O Google DeepMind lançou o Gemini 3.8 Flash em 2 de setembro. Segundo o model card oficial, o modelo é construído sobre o 3.7 Flash, com melhorias concentradas em engenharia de software e em fluxos de trabalho de conhecimento baseados em agentes. O lançamento ocorre apenas alguns dias depois de uma versão de teste interna para funcionários ter vazado.
As especificações não mudaram muito: a janela de contexto de entrada chega a 1 milhão de tokens, o limite de saída por rodada é de 64 mil tokens, o conhecimento vai até março de 2026, embora algumas áreas ainda parem em janeiro de 2025. A distribuição foi feita de uma só vez em todos os canais: o app Gemini, o AI Studio, a Gemini API, a Gemini Enterprise Agent Platform, o Google AI Mode e a ferramenta de programação Antigravity. O modelo suporta níveis de esforço ajustáveis, permitindo que desenvolvedores equilibrem qualidade, custo e latência.
Dois rostos na mesma tabela
A tabela comparativa oficial coloca o 3.8 Flash ao lado do 3.7 Flash, Claude Opus 5, Claude Sonnet 5, GPT-5.6 Sol e GPT-5.6 Terra; o ponto de destaque é o descompasso entre preço e desempenho.
O 3.8 Flash mantém o preço promocional de 0,75 dólar por milhão de tokens de entrada e 3,75 dólares de saída; o Claude Opus 5 custa 5 e 25 dólares, mais de seis vezes mais. Com essa diferença de preço, no Terminal-bench 2.1 os dois ficam em 89,4 contra 89,1, praticamente empatados; no CharXiv Reasoning é 86,2 contra 83,7, no HLE-Verified 54,9 contra 54,4, na tarefa de análise financeira 61,4 contra 58,6, no fluxo jurídico Harvey 10,0 contra 6,7 — em todos, o 3.8 Flash está à frente; já na compreensão de vídeos longos a diferença é maior, 87,8 contra 75,4.
Quando a tarefa se alonga, o quadro se inverte. No Terminal-bench 4.0, que avalia capacidades de agente mais gerais, o Opus 5 marca 51,8 contra apenas 19,1 do 3.8 Flash; no OSWorld-2.0, que mede a operação de computador por agentes, é 75,4 contra 59,0; na pontuação Elo do GDPVal-AA v2, que mede trabalho de conhecimento, é 1824 contra 1545. Em tarefas de engenharia de software de ciclo longo como o DeepSWE, o placar é 74,0 contra 71,0 — a diferença é menor, mas segue a mesma direção.
O padrão é bem claro: quanto mais curta a tarefa e mais próxima de um julgamento de turno único, menor o impacto da faixa de preço; quanto mais longa a tarefa, e quanto mais o modelo precisa manter estado e se autocorrigir, mais a diferença entre as faixas de preço volta a se abrir. Numa conta aproximada, para concluir o mesmo pipeline de codificação de complexidade média, o custo de inferência do 3.8 Flash é cerca de um sexto do Opus 5, com uma diferença de desempenho de menos de um ponto percentual; já num fluxo de agente que exige dezenas de passos consecutivos, só testando para saber quanto da economia é consumido por novas tentativas após falhas.
O avanço em relação ao 3.7 Flash, esse sim, é concreto. O DeepSWE subiu de 65,3 para 71,0, o Terminal-bench 4.0 de 11,2 para 19,1, o OSWorld de 50,6 para 59,0, e o nível difícil dos fluxos de pesquisa biológica saltou de 43,4 para 56,5. Num ritmo de lançamentos a cada poucas semanas, esse ganho não é pequeno.
Usuários souberam antes do anúncio
Antes mesmo do model card oficial ser publicado, a comunidade de desenvolvedores já havia percebido algo estranho: na versão web e no Antigravity, o modelo ainda aparecia rotulado como 3.7 Flash, mas, ao ser perguntado 'qual modelo você é', respondia que era o 3.8 Flash. Outros usuários, no meio do uso, viram de repente uma nova linha '3.8 Flash' aparecer no seletor de modelos, com o nível de esforço já definido por padrão como High.
Trocar modelos silenciosamente é prática comum em laboratórios de ponta, permitindo testar sob carga real e reverter a qualquer sinal de problema. O custo recai sobre quem usa: o comportamento sob o mesmo nome de modelo muda em algum momento, o desempenho dos prompts, o consumo de tokens e o estilo de saída podem mudar junto, e isso geralmente não é registrado em nenhum changelog. Para equipes cobradas por token, a oscilação na fatura costuma chegar antes do próprio anúncio oficial.
Os primeiros testes da comunidade seguiram os métodos de sempre: pedir ao modelo que gere de uma vez uma animação do sistema solar, ou desenhe um SVG de um pelicano. Esses testes não têm rigor científico, mas ganham pela barreira baixa — dá para ver se está bom ou ruim de imediato — e costumam ser a única referência disponível antes de os benchmarks oficiais saírem. A opinião também não é unânime, uns elogiam, outros criticam, como em toda atualização de modelo.
O preço baixo tem prazo de validade
O model card lista algumas limitações conhecidas: respostas ocasionalmente lentas e timeouts ainda ocorrem; quando o nível de esforço é elevado, o modelo consome mais tokens para melhorar o desempenho, então o custo real nem sempre acompanha o preço de tabela de forma linear. Em segurança, a empresa afirma que o nível geral é equivalente ao do 3.7 Flash, uma equipe humana de red team confirmou que o modelo atinge o limiar de segurança infantil para lançamento, enquanto os indicadores de segurança em cenários fora do inglês tiveram leve queda.
Abaixo da coluna de preços há ainda uma nota pequena: os preços promocionais do 3.7 e do 3.8 Flash terminam em 31 de dezembro, e a partir de 1º de janeiro do ano seguinte voltam a 1,5 dólar por milhão de tokens de entrada e 7,5 dólares de saída — exatamente o dobro. Essa tabela de custo-benefício terá de ser recalculada daqui a quatro meses.
Fontes: model card do Google DeepMind, CocoLoop, tabela oficial de comparação de desempenho do Google, discussões da comunidade de desenvolvedores; a janela de contexto, o limite de saída, o corte de conhecimento e os canais de distribuição foram conferidos no model card, os resultados de benchmark e os preços por milhão de tokens vêm da tabela comparativa oficial.