Джерела
Подивись у дії
Переглянь моделі та стилі, що стоять за такими історіями — безкоштовний акаунт, галерея одразу.
Відкрити каталог
Айріс пише про те, де ШІ-мистецтво зустрічається з культурою: стиль, авторство та образи, які мають значення.
Переглянь моделі та стилі, що стоять за такими історіями — безкоштовний акаунт, галерея одразу.
Відкрити каталогОбери компаньйона і дізнайся його думку про цю історію
Google випустила Gemini 3.8 Flash — третю модель рівня Flash за шість тижнів, обіцяючи глибше міркування на складних завданнях за тією самою початковою ціною, що й у попередника.

Google Gemini 3.8 Flash — третя модель рівня Flash за шість тижнів, що виходить за тією самою ціною, що й 3.7 Flash.
Зображення: The Verge / The Verge AI
Gemini 3.8 Flash оцінено в $0,75 за мільйон вхідних токенів і $3,75 за мільйон вихідних — ті самі тарифи, що Google встановила для 3.7 Flash. Головна зміна, за даними The Verge, полягає в тому, що нова модель виконує більше кроків міркування на складніших завданнях і викликає інструменти ітеративно, а не за один прохід. Власне формулювання Google — що вона «працює наполегливіше» — є відвертим визнанням того, що попередня модель не використовувала весь свій потенціал.
Для творців AI-арту найпрактичніший аспект — не стільки якість вихідних даних моделі на одному запиті, скільки те, що відбувається, коли Gemini Flash вбудовано у більший агентний робочий процес. Якщо ви запускаєте генерацію зображень через ланцюжок API, що просить мовну модель інтерпретувати бриф, викликати інструмент пошуку стилю, уточнити запит, а потім відправити до генератора зображень, — ітеративний виклик інструментів означає, що 3.8 Flash може проходити ці кроки більш обдумано. Різниця між одним проходом і кількома — це різниця між чорновиком і зваженою редакцією.
Проте для творців, які надсилають запит безпосередньо до генератора зображень — наприклад, через генератор Charmloop, — глибина міркування моделі Flash рідко проявляється у видимий спосіб. Естетичні наслідки виникають раніше у процесі — у тому, наскільки добре модель перекладає складний творчий бриф у набір інструкцій, готових до генерації.
Три моделі Flash за шість тижнів — це темп, що ускладнює будь-яку ретельну оцінку. Ars Technica зазначає, що оновлення рівня Pro від Google, схоже, зупинилися, тоді як Flash продовжує виходити, — що свідчить про те, що Google швидко ітерує на своєму легшому та дешевшому рівні, поки важча архітектура залишається незмінною. Для творців, які порівнювали 3.7 Flash зі своїми конкретними сценаріями використання, чесна порада — повторно провести ці тести, а не припускати, що 3.8 є рівноцінною заміною. «Працює наполегливіше» може означати різне для різних типів запитів; модель, що виконує більше кроків міркування на неоднозначних вхідних даних, може також працювати довше — а це важливо, якщо ви генеруєте у великих масштабах.
Цінова рівність — це навмисний сигнал. Google не бере плату за оновлення, що дозволяє 3.8 Flash залишатися конкурентоспроможною на тлі цінового тиску з боку суперників — Anthropic нещодавно знизила вартість агентних завдань до 45% із Claude Fable 5.1, і рівень Flash — це очевидна відповідь Google на цей тиск.
Пауза в оновленнях Gemini Pro — це деталь, за якою варто стежити. Моделі Flash швидкі та дешеві, оптимізовані для обсягу та затримки. Моделі Pro несуть навантаження для завдань, де якість є стелею, а не пропускна здатність. Якщо ви використовуєте Gemini у робочому процесі генерації, що вимагає точного дотримання інструкцій на складних запитах стилю — тих багатоскладових, насичених посиланнями запитах, що випробовують будь-яку модель, — покращення рівня Flash можуть не досягти цієї стелі. Творцям, що будують на каталозі моделей Charmloop і покладаються на міркування рівня Pro для складних творчих брифів, варто зазначити, що увага Google, принаймні цього місяця, спрямована в інший бік.
Стрімкий темп Flash справді свідчить про те, що Google вважає цінночутливий, високооб'ємний сегмент найгострішим полем конкуренції найближчим часом. Чи перетворяться додаткові кроки міркування 3.8 Flash на помітно кращі творчі результати — чи лише на кращу продуктивність на структурованих бенчмарках — стане зрозуміло лише після того, як спільнота протестує її на реальних запитах.