Gemini 3.8 Flash: nový pracovní model pro agenty, router a automatizace

Google 2. září vydal Gemini 3.8 Flash jako produkční model pro dlouhé coding agenty, práci s dokumenty a workflow s více nástroji. Pro firmy není nejdůležitější, že je zase o pár bodů výš v benchmarku. Důležité je, že hlavní pracovní model v agentním routeru je do konce roku naceněný jako levnější provozní vrstva — a zároveň může při vyšším thinkingu spotřebovat podstatně více tokenů.

Jinými slovy: 3.8 Flash může převzít část práce, kterou jste dříve posílali na dražší model, ale nesmí se z něj stát nekontrolovaný default pro každý e-mail, fakturu a ticket.

Co je skutečně nové

Model ID je gemini-3.8-flash. Je obecně dostupný v Gemini API a má 1 048 576 vstupních tokenů, maximálně 65 536 výstupních tokenů a vstupy text, obraz, audio, video i PDF. Podporuje function calling, strukturovaný output, code execution, file search, caching, webové a mapové grounding nástroje a Computer Use v preview. Výstup je textový; Live API ani generování obrázků model nepodporuje.

Thinking lze nastavit na low, medium nebo high; výchozí je medium. Hodnota minimal podporovaná některými jinými modely tady vrátí chybu. Google zároveň otevřeně upozorňuje, že u dlouhých a složitých úloh může 3.8 Flash záměrně dělat menší kroky, opakovaně volat nástroje a více ověřovat. To může zlepšit výsledek, ale také zvýšit počet output a thinking tokenů.

Cena: dočasná sleva, ne nový standard navždy

Do 31. prosince 2026 platí v Gemini Developer API tato zaváděcí cena za milion tokenů:

Režim	Input	Cached input	Output včetně thinkingu
Standard	0,75 USD	0,075 USD	3,75 USD
Batch / Flex	0,375 USD	0,0375 USD	1,875 USD

Od 1. ledna 2027 Google uvádí standardní cenu 1,50 USD za input, 0,15 USD za cached input a 7,50 USD za output. U explicitní cache se navíc platí úložiště: do konce roku 0,50 USD za milion tokenů za hodinu, potom 1 USD.

To mění ekonomiku hlavně u workflow, která mohou čekat. Noční klasifikace supportu, dávková extrakce faktur, přepočet embeddingových podkladů nebo obsahová pipeline patří do Batch/Flex, ne do interaktivního režimu jen proto, že se tak napsal první prototyp.

Nová mapa routeru

Praktický router bych dnes rozdělil takto:

Deterministická vrstva zkontroluje typ souboru, povinná pole, PII, duplicity a známá pravidla bez LLM.
Flash-Lite udělá levnou klasifikaci, jednoduchou extrakci a normalizaci do pevného JSON schema.
Gemini 3.8 Flash na low nebo medium převezme případy s více dokumenty, nástroji, nejasnou instrukcí nebo delším plánem.
High thinking nebo silnější specialista dostane jen obtížné výjimky, které mají dostatečnou hodnotu.
Člověk schválí platbu, smluvní rozhodnutí, změnu oprávnění, publikaci nebo jiný nevratný krok.

Tento návrh platí pro n8n, Make i vlastní orchestrace. U CRM enrichmentu může Lite vytěžit firmu a kontakt, 3.8 Flash spojit web, interní historii a obchodní pravidla a člověk schválit změnu lead statusu. U faktur může Lite vytáhnout pole, 3.8 Flash řešit neobvyklou přílohu a účetní potvrdit zaúčtování.

Cache je architektura promptu

Implicitní caching je zapnutý automaticky a u 3.8 Flash začíná od 4 096 tokenů. Šanci na hit zvýšíte stabilním společným prefixem: systémová pravidla, schéma, slovník a neměnné podklady dejte na začátek; konkrétní ticket nebo dokument až za ně. V odpovědi sledujte usage.total_cached_tokens, jinak nevíte, zda deklarovanou úsporu skutečně dostáváte.

Pozor na rozdíl API. Novější Interactions API umí jen implicitní caching. Pokud potřebujete explicitně vytvořit a spravovat cache objekt, musíte použít generateContent. Migrace model ID bez kontroly této hranice může tiše změnit ekonomiku dlouhých agentů.

Jak migrovat z 3.6 Flash

Nejdřív oddělte model ID a thinking level od promptu do konfigurace. Potom na 50–100 anonymizovaných reálných případech porovnejte 3.6 a 3.8 Flash. Měřte nejen správnost, ale také validní JSON, počet tool callů, cache hit, latenci, output tokeny, lidské opravy a cenu za schválený výsledek.

Nasazujte po jednom workflow s fallbackem na předchozí model. Začněte u úloh, kde lze výsledek deterministicky ověřit: testy u kódu, kontrolní součty a účetní pravidla u faktur, povinná pole v CRM nebo uzavřená sada kategorií v supportu. U dlouhého agenta nastavte limit kroků, rozpočet tokenů, persistentní stav mimo kontext a stop podmínku. Chytřejší model tyto provozní pojistky nenahrazuje.

Google prezentuje 3.8 Flash jako svůj nejsilnější workhorse pro coding a agenty a uvádí vlastní benchmarkové zlepšení. Beru to jako důvod model otestovat, ne jako náhradu interního evalu. Model card stále uvádí halucinace, možné zpomalení a timeouty a vyšší spotřebu tokenů při vysokém effortu jako známá omezení.

Zdroje: Google AI for Developers: Gemini 3.8 Flash a migrační přehled, aktuální ceny, pravidla context cachingu, produktová stránka a vendor benchmarky, model card a omezení a Marek Bartoš: český video signál k vydání.