GOOGLE / DEEPMIND · ТРЕКЕР МОДЕЛИ
Gemini 3.8 Flash
Gemini 3.8 Flash в приведённых выдержках описывается как предыдущая быстрая (серия «Flash») модель Google, ориентированная на быстрое и более экономичное выполнение задач. В материалах она выступает как предшественник Gemini 4 Hydrogen и, по указанным данным, набрала 18,2% в Terminal-Bench 4.1.ТЕКУЩИЙ СНИМОК4/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
Google выпустила Gemini 4 Argon для управления роботами, симуляции и улучшения политик
Google выпустила Gemini 4 Argon — модель общего назначения для физических рассуждений, ориентированную на управление роботами, Real2Sim-воссоздание сцен, мульти модальную разметку видео и итеративное улучшение политик. В демонстрациях Argon управляет Boston Dynamics Spot и манипуляторами в MuJoCo-твинах, восстанавливает сцены из теледемонстраций и синтезирует доменно-рандомизированные эпизоды MuJoCo (по данным Google, успех на одном наборе вырос с 56% до 75%); Google сообщает 87% на бенчмарке ERQA, предлагает модель подписчикам Google AI Ultra и через платный Gemini API (gemini-4-argon), при этом публикуя ограниченные данные о неудачах и опираясь на обширные подсказки/сконструированные механизмы управления.
Thinking Machines представила Inkling 2 Small — смесь экспертов с 594 млрд параметров
Компания Thinking Machines заявляет о выпуске Inkling 2 Small — модели типа mixture-of-experts с 594 млрд параметров (17 млрд активны одновременно), поддерживающей текст и изображения; модель доступна через платформу Tinker, а веса планируют опубликовать под Apache 2.0 после внешнего тестирования безопасности. По данным Thinking Machines и метрик Artificial Analysis, Inkling 2 Small набирает 31 балл в индексе Artificial Analysis (на 18 пунктов больше предыдущей версии), демонстрирует значительный рост в агентных и кодинговых бенчмарках, но генерирует больше токенов и стоит дороже за задачу, и компания называет её сильнейшей среди западных open-weight моделей.
Nvidia открывает исходники Flora — движка разметки видео для роботов на Qwen3.5
Лаборатория GEAR компании Nvidia опубликовала Flora — движок разметки данных, состоящий из трёх дообученных Qwen3.5-моделей (9B — сегментация, 27B — описания, 27B 'Flora-Rewarder' — оценка), который формирует границы действий, покадровые награды и метки успешности задач в роботизированных видео. Nvidia заявляет, что Flora используется при обучении моделей GR00T на GB300 GPU и оценивает стоимость разметки примерно в $0,72/час против ~$88/час у GPT-6 Astra, но эти расчёты — прогнозы, а тесты сопровождаются методологическими оговорками.
MiniMax выпустила модель M3.1 Flash для рассуждений; открытые веса выйдут 23 октября
MiniMax представила M3.1 Flash — модель для рассуждений с оценкой 42 по Artificial Analysis Intelligence Index (на 13 пунктов выше M3), поддержкой до 1 млн токенов контекста, ускоренной работой и сниженной стоимостью задачи (~$0,22). Модель улучшилась в задачах сложного рассуждения и фактической точности (48% в «Humanity's Last Exam», 56% в AA-Omniscience), но демонстрирует высокий уровень галлюцинаций (93%); указаны тарифы API, а открытые веса выйдут 23 октября.
Google DeepMind представила Gemini 4 Argon — фронтирную модель с контекстом в 1M токенов
Google DeepMind объявила о модели Gemini 4 Argon — фронтирной мультимодальной модели, заточенной под долгие последовательные рассуждения и сложные рабочие процессы. Argon сначала разворачивается у доверенных киберзащитников в рамках программы Fairwind, увеличивает предел контекста до 1 миллиона токенов, демонстрирует лидирующие результаты по ряду бенчмарков (кодирование, финансы, право, анализ видео) и будет расширенно доступен после поэтапного тестирования безопасности и взаимодействия с органами власти США; также объявлены вводные тарифы.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
Анонсирована Google в сентябре 2026 года в рамках сентябрьских AI-обновлений (включена вместе с другими вариантами Gemini 3.8).
Демонстрирует значительные улучшения в продвинутом многошаговом рассуждении и агентных задачах (включая программную инженерию), превосходя 3.7 Flash за счёт выполнения дополнительных шагов рассуждения и итеративных вызовов инструментов для более точного результата.
Предназначена для обеспечения задержки уровня Flash (низкая задержка, производительность уровня Flash).
Описывается как мультимодальная; используется в визуальных проектах (например, преобразование изображений и прототипы с несколькими камерами) и упоминается вместе с новыми аудио-моделями, выпущенными в тот же месяц.
В оценках, приведённых в статье, Gemini 3.8 Flash показала более высокие результаты в нескольких тестах по сравнению со StreamVibe-VL и другими моделями с открытым исходным кодом.
В статье описывается как проприетарная модель Google.
Сообщается о 90%-ной скидке для кешированных входных токенов (кешированные входы дешевле на 90%).
В опубликованной оценке загрузка полноценных профилей по профессиям с Gemini 3.8 Flash привела к увеличению выходных токенов в 1.5–2.3 раза и увеличению оценки стоимости за успешный вызов на 2.2–4.5 раза. На 60 задачах BioMysteryBench средний процент решения составил 46.7% с профилем против 56.7% для базового варианта (разница −10.0 процентных пункта), что связано с более частыми остановками по лимиту токенов и времени при использовании профиля на тестируемой модели.
Gemini 3.8 Flash указана среди шести моделей, описанных как имеющие доступ в интернет и по электронной почте в эксперименте Vals AI.
Gemini 3.8 Flash была одной из шести моделей, протестированных исследователем по безопасности Матильдой Глин-Хенли и Vals AI в эксперименте, где агенты AI пытались получить возврат £350 за билет на поезд; агентам в эксперименте разрешалось до двенадцати симулируемых недель и до 40 миллионов токенов.
Набрал 41 балл по индексу Artificial Analysis Intelligence в сравнении, описанном The Decoder.
Набрал 18% по бенчмарку CritPt в том же сравнении.
По данным источника, на публичном WGO-Bench Gemini 3.8 Flash показал более высокую точность описаний (pure description accuracy), чем Flora от Nvidia (у Flora «позади» Gemini 3.8 Flash).
Gemini 3.8 Flash используется «под капотом» в Genie 4 для помощи в реал‑временных симуляциях, выступая в роли компонента планирования/управления мира.
По данным DeepMind, Gemini 3.8 Flash «непрерывно наблюдает сцену, разбивает задачу на шаги и использует новые кадры, чтобы проверить, сработал ли каждый шаг; если мир меняется или пользователь вмешивается, модель корректирует свой план».
Оценивалась на StateBench — бенчмарке для отслеживания состояния в длинных контекстах; модель была включена в число передовых моделей, оценённых StateBench.
StateBench указывает, что Gemini 3.8 Flash (вместе с другими передовыми моделями) «ломается» на более сложных формах отслеживания состояния по мере увеличения длины входа, что указывает на снижение качества при более сложных и длинных цепочках зависимостей.
Gemini 3.8 Flash была одной из семи моделей, оценённых в исследовании, где модели выступали и как «писатель», и как «оценщик» для создания, выполнения и итеративного улучшения полных проектов по data science (загрузка, очистка, анализ данных и написание короткой статьи).
В исследовании прирост средней оценки со стороны оценщика за три раунда составил 13 процентных пунктов для Gemini 3.8 Flash от Google.
В статье указано, что Inkling 2 Small набрал 31 балл в индексе Artificial Analysis Intelligence и это описывается как «примерно на уровне Google Gemini 3.8 Flash», что подразумевает сопоставимую производительность в этом индексе.
Упомянута как «примерно сопоставимая» с Inkling 2 Small (набравшим 31) в индексе Artificial Analysis Intelligence.
В статье говорится, что Inkling 2 Small «по-прежнему значительно дешевле, чем Gemini 3.8 Flash», что указывает на более высокую стоимость Gemini 3.8 Flash за задачу.
Описывается как предыдущая быстрая модель Google («Flash») и предшественник Gemini 4 Hydrogen; Hydrogen представлена как самостоятельное обновление для команд, переходящих с Gemini 3.8 Flash.
Указан результат Gemini 3.8 Flash в Terminal‑Bench 4.1 — 18,2%.
В материалах говорится, что Gemini 4 Hydrogen выполняет задачи в 2,5 раза быстрее, чем Gemini 3.8 Flash, что указывает на более низкую скорость выполнения задач у Flash по сравнению с Hydrogen.
Указано, что Hydrogen сократила количество галлюцинаций в 5 раз по сравнению с Gemini 3.8 Flash, что предполагает более высокую частоту галлюцинаций у Gemini 3.8 Flash в приведённом сравнении.
ЧТО ИЗМЕНИЛОСЬ