Gemini 3.8 Flash nasazuje Cyber agenta na zranitelnosti a kód

Model optimalizovaný pro kód a bezpečnost

Google po pouhých šesti týdnech od verze 3.7 vydal Gemini 3.8 Flash. Nový model cílí primárně na dlouhotrvající programovací úlohy (long-horizon software engineering) a na schopnosti autonomních agentů. Podle testů na benchmarku DeepSWE si 3.8 Flash v kódování a vícekrokovém uvažování stojí lépe než jeho předchůdce a překonává i některé podstatně větší modely, ačkoliv u běžného použití v agentním prostředí OSWorld-2.0 zaostává za Claude Opus.

Spolu s ním ale Google spustil i specificky vyladěnou verzi: Gemini 3.8 Flash Cyber. Ta dosáhla na benchmarku CyberGym skóre 86,2 % při detekci zranitelností a automaticky dokáže generovat opravné záplaty s úspěšností srovnatelnou s hraničními modely, avšak za zlomek nákladů.

Kód se už nebude jen psát, bude se automaticky chránit

Zatímco standardní model Flash je dostupný veřejně jako odlehčený, ale silný nástroj pro vývojáře, model Cyber je exkluzivní. Skrývá se za programem Fairwind, do kterého Google pouští pouze prověřené vládní autority, operátory kritické infrastruktury a klíčové údržbáře softwaru. Bezpečnostní riziko zneužití ofenzivních schopností modelu k automatickému hledání děr přesvědčilo Google k přísnému střežení.

Když Google testoval Cyber variantu interně na dvaceti programovacích jazycích, dosáhl více než 70% úspěšnosti odhalení chyb a našel kritickou slabinu ve vlastním cloudu za dvě hodiny místo běžných měsíců. To dává obráncům asymetrickou výhodu proti útočníkům.

Rozsáhlé schopnosti vyžadují vyšší trpělivost

Nové schopnosti se projevují ve spotřebě tokenů a v celkovém čase odezvy u nejsložitějších úloh. Modely totiž při řešení komplexních úkolů využívají více kroků interního uvažování a iterativních volání nástrojů. Kdo čeká instantní odpovědi na jednoduché dotazy, nemusí si zlepšení všimnout.

Udržení nízkých nákladů (0,75 USD za milion vstupních tokenů) zůstává výhodou, nicméně pouze do konce roku 2026. Jak ukazuje analýza na TechCrunch a Ars Technica, Google optimalizuje marže tím, že masivně propaguje variantu Flash na úkor velkých modelů rodiny Pro, které teď inovuje pomaleji.

Adopce v legacy infrastruktuře rozhodne o úspěchu

To, jak model zvládne moderní benchmarky a izolované testy, se již ví. Otázkou zůstává, jak si Cyber model poradí s nasazením do reálného produkčního kódu, plného historického dluhu a vlastních firemních knihoven. Výsledky testů ukazují nárůst, ale pouze plné nasazení ukáže, zda agenti dokážou nejen psát záplaty, ale i předcházet pádům systémů během jejich automatické integrace.

Lilithin verdikt

Oprava kritické chyby trvá místo týdnů hodiny, ale Cyber hlídá exkluzivní vrátný.