Google
Gemini 3.8 Flash (Low Reasoning)
Low reasoning effort variant of Gemini 3.8 Flash optimized for sub-150ms TTFT and maximum throughput.
Inteligência
62.0 #318
Faixa top 41%
Velocidade de saída
340 t/s
TTFT 140 ms · ITL 2.9 ms/tok
Preço combinado (3:1)
$1.5 /1M
Entrada $0.75/M · Saída $3.75/M
Contexto
1M
≈ 2,500 páginas A4 · saída máx. 32,768
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Gemini 3.8 Flash (Low Reasoning)
Claude Mythos Preview (#1)
Average (68)
Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.
Pontos fortes e trade-offs
Onde vence
- 1M context — swallows whole repos, codebases or corpora in one pass
- Up to 65,536 output tokens per response
- 302 tok/s output — fast enough for real-time agents
- Sub-200ms time-to-first-token
Pontos de atenção
- Architecture and weights undisclosed — API access only
Casos de uso matadores
SWE-bench agents
Issue-to-PR resolution across multi-file repos — refactor, test and verify autonomously.
Math & proof work
Step-verified reasoning for olympiad math, theorem proving and formal verification.
Real-time agents
Low-latency loops for voice, gaming and interactive copilots.
Quickstart do desenvolvedor e API
Defina primeiro
GEMINI_API_KEY — obter uma chave de APIcurl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-8-flash-low:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "content-type: application/json" \
-d '{
"contents": [{"parts": [{"text": "Refactor this function for O(n) time and explain the change."}]}]
}'from google import genai
client = genai.Client() # reads GEMINI_API_KEY
resp = client.models.generate_content(
model="gemini-3-8-flash-low",
contents="Refactor this function for O(n) time and explain the change.",
)
print(resp.text)const res = await fetch(
`https://generativelanguage.googleapis.com/v1beta/models/gemini-3-8-flash-low:generateContent`,
{
method: "POST",
headers: {
"x-goog-api-key": process.env.GEMINI_API_KEY,
"content-type": "application/json",
},
body: JSON.stringify({ contents: [{ parts: [{ text: "Refactor this function for O(n) time and explain the change." }] }] }),
}
);
console.log((await res.json()).candidates[0].content.parts[0].text);Recursos e links oficiais
Implantação de API
Comparar hosts e latência
Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Pontuações por fonte
Pontuações por categoria
Resultados de benchmarks
Especificações ao vivo e arquitetura
Por baixo do capô
- Switchable reasoning effort — trading latency and tokens for accuracy on hard problems.
- Prompt caching supported — cached input reads at $0.075/1M tokens.
- Native multimodality: text, image, audio, video in a single model.
Data de lançamento
1 de set. de 2026
Parâmetros
Not disclosed
Licença
Proprietary
Janela de contexto
1,000,000 tokens
Saída máx.
32,768 tokens
Modalidades
text + image + audio + video
Preços de cache
leitura $0.075 · escrita $0.9375 /1M
Raciocínio
Níveis de esforço
Preço de entrada
$0.75/M
Preço de saída
$3.75/M
Velocidade de saída
340 t/s
Tempo até o primeiro token
140 ms
Dados atualizados
2 de set. de 2026
Fatura mensal estimada
Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…
Citar e incorporar
Badge de Markdown do GitHub
Loading badge markdown...BibTeX
@misc{llmpodium2026gemini38flashlow,
title = {Benchmark Analysis and Intelligence Evaluation of Gemini 3.8 Flash (Low Reasoning)},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/gemini-3-8-flash-low}
}Incorporar selo de pontuação
Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.
Pré-visualização
Markdown
Loading badge snippet...HTML
Loading badge snippet...Mais de Google
Modelos alternativos
Principais alternativas para Gemini 3.8 Flash (Low Reasoning) com base em recursos, preço e benchmarks.