Gemini 3.8 Flash er Googles AI-model til kode, analyse og opgaver med flere arbejdstrin. Den kan behandle forskellige typer input og bruge værktøjer undervejs. Varianten Gemini 3.8 Flash Cyber giver særligt godkendte sikkerhedsaktører udvidede muligheder. Forskellen handler både om anvendelse, sikkerhedsbegrænsninger og adgang.
Gemini 3.8 Flash kan indgå i AI-agenter, der arbejder med kode og analyse gennem flere trin, mens cybervarianten kræver særskilt adgang. Mulighederne afhænger af værktøjer, sikkerhedsgrænser og databehandling, og prisen for en færdig opgave kan stige med tokenforbruget. Dansk fagsprog og resultaternes kvalitet kræver konkret afprøvning.
Hvad lancerede Google med Gemini 3.8 Flash?
Google præsenterede Gemini 3.8 Flash og Gemini 3.8 Flash Cyber den 2. september 2026. Ifølge lanceringen deler de et modelgrundlag, mens cybervarianten har mere lempelige begrænsninger for sikkerhedsarbejde.
Flash er tilgængelig gennem blandt andet Gemini API, Google AI Studio og Gemini Enterprise. Google annoncerer desuden adgang for Google AI Pro- og Ultra-abonnenter i Gemini-appen og udvalgte andre tjenester. Det dokumenterer ikke, at alle funktioner er tilgængelige på enhver konto eller i Danmark.
Hvilke oplysninger kan modellen behandle?
Den officielle modelside angiver tekst, billeder, video, lyd og PDF som input. Outputtet er tekst. Multimodalt input betyder dermed, at modellen kan arbejde med flere materialetyper; det betyder ikke, at den selv genererer billeder eller tale.
API-modellen hedder gemini-3.8-flash og har en inputgrænse på 1.048.576 tokens og en outputgrænse på 65.536 tokens. Tokens og kontekstvinduer beskriver, hvordan materiale opdeles, og hvor meget modellen kan håndtere i en behandling.
Modellen understøtter blandt andet kodekørsel, filsøgning og funktionskald. Computerbetjening har preview-status, mens Live API, billedgenerering og lydgenerering ikke understøttes. En funktion i en samlet Gemini-app kan derfor komme fra andre komponenter end netop denne model.
Hvordan indgår modellen i en AI-agent?
En model leverer forslag til svar eller handlinger. En AI-agent forbinder modellen med værktøjer og en arbejdsgang, så den kan bruge resultaterne fra ét trin i det næste.
Et tænkt eksempel er en agent, der undersøger en fejl i et internt program. Den læser fejlbeskrivelsen, finder relevant kode, foreslår en ændring og kører en test. Resultatet fra testen kan føre til en ny ændring. Eksemplet viser arbejdsgangen; det er ikke et målt resultat for Gemini 3.8 Flash.
Adgang til at foreslå kode og adgang til at ændre et system er to forskellige beføjelser. Organisationens opsætning afgør, hvilke filer og tjenester agenten må benytte, og hvilke handlinger der kræver menneskelig godkendelse.
Hvad betyder modellens ræsonnementsniveau?
Gemini 3.8 Flash har niveauerne low, medium og high, med medium som standard. Udvikleren kan dermed justere, hvor meget modellen arbejder med en opgave. Niveauet minimal understøttes ikke.
Google beskriver, at modellen ved svære opgaver kan tage flere mindre ræsonnementstrin, kalde værktøjer gentagne gange og kontrollere sit arbejde. Det kan øge tokenforbruget. Lavere indsats kan begrænse forbruget, men den konkrete afvejning mellem kvalitet, svartid og pris afhænger af opgaven.
Et højt niveau er derfor ikke i sig selv et kvalitetsstempel. I en praktisk sammenligning skal et bedre resultat kunne opveje ekstra ventetid og ressourceforbrug. Det kan for eksempel være relevant at skelne mellem et kort referat og en fejl, der kræver undersøgelse af flere programfiler.
Hvad koster Gemini 3.8 Flash?
Den annoncerede introduktionspris gælder til og med 31. december 2026. Google har samtidig oplyst højere standardpriser fra 1. januar 2027. Beløbene nedenfor er amerikanske dollar pr. million tokens for Flash.
| Periode | Input | Output |
|---|---|---|
| Til og med 31. december 2026 | 0,75 USD | 3,75 USD |
| Fra 1. januar 2027 | 1,50 USD | 7,50 USD |
Tokenprisen beskriver ikke alene prisen for en færdig opgave. Flere forsøg, længere svar og ekstra kontroltrin kan ændre regningen. I en sammenligning mellem to løsninger er omkostningen pr. godkendt resultat derfor mere oplysende end prisen for ét modelkald. Abonnementspriser og den samlede drift af en agent er andre regnestykker.
Hvordan adskiller Flash Cyber og Fairwind sig?
Gemini 3.8 Flash Cyber er en modelvariant til sikkerhedsarbejde. Fairwind er Googles program for kontrolleret adgang til denne type kapabiliteter. Programmet prioriterer blandt andet myndigheder, sundhedsaktører og telekommunikation, hvor fejl i centrale systemer kan berøre mange mennesker.
Fairwind-partnere kan anvende cybermodellen i CodeMender, en særskilt agent til undersøgelse og rettelse af softwaresårbarheder. Der er således tre lag:
- Modellen bidrager med analyse og forslag.
- Agenten forbinder modellen med værktøjer og en konkret opgave.
- Adgangsprogrammet fastlægger, hvem der kan benytte de udvidede kapabiliteter.
En almindelig Flash-konto giver ikke i sig selv adgang til Flash Cyber. Programmets begrundelse er, at evnen til at finde sikkerhedsfejl både kan hjælpe dem, der beskytter systemerne, og misbruges af andre.
Hvad fortæller resultaterne om cybersikkerhed?
Google oplyser, at Flash Cyber opnår over 70 procent succes i en intern sårbarhedstest med kodebaser på tværs af 20 programmeringssprog. Tallet gælder den konkrete test, ikke en generel andel af alle fejl i software.
En benchmark for AI-kodning skal fortolkes sammen med opgaverne og reglerne for et godkendt resultat. At finde en fejl, forklare den og levere en holdbar rettelse er forskellige præstationer.
Den praktiske vurdering er derfor, at et udviklingsteam har brug for resultater fra sin egen type kode. Et højt samlet testresultat fortæller ikke, hvor ofte modellen overser fejl i et bestemt bibliotek, foreslår unødige ændringer eller bruger for lang tid på en opgave.
Hvorfor skal fund og rettelser kontrolleres hver for sig?
Et sikkerhedsfund beskriver et muligt problem. En rettelse ændrer programmets adfærd. Som praktisk kontrolforløb kan et team behandle dem i denne rækkefølge:
- Undersøg, om den beskrevne fejl faktisk findes i den relevante version.
- Afprøv ændringen i et afgrænset testmiljø.
- Kontrollér både fejlen og funktioner, som ændringen kan påvirke.
- Lad en ansvarlig person tage stilling til ændringen før udrulning.
Dette er et eksempel på en kontrolleret arbejdsgang, ikke en garanti for, at alle fejl bliver opdaget. Det giver et tydeligt sted at afvise et forkert fund og et andet sted at stoppe en utilstrækkelig rettelse. En kortere analyseproces er kun nyttig, hvis kontrollen af resultatet følger med.
Hvad betyder modellen for arbejdspladser i Danmark?
For udviklere og vidensmedarbejdere er den relevante mulighed at afprøve flere sammenhængende trin i samme opgave: for eksempel læsning af dokumentation, analyse og udarbejdelse af et forslag. Hvor meget tid det sparer, kræver måling i den konkrete arbejdsgang.
De gennemgåede kilder dokumenterer ikke særskilte resultater for dansk fagsprog. En afprøvning kan derfor omfatte egne fagudtryk, dokumenttyper og tvetydige formuleringer. Et korrekt formuleret svar kan stadig gengive en dato forkert eller overse en undtagelse i et dokument.
For medarbejderen er et anvendeligt resultat et svar, der kan kontrolleres mod materialet. For organisationen omfatter vurderingen også fejlretning, efterkontrol og ansvar. En generel modelopgradering dokumenterer ikke i sig selv en gevinst i en bestemt afdeling.
Hvilke databeskyttelsesforhold følger med?
Når en cloudtjeneste behandler personoplysninger, skal den dataansvarlige kende leverandørkæden og de behandlinger, der foregår. Datatilsynet fremhæver også passende behandlingssikkerhed og et effektivt overførselsgrundlag, hvis oplysninger overføres til tredjelande.
For databeskyttelse ved AI-API’er betyder det, at modelnavnet ikke er tilstrækkeligt. Den konkrete tjeneste, aftalen og forbindelserne til andre værktøjer indgår i vurderingen. Et agentforløb kan eksempelvis sende oplysninger fra et dokument videre til et tilkoblet system.
Ifølge Datatilsynet kan en eksisterende risikovurdering være tilstrækkelig, hvis behandlingen ikke ændres væsentligt. Ændrer cloudbrugen behandlingsaktiviteterne væsentligt, kan en ny vurdering være nødvendig. Adgang til en sikkerhedsmodel dokumenterer ikke, at organisationens behandling af personoplysninger overholder GDPR.
Hvordan kan en afprøvning give et brugbart resultat?
En afgrænset afprøvning kan sammenholde Gemini 3.8 Flash med den eksisterende løsning på de samme opgaver. Følgende målepunkter adskiller modellens bidrag fra den efterfølgende arbejdsindsats:
- Hvor mange resultater kan en fagperson godkende uden rettelser?
- Hvor meget tid bruger medarbejderen på at kontrollere og rette resultatet?
- Hvad er det samlede tokenforbrug og tidsforbrug pr. afsluttet opgave?
- Stopper agenten ved de aftalte grænser for adgang og handlinger?
Eksemplet gør det muligt at skelne mellem en hurtig demonstration og en gentagelig arbejdsgang. Resultaterne kan registreres særskilt for enkle og komplekse opgaver, så gennemsnittet ikke skjuler, hvor løsningen stadig kræver omfattende hjælp.
Hvilke kilder ligger til grund?
Googles lancering af Gemini 3.8 Flash og Flash Cyber er nyhedsgrundlaget. Udviklerdokumentationen og den officielle modelspecifikation underbygger pris og funktioner. Adgangsmodellen beskrives i Fairwind-programmet, og databeskyttelsesafsnittet bygger på Datatilsynets cloudvejledning. Oplysningerne er kontrolleret den 3. september 2026.