Gemini 3.8 Flash contro GPT-6 e Claude: la battaglia si sposta sul costo per task? In cinque punti

Today we’re introducing a new 3.8 Flash model, our 3rd Flash release in just 6 wks.

It delivers significant leaps from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning. On DeepSWE v1.1, it outperforms most larger frontier models in autonomously… pic.twitter.com/MB5seliluh

— Sundar Pichai (@sundarpichai) September 2, 2026

Google settimana scorsa ha lanciato la nuova versione di Gemini Flash che punta a ragionare più a lungo, usare strumenti, gestire compiti complessi e soprattutto farlo con costi molto più bassi dei modelli frontier. È qui che si gioca la partita con GPT-6 Astra e con l’ultimo Claude: non solo chi è più intelligente, ma chi riesce a trasformare quell’intelligenza in lavoro utile senza bruciare il budget. In altre parole, meno gara di IQ e più conto economico. Vediamo di capire in sintesi quello che sa fare.

Flash cambia mestiere: da modello veloce a modello che lavora.

Fino a poco tempo fa “Flash” significava soprattutto velocità, basso costo e compiti ad alto volume. Con Gemini 3.8 Flash Google sposta il baricentro sugli agenti: coding di lunga durata, ricerca, documenti complessi, uso iterativo degli strumenti. Può ricevere testo, immagini, audio, video e PDF, ha 1 milione di token di contesto, può fare function calling, search e computer use. In pratica non deve più soltanto rispondere alla domanda: deve prendere un incarico, spezzarlo in pezzi e portarlo avanti. È un cambio importante perché la fascia “economica” dei modelli sta invadendo il territorio che un anno fa apparteneva ai modelli frontier da decine di dollari.

Il trucco del 3.8 è semplice: pensa più a lungo senza diventare un pachiderma. Google dice esplicitamente che il modello “works harder”: davanti ai problemi difficili esegue più passaggi di reasoning, richiama più volte gli strumenti, controlla e corregge il proprio lavoro. È la differenza tra il cuoco che serve il piatto appena esce dalla padella e quello che lo assaggia due volte. Il risultato è notevole: 54,9% su HLE-Verified, 61,4% su Vals Finance Agent v2 e circa 73,8% su DeepSWE v1.1. Ma c’è un asterisco: The Verge sottolinea che, pur mantenendo il prezzo nominale di 0,75 dollari per milione di token in input e 3,75 in output, può consumare più token. Alcune valutazioni parlano di costi per task superiori di circa il 40%. Insomma, il listino non cambia; lo scontrino può cambiare.

Il punto di forza vero è il rapporto intelligenza/prezzo.

Qui Google sta facendo dumping tecnologico. Su DeepSWE Gemini 3.8 Flash arriva praticamente alla pari con modelli molto più costosi: GPT-6 Astra fa 74,1%, Gemini 73,8%. Sui task finanziari Google dichiara addirittura un vantaggio: 61,4% contro 54,4% di GPT-5.6 Terra e 58,6% di Claude Opus 5 nelle misure pubblicate da DeepMind. Dove invece il problema diventa molto aperto e richiede una lunga autonomia generale, il divario riappare: su Terminal-Bench 4.0, per esempio, OpenAI riporta 19,1% per Gemini 3.8 Flash, contro 57,9% di GPT-6 Astra e 55,8% di Claude Fable 5.1. La fotografia quindi è curiosa: Flash è diventato quasi un modello frontier quando la strada è ben segnata; quando deve esplorare la giungla da solo, Astra e Claude restano avanti.

Rispetto a GPT-6 Astra, Google punta sul volume; OpenAI sulla delega completa. Astra, presentato il 3 settembre 2026 e quindi qualche giorno dopo, è pensato esplicitamente per lavori end-to-end: browser, computer use, coding, ricerca, fogli Excel, presentazioni, documenti e software professionale. Ha 1,05 milioni di token di contesto, fino a 128.000 token di output, ma costa molto di più: 10 dollari per milione di token in input e 50 in output. Dichiamo che giocano in campionati diversi.  Gemini è il motore da mettere dentro diecimila agenti; Astra è l’agente a cui affidare le pratiche più difficili.

Per aprofondire.

Google Pics è ora disponibile. Ecco cosa sa fare