Google a annoncé le 2 septembre Gemini 3.8 Flash, son troisième modèle Flash en six semaines après la 3.6 (21 juillet) et la 3.7 (13 août), accompagné d'une variante Gemini 3.8 Flash Cyber réservée aux équipes de défense vérifiées via le programme Fairwind. Le message est économique : un raisonnement et un code de niveau frontière au prix d'un petit modèle, 0,75 $ le million de tokens en entrée et 3,75 $ en sortie jusqu'au 31 décembre 2026, puis le double. Disponible dans AI Studio, l'API, l'app Gemini (Pro et Ultra), AI Mode, Google Sheets et Antigravity.
- Sur les benchmarks choisis par Google, 3.8 Flash égale ou dépasse Claude Opus 5 et GPT-5.6 Sol en agentique métier (finance, juridique) pour environ un sixième du prix par token ; sur Humanity's Last Exam, l'écart avec Opus 5 est d'un demi-point, c'est du bruit
- Il perd nettement là où c'est le plus dur : 19,1 % sur Terminal-Bench 4.0 contre 51,8 % pour Opus 5, 59 % sur OSWorld contre 75,4 %, et en retrait sur le travail de bureau (GDPval)
- Le piège : c'est 3.7 Flash qui « travaille plus fort » en brûlant davantage de tokens de réflexion (facturés en sortie), avec un temps au premier token de 13 s en moyenne ; Google recommande lui-même de rester sur 3.7 pour les charges où l'efficacité prime
Un modèle de volume qui vise les tâches métier, pas la frontière
Les lignes où 3.8 Flash gagne sont celles qu'un acheteur lit en premier : 61,4 % sur Vals Finance Agent v2 contre 58,6 % pour Opus 5, 10 % sur le benchmark juridique de Harvey contre 6,7 % (et 2,5 % pour GPT-5.6 Sol), 90,8 % sur Terminal-Bench 2.1 (81,6 % pour 3.7 Flash), et une place au niveau d'Opus 5 sur DeepSWE v1.1 pour une fraction du coût par tâche. Il ingère aussi la vidéo et l'audio en natif, ce que ses concurrents directs ne font pas tous.
Les lignes où il perd sont plus instructives. Terminal-Bench 4.0, la version « agent général » du benchmark de code, le voit à 19,1 % contre 51,8 % pour Opus 5 ; sur l'usage autonome d'un ordinateur (OSWorld 2.0), 16 points de retard. Sur GDPval, qui mesure du travail de bureau réel (extraction de PDF, analyse de données, présentations), il est derrière Opus 5 et Sol. Les testeurs indépendants convergent : excellent cheval de trait sur les tâches bien cadrées et à fort volume, pas un remplaçant de modèle frontière, et personne chez Google ne prétend le contraire.
Deux détails de la documentation Google pèsent sur la facture réelle. 3.8 Flash n'est pas un nouveau modèle de base : c'est 3.7 Flash poussé à réfléchir davantage. Les tokens de réflexion sont comptés en sortie, à 3,75 $, et un testeur a mesuré jusqu'à 30 % de tokens de sortie en plus par tâche par rapport à la génération précédente. Artificial Analysis le classe troisième sur 196 en vitesse de génération mais 74e en verbosité, avec 13,3 secondes avant le premier token contre 3 en médiane. Pour un chat interactif, c'est long. Pour un pipeline, c'est indifférent.
Côté Cyber : la variante partage le même modèle de base avec des restrictions allégées, dépasse 70 % de réussite sur le benchmark interne de vulnérabilités réelles de Google (20 langages) et 47,2 % en correction sur CWE-Bench. Accès sur candidature uniquement, deux jours avant qu'OpenAI ne classe GPT-6 Astra au seuil critique en cyber : les deux labos ouvrent la même porte la même semaine, avec des programmes de vérification équivalents.
Mon avis : la vraie nouvelle n'est pas un score, c'est que la charge de la preuve s'inverse. Quand un modèle à 0,75 $ fait jeu égal sur des tâches métier avec des modèles à 5 ou 10 $, il faut désormais justifier pourquoi une tâche a besoin du modèle cher. Il y a de bonnes réponses (agents longs, usage d'ordinateur, fiabilité quand l'erreur coûte), mais « c'est le meilleur » n'en est plus une par défaut.
Ce que ça change pour vous
Pour les équipes SEO et data qui font tourner des pipelines de classification, d'extraction, de génération de résumés ou de contrôle qualité sur des milliers d'URL, c'est le modèle à tester en priorité : fenêtre d'un million de tokens, entrée multimodale, prix qui rend viable le traitement d'un site entier. Le grounding sur Google Search (5 000 requêtes gratuites par mois, partagées entre tous les modèles Gemini 3.x, puis 14 $ les 1 000) est un vrai plus pour de la vérification de faits.
Pour des agents autonomes longs ou du pilotage d'interface, restez sur Opus 5, Fable 5.1 ou Astra : les écarts sur Terminal-Bench 4.0 et OSWorld se traduisent en échecs réels. Et budgétez au tarif 2027, pas au tarif de lancement.
- Rejoue un lot représentatif de ton pipeline (500 à 1 000 items) sur 3.7 Flash et 3.8 Flash et compare le coût réel par item, tokens de sortie inclus, pas le prix affiché : sur des tâches simples, 3.7 peut rester moins cher
- Fixe un budget de réflexion (thinking budget) par appel dans l'API pour plafonner la verbosité de 3.8 sur les tâches qui n'ont pas besoin de raisonnement long
- Si tu prévois de déployer en production, calcule ta marge au tarif de janvier 2027 (1,50 $ / 7,50 $) : un pipeline rentable à 0,75 $ ne l'est pas forcément au double
Sources
- Google - Introducing Gemini 3.8 Flash and 3.8 Flash Cyber (2 septembre 2026)
- eesel AI - Gemini 3.8 Flash review: benchmarks, pricing, and the catch
- CellCog - lignes gagnantes et perdantes face à Opus 5 et GPT-5.6 Sol
- MindStudio - coût par tâche et consommation de tokens
- DataCamp - Gemini 3.8 Flash Cyber et le programme Fairwind
Source : Blog.google
Cet article a été rédigé avec l’assistance d’un modèle de langage (LLM).
