Google lança Gemini 3.8 Flash por $0.75 e supera modelos maiores

A postagem recebeu 1.160 pontos e 669 comentários no Hacker News logo após o anúncio oficial. O Google entregou três versões Flash em apenas seis semanas. O modelo chegou três semanas depois do Gemini 3.7 Flash e levantou dúvidas sobre o ritmo interno da empresa. O usuário mattlondon ironizou a velocidade do laboratório: "Isso vem depois do que — 3 ou 4 semanas desde o 3.7 Flash, que também veio 3 ou 4 semanas depois do 3.6 Flash se bem me lembro? Espero ansiosamente mais informações, mas parece que o Deepmind sem Demis dando as ordens foi solto e opera em velocidade máxima".

Testes colocam modelo no topo de benchmarks

Os índices técnicos colocam o modelo em vantagem direta contra concorrentes caros. O usuário mattlondon apontou a liderança na lista externa: "Atualmente no topo em https://deepswe.datacurve.ai — superando o Opus 5!". Ele observou que o Artificial Analysis atribuiu nota 59 de inteligência ao sistema, mesmo valor do Opus 5 medium: "Para um modelo flash isso parece pontuar com muita força; resta ver como é usar". Os números impressionam nos testes sintéticos.

O relatório da empresa confirmou que o 3.8 Flash venceu o 3.7 Flash nas avaliações Vals Finance Agent V2 e Harvey's Legal Agent Benchmark. A rotina prática de código trouxe atrito. O programador mythz testou o modelo em tarefas pesadas e discordou das notas: "Estou testando agora para tarefas de código com muitos tokens, ele é capaz para muitas tarefas, mas de forma alguma se compara ao Claude/Sol — exige mais prompts e a saída não é tão boa". Para o usuário, o modelo não passa de "apenas outro modelo flash intermediário, nada empolgante".

Exigir aprovação manual a cada passo trava a entrega

Os dois lados concordam que o modelo serve bem como reserva barata. O desenvolvedor mythz destacou que o Google Antigravity tem cotas generosas, o que transforma o sistema em "um bom modelo de batalha quando suas assinaturas do Claude/OpenAI acabam". Tulsee Doshi e Raluca Ada Popa afirmaram que a inteligência do núcleo decorre de loops de agentes que avaliam e refinam o código de forma recursiva. Essa estrutura gerou um mapa funcional em DOS.

A pressa do modelo no terminal esbarra na espera pelo clique humano. O desenvolvedor mythz apontou que vigiar a tela anula o ganho de tempo: "Embora seja um modelo rápido, ter que vigiar e aprovar prompts a cada poucos segundos acaba tornando-o mais lento do que os modos de aprovação automática do Claude/ChatGPT — eles definitivamente precisam de um modo de aprovação automática". O desenvolvedor precisa vigiar cada passo. A equipe do DeepMind admite que o modelo gasta mais tokens em níveis altos de esforço para chamar ferramentas de forma iterativa.

O debate mostra que notas altas em testes nem sempre poupam tempo na rotina. O DeepMind também apresentou o Gemini 3.8 Flash Cyber no programa Fairwind para detectar falhas e aplicar correções. A escolha exige cautela. Quem programa precisa pesar se o baixo custo do 3.8 Flash compensa o tempo perdido na tela ou se vale manter o 3.7 Flash para gastar menos máquina.