Gemini 3.8 Flash: nový pracovný model pre agentov, router a automatizácie
Google 2. septembra vydal Gemini 3.8 Flash ako produkčný model pre dlhé coding agenty, prácu s dokumentmi a workflow s viacerými nástrojmi. Pre firmy nie je najdôležitejšie, že získal ďalšie body v benchmarku. Podstatné je, že hlavný pracovný model v agentnom routeri je do konca roka nacenený ako lacnejšia prevádzková vrstva a zároveň môže pri vyššom thinkingu spotrebovať výrazne viac tokenov.
3.8 Flash preto môže prevziať časť práce, ktorú ste predtým posielali drahšiemu modelu. Nemal by sa však stať nekontrolovaným defaultom pre každý e-mail, faktúru a support ticket.
Čo je skutočne nové
Model ID je gemini-3.8-flash. Je všeobecne dostupný v Gemini API, má 1 048 576 vstupných tokenov, maximálne 65 536 výstupných tokenov a prijíma text, obraz, audio, video aj PDF. Podporuje function calling, štruktúrovaný output, code execution, file search, caching, webové a mapové grounding nástroje a Computer Use v preview. Výstup je textový; Live API ani generovanie obrázkov nepodporuje.
Thinking sa dá nastaviť na low, medium alebo high; predvolené je medium. Hodnota minimal vráti chybu. Google zároveň uvádza, že pri dlhých a zložitých úlohách model zámerne robí menšie reasoning kroky, opakovane volá nástroje a priebežne overuje výsledok. To môže zvýšiť kvalitu, ale aj spotrebu output a thinking tokenov.
Cena: dočasná zľava, nie trvalý štandard
Do 31. decembra 2026 platí v Gemini Developer API táto úvodná cena za milión tokenov:
| Režim | Input | Cached input | Output vrátane thinkingu |
|---|---|---|---|
| Standard | 0,75 USD | 0,075 USD | 3,75 USD |
| Batch / Flex | 0,375 USD | 0,0375 USD | 1,875 USD |
Od 1. januára 2027 Google uvádza štandardnú cenu 1,50 USD za input, 0,15 USD za cached input a 7,50 USD za output. Pri explicitnej cache sa navyše platí úložisko: do konca roka 0,50 USD za milión tokenov za hodinu, potom 1 USD.
Najväčší význam to má pri workflow, ktoré môžu počkať. Nočná klasifikácia supportu, dávková extrakcia faktúr, opätovné spracovanie dokumentov a content pipeline patria do Batch alebo Flex, nie do interaktívneho režimu iba preto, že tak vznikol prototyp.
Nová mapa routera
Praktický router by som dnes rozdelil takto:
- Deterministická vrstva skontroluje typ súboru, povinné polia, PII, duplicity a známe pravidlá bez LLM.
- Flash-Lite spraví lacnú klasifikáciu, jednoduchú extrakciu a normalizáciu do pevného JSON schema.
- Gemini 3.8 Flash na low alebo medium prevezme prípady s viacerými dokumentmi, nástrojmi, nejasnou inštrukciou alebo dlhším plánom.
- High thinking alebo silnejší špecialista dostane iba náročné výnimky s dostatočnou hodnotou.
- Človek schváli platbu, zmluvné rozhodnutie, zmenu oprávnení, publikovanie alebo iný nevratný krok.
Platí to pre n8n, Make aj vlastnú orchestráciu. Pri CRM enrichment môže Lite vytiahnuť firmu a kontakt, 3.8 Flash spojiť web, internú históriu a obchodné pravidlá a človek schváliť zmenu lead statusu. Pri faktúrach môže Lite vytiahnuť polia, 3.8 Flash vyriešiť nezvyčajnú prílohu a účtovník potvrdiť zaúčtovanie.
Cache je architektúra promptu
Implicitný caching je zapnutý automaticky a pri 3.8 Flash začína od 4 096 tokenov. Šancu na hit zvýšite stabilným spoločným prefixom: systémové pravidlá, schema, slovníky a nemenné podklady umiestnite na začiatok; konkrétny ticket alebo dokument až za ne. Sledujte usage.total_cached_tokens, inak neviete, či deklarovanú úsporu naozaj získavate.
Pozor na hranicu medzi API. Novšie Interactions API podporuje iba implicitný caching. Explicitne vytvorené a spravované cache objekty vyžadujú generateContent. Výmena model ID bez kontroly tohto rozdielu môže potichu zmeniť ekonomiku dlhého agenta.
Ako migrovať z 3.6 Flash
Najskôr presuňte model ID a thinking level z promptu do konfigurácie. Potom porovnajte 3.6 a 3.8 Flash na 50–100 anonymizovaných reálnych prípadoch. Merajte správnosť, validný JSON, tool cally, cache hit, latenciu, output tokeny, ľudské opravy a cenu za schválený výsledok.
Nasadzujte po jednom workflow s fallbackom na predchádzajúci model. Začnite tam, kde sa výsledok dá deterministicky overiť: testy pri kóde, účtovné kontroly pri faktúrach, povinné CRM polia alebo uzavretá sada kategórií v supporte. Pri dlhom agentovi nastavte limit krokov, token budget, persistentný stav mimo kontextu a stop podmienku. Inteligentnejší model tieto prevádzkové poistky nenahrádza.
Google označuje 3.8 Flash za svoj najsilnejší workhorse pre coding a agentov a uvádza vlastné benchmarkové zlepšenia. Je to dôvod model otestovať, nie náhrada interného evalu. Model card stále uvádza halucinácie, možné spomalenie alebo timeouty a vyššiu spotrebu tokenov pri vysokom efforte ako známe obmedzenia.
Zdroje: Google AI for Developers: Gemini 3.8 Flash a migračný prehľad, aktuálne ceny, pravidlá context cachingu, produktová stránka a vendor benchmarky, model card a obmedzenia a Marek Bartoš: český video signál k vydaniu.