GetInfoUs
Head-to-Head Model Comparison

Gemini 3.8 Flash vs Gemini 3.5 Flash

Benchmarks, API Token Pricing, Context Window & Speed Comparison

Vérifié par l’équipe de recherche de GetInfoUsDernière révision : October 2026Politique éditoriale
Partager
Related topics (12)
AI CompareAI BenchmarkToken PricingModel CostModel SpecsSWE-bench CodingModel VersusWhich AI ModelLLM Speed & LatencyReasoning ModelsExtended ThinkingPrompt Caching ROI
Gemini 3.8 Flash vs Gemini 3.5 Flash: Benchmarks, Pricing & Speed Comparison

Gemini 3.8 Flash de Google et Gemini 3.5 Flash de Google sont deux modèles d’IA de premier plan. Gemini 3.8 Flash propose une fenêtre de contexte de 1.05M tokens au tarif de $0.75/$3.75 par million de tokens, tandis que Gemini 3.5 Flash offre 1.05M tokens de contexte à $0.75/$3.75 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.

Comparaison Face-à-Face (VS)

Changez et Comparez les Modèles

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

Profile
Profile
Multi-Model Arena Stack:
5-Model Matrix Workbench
Popular Matchups:
Google

Gemini 3.8 Flash

Inférence Ultra-Rapide

Gemini 3.8 Flash de Google est un modèle d’IA conçu pour les applications en temps réel à très faible latence et le routage à haut débit, offrant une fenêtre de contexte de 1.0M, une vitesse de 175 tokens/s, un indice d’intelligence de 87/1

Intelligence Index87 / 100
Input Token:

$0.75 / 1M

Output Token:

$3.75 / 1M

Context Window:

1.05M tokens

SWE-bench Verified:

74.8%

Google

Gemini 3.5 Flash

Modèle Phare de Pointe

Gemini 3.5 Flash de Google est un modèle d’IA conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, offrant une fenêtre de contexte de 1.0M, une vitesse de 190 tokens/s, un indice d’intelligence de

Intelligence Index82 / 100
Input Token:

$0.75 / 1M

Output Token:

$3.75 / 1M

Context Window:

1.05M tokens

SWE-bench Verified:

70.2%

Différences Clés en un Coup d’Œil

  • Both models cost the same under this workload — choose on capability, not price.
  • Gemini 3.5 Flash is faster at 190 tok/s vs 175 tok/s.
  • Gemini 3.8 Flash leads on SWE-bench coding (74.8% vs 70.2%).
Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →
CaractéristiqueGemini 3.8 FlashGemini 3.5 Flash
Intelligence Index
Composite reasoning & knowledge score (0-100)
8782
Provider
GoogleGoogle
Input Price
Cost per million input tokens
$0.75 / 1M$0.75 / 1M
Output Price
Cost per million output tokens
$3.75 / 1M$3.75 / 1M
Blended Price
Weighted 7:2:1 cache:input:output per 1M
$0.66 / 1M$0.66 / 1M
Context Window
Maximum input + output tokens
1.05M tokens~1,573 A4 pages of text1.05M tokens~1,573 A4 pages of text
Max Output Tokens
Per single request
66K66K
Throughput Speed
Tokens generated per second
175 tok/s190 tok/s
SWE-bench Verified
Real-world software engineering
74.8%70.2%
GPQA Diamond
Graduate-level reasoning
84%81%
Cached Input Price
Prompt caching discount per 1M tokens
$0.19 / 1M$0.19 / 1M

Qui gagne où ?

At-a-glance decision framework
Code
Gemini 3.8 Flash
+4.6% SWE-bench lead
Coût
Tied
Identical monthly runtime cost
Vitesse
Gemini 3.5 Flash
+9% faster generation
Contexte
Tied
1.05M tokens window

Scores de Benchmarks Vérifiés

Official evaluation metrics verified by independent third-party research labs.

Gemini 3.8 FlashGemini 3.5 Flash
SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

74.8%vs70.2%
GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

84%vs81%
MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

88.8%vs87.1%
LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1480ptsvs1450pts
AIME (Advanced Math Competition)

American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.

89.5%vsN/A
Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

175 tok/s vs190 tok/s

Latence et Temps de Réponse

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better
Gemini 3.8 Flash0.39s
Gemini 3.5 Flash0.36s
Est. End-to-End Response (500 tokens)TTFT + generation time
Gemini 3.8 Flash3.25s
Gemini 3.5 Flash2.99s

Simulateur Interactif de Coût de Tokens

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

100K / day
10K500K1M
30K / day
5K150K300K
50% cached
0% (Cold)50%90% (Warm)
Gemini 3.8 Flash Monthly API Bill
$4.78 / month
$0.75/1M in · $3.75/1M out
Gemini 3.5 Flash Monthly API Bill
$4.78 / month
$0.75/1M in · $3.75/1M out
These models cost the same under this workload — no savings either way.Break-even

Gemini 3.8 Flash · Strengths & Key Advantages

  • Fenêtre de contexte de 1.0M et capacité de sortie maximale de 66K tokens (SWE-bench Verified 74.8% · GPQA Diamond 84%)
  • Débit rapide de 175 tokens/seconde avec une latence au premier token (TTFT) de 390 ms
  • Tarification API optimisée ($0.75/$3.75 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts
Considerations & Trade-offs
  • Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
  • Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs

Gemini 3.5 Flash · Strengths & Key Advantages

  • Fenêtre de contexte de 1.0M et capacité de sortie maximale de 66K tokens (SWE-bench Verified 70.2% · GPQA Diamond 81%)
  • Débit rapide de 190 tokens/seconde avec une latence au premier token (TTFT) de 360 ms
  • Tarification API optimisée ($0.75/$3.75 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts
Considerations & Trade-offs
  • Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
  • Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

MetricGemini 3.8 FlashGemini 3.5 Flash
Cost per Task
Estimated USD to finish one task
$1.20$1.05
Output Tokens / Task
Tokens generated per task
44K38K
Reasoning Tokens / Task
Thinking tokens burned per task
21K18K

Spécifications Techniques

Architecture, release timeline, capabilities, and modalities.

CaractéristiqueGemini 3.8 FlashGemini 3.5 Flash
Official API Model ID (SDK)models/gemini-3-8-flashmodels/gemini-3-5-flash
API ProtocolGoogle Gemini API (generateContent) + OpenAI-Compatible SDKGoogle Gemini API (generateContent) + OpenAI-Compatible SDK
Release Date2026-092026-05
Knowledge CutoffJune 2026January 2026
ArchitectureLate-2026 optimized sparse multimodal transformerOptimized Search-Grade Multimodal MoE
ParametersConfidentialConfidential
Enterprise Rate Limits (RPM / TPM)10,000 – 30,000 RPM (Tier 5 Enterprise) · 4,000,000 – 10,000,000 TPM10,000 – 30,000 RPM (Tier 5 Enterprise) · 4,000,000 – 10,000,000 TPM
Long-Context Tier (>128K/200K)Standard rate up to 200K tokens; 2x input/output tier above 200K tokensStandard rate up to 200K tokens; 2x input/output tier above 200K tokens
Prompt Cache Policy & TTLImplicit + Explicit Context Caching at $0.1875/1M with configurable TTLImplicit + Explicit Context Caching at $0.1875/1M with configurable TTL
Computer Use / GUI AgentSupported (Screen coordinate grounding, browser & desktop GUI action loops)Supported (Screen coordinate grounding, browser & desktop GUI action loops)
MCP & Parallel Tool CallingNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON SchemaNative MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & SandboxBuilt-in Google Search Grounding + Managed Python Code Execution SandboxBuilt-in Google Search Grounding + Managed Python Code Execution Sandbox
Official Fine-Tuning SupportVertex AI Supervised Adapter Tuning & Context DistillationVertex AI Supervised Adapter Tuning & Context Distillation
Multimodal Token BillingText BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec)Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) · Audio (~25–32 tokens/sec) · Video (~258–300 tokens/sec)
Quantization & Min GPU VRAMCloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API)Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API)
Safety & Frontier ClassificationGoogle DeepMind Frontier Safety Framework VerifiedGoogle DeepMind Frontier Safety Framework Verified
Enterprise Compliance (ZDR/HIPAA/SOC2)SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise TierSOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier
Input Modalitiestext, vision, audio, videotext, vision, audio, video
Output Modalitiestexttext

Gemini 3.8 Flash vs Gemini 3.5 Flash: Réponses Rapides (FAQ)

Which is more intelligent, Gemini 3.8 Flash or Gemini 3.5 Flash?

Gemini 3.8 Flash is more intelligent. It scores 87 compared with 82 on the composite Intelligence Index.

Which model is faster?

Gemini 3.5 Flash is faster, generating 190 tokens per second compared with 175 tokens per second.

Which model has lower latency?

Gemini 3.5 Flash has lower latency, with a time to first token of 0.36s compared with 0.39s.

Verdict

Gemini 3.8 Flash (Conçu pour les applications en temps réel à très faible latence et le routage à haut débit, l’intégration RAG et les pipelines de production évolutifs.) et Gemini 3.5 Flash (Conçu pour le raisonnement d’entreprise de pointe, l’ingénierie logicielle et la production IA, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Gemini 3.8 Flash domine sur les benchmarks de raisonnement et de programmation, Gemini 3.5 Flash assure un débit supérieur et Gemini 3.8 Flash offre le meilleur rapport coût-efficacité en production.

Questions fréquentes

Quel modèle choisir pour le code et le raisonnement, Gemini 3.8 Flash ou Gemini 3.5 Flash ?+

Sur l’indice d’intelligence composite et les tests de code, Gemini 3.8 Flash prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.

Quelle est la différence de prix API entre Gemini 3.8 Flash et Gemini 3.5 Flash ?+

Gemini 3.8 Flash est facturé $0.75 / $3.75 par million de tokens (entrée/sortie) contre $0.75 / $3.75 pour Gemini 3.5 Flash. En coût pondéré, Gemini 3.8 Flash est plus économique.

Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+

Gemini 3.8 Flash prend en charge 1.05M tokens contre 1.05M tokens pour Gemini 3.5 Flash. Côté vitesse de génération, Gemini 3.5 Flash est le plus rapide.

AI Terminology & Guide
Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & PricingContext WindowAI BenchmarksReasoning ModelsTool CallingModel Context Protocol (MCP)

Related reading

Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.

Sources: Documentation API officielle de Google et Google, fiches système et benchmarks indépendants (2026).