI training కోసం DOJ fair use defense‌ను సమర్థించింది

ఒక కొత్త Justice Department filing, copyrighted text‌ను ఉపయోగించి large language models‌కు శిక్షణ ఇవ్వడం fair use కిందకి రావచ్చని వాదిస్తోంది, దీని ద్వారా AI development భవిష్యత్తును రూపుదిద్దగల చట్టపరమైన పోరాటం మరింత గట్టిగా మారింది.

Read article

ఇప్పుడీ విడుదల ఎందుకు ముఖ్యమైనది

Gemini 3.8 Flash ప్రాముఖ్యత కలిగి ఉంది, ఎందుకంటే ఇది పోటీ ఎంతగా తీవ్రమవుతోందో ప్రతిబింబిస్తుంది. premium model race ఇంకా దృష్టిని ఆకర్షిస్తున్నప్పటికీ, deploy చేయగల coding మరియు reasoning systems మార్కెట్‌ను మంచి, వేగవంతమైన, మరియు పెద్ద స్థాయిలో నడపడానికి చౌకైన మోడళ్లు కూడా అంతే వేగంగా రూపుదిద్దుకుంటున్నాయి. ఆ పోరులో గెలవడానికి Google స్పష్టంగా ప్రయత్నిస్తోంది.

Flash విడుదలల వేగవంతమైన వరుస, గత AI చక్రాలతో పోలిస్తే మోడళ్లను వేగంగా tune చేయడానికి, ship చేయడానికి, మరియు reposition చేయడానికి కంపెనీ సిద్ధంగా ఉందని సూచిస్తోంది. డెవలపర్లు migration ఖర్చులు లేకుండా కొలిచేంత మెరుగుదలని చూస్తే ఇది పోటీ ప్రయోజనంగా మారవచ్చు. naming, segmentation, మరియు model turnover కస్టమర్ అవగాహనను మించిపోతే ఇది గందరగోళాన్నీ సృష్టించవచ్చు.

ఇప్పటికైతే, ఈ launch మిశ్రమమైన కానీ ముఖ్యమైన సంకేతాన్ని ఇస్తోంది. చిన్న, చౌకైన మోడళ్లు ఇంకా వేగంగా మెరుగుపడుతున్నాయని Google చూపిస్తోంది, మరియు కనీసం కొన్ని coding benchmarks‌లో చాలా ఖరీదైన పోటీదారులతో సమాన స్థాయిని లేదా దానికి దగ్గరైన స్థాయిని సాధించామని చెప్పడానికి సిద్ధంగా ఉంది. అదే సమయంలో, ఇంకా రాని frontier launches నేపథ్యంగా మిగులుతున్నాయి. Gemini 3.8 Flash తన స్వంత ప్రమాణాల్లో బలమైన product release కావచ్చు, కానీ AI పోరాటం ఇప్పుడు రెండు ముందులలో ఒకేసారి సాగుతోందని ఇది గుర్తుచేస్తుంది: పైభాగంలో పరిపూర్ణ సామర్థ్యం, మరియు దాని కింద ఎక్కడైనా ఆర్థిక ఉపయోగకరత.

ఈ వ్యాసం The Decoder నివేదిక ఆధారంగా ఉంది. అసలు వ్యాసాన్ని చదవండి.

Originally published on the-decoder.com