L’essentiel
- Google a sorti le 2 septembre Gemini 3.8 Flash et une variante cybersécurité, sa troisième sortie Flash en six semaines.
- Sur DeepSWE v1.1, l’éditeur revendique 73,7 % contre 74,0 % pour Claude Opus 5, à 0,75 $ le million de tokens en entrée contre 5 $.
- Le modèle exécute plus d’étapes de raisonnement et consomme donc davantage de tokens, un surcoût que Google ne chiffre pas.
- Le tarif d’introduction double le 1er janvier 2027.
Google a publié le 2 septembre les relevés de Gemini 3.8 Flash face à Claude Opus 5 : 73,7 % contre 74,0 % sur DeepSWE v1.1, à un tarif d’entrée près de sept fois inférieur. Sur la même page, sous ses propres graphiques, l’éditeur prévient que son modèle consomme davantage de tokens qu’un concurrent qui répond du premier coup. Il n’indique pas combien.
Nous racontions il y a peu l’aveu du nouveau patron de Google DeepMind, « Google DeepMind admet son retard et n’a rien à montrer » : Koray Kavukcuoglu y plaçait ses modèles « un peu en dessous de la frontière » tout en assurant que rien d’autre que la frontière ne comptait. Le lendemain, son laboratoire répondait par un modèle à bas coût supplémentaire.
73,7 % contre 74,0 %, pour près de sept fois moins cher
DeepSWE v1.1 évalue des tâches d’ingénierie logicielle longues, celles où un agent lit un dépôt entier, corrige, lance les tests et recommence jusqu’à ce que tout passe. Google y annonce 73,7 % pour 3.8 Flash, contre 74,0 % pour Claude Opus 5, 72,7 % pour GPT-5.6 Sol et 53,8 % pour Claude Sonnet 5. Relevés maison : c’est l’éditeur qui les publie.
Le saut le plus parlant est interne à la gamme : 3.7 Flash plafonnait à 65,3 %. Huit points gagnés en trois semaines en disent plus long sur la trajectoire de la série que la course au dixième de point face à Anthropic. Google ajoute 54,9 % sur HLE-Verified, une épreuve de raisonnement en plusieurs étapes, et des gains sur des benchmarks financiers et juridiques comme Vals Finance Agent v2.
Côté tarif, 3.8 Flash reconduit la grille de son prédécesseur : 0,75 $ le million de tokens en entrée, 3,75 $ en sortie. Opus 5 facture 5 $ et 25 $, GPT-5.6 Sol 4 $ et 20 $. Sur le papier, une performance équivalente revient donc à 6,7 fois moins cher.
Payer le token moins cher, en consommer davantage
Google explique une partie de ses gains par un choix de conception assumé : le modèle « travaille plus ». Il exécute des étapes de raisonnement supplémentaires, appelle ses outils plusieurs fois de suite, vérifie son travail en cours de route. Aux niveaux d’effort élevés, il brûle donc plus de tokens pour une mission identique.
L’éditeur va jusqu’à recommander, pour les charges où le coût de calcul prime, de baisser le niveau d’effort ou de rester sur 3.7 Flash, toujours maintenu. Quand un fournisseur oriente vers son modèle précédent pour l’efficacité, il livre une information budgétaire qu’aucun benchmark ne donnera.
Google, lui, ne publie aucun ordre de grandeur de cette surconsommation. Sans nombre moyen de tokens par tâche résolue, son écart de tarif de 6,7 fois ne se traduit par rien de mesurable sur une facture. Et le 1er janvier 2027, le prix d’introduction double pour atteindre 1,50 $ en entrée et 7,50 $ en sortie : tout budget annuel bâti sur la grille actuelle est à refaire.
Trois points de plus, 40 % de facture en plus par tâche
Artificial Analysis, plateforme d’évaluation qui ne dépend d’aucun éditeur, classe 3.8 Flash à 59 sur son Intelligence Index, contre 56 pour 3.7 Flash. Ces trois points viennent surtout des épreuves agentiques, usage d’outils et programmation : le modèle s’y place au niveau de GPT-5.6 Sol poussé à son effort maximal et de Grok 4.6 en effort moyen.
La même plateforme mesure le coût par tâche, surconsommation comprise, et publie le chiffre que Google garde pour lui : 0,58 $ par tâche de son index pour 3.8 Flash, contre 0,40 $ pour 3.7 Flash. Soit 40 % de plus à prix par token inchangé, sous l’effet de 30 % de tokens de sortie supplémentaires par tâche, 48 000 en moyenne, et de tours d’outils plus nombreux.
La gourmandise en tokens est donc bien réelle, et désormais mesurée. Elle n’annule pas l’avantage de prix : à 0,58 $ la tâche, aucun modèle de ce niveau d’intelligence ne revient moins cher, et 3.8 Flash se tient sur la frontière de Pareto, cette limite au-delà de laquelle gagner un point de score impose de payer davantage. Elle rabote l’écart, dans une proportion que seule une mesure sur vos propres charges établira.
La cybersécurité sert aussi de terrain d’entraînement
La seconde variante, Gemini 3.8 Flash Cyber, partage ce socle et vise la détection de vulnérabilités et le correctif automatisé. L’accès passe par le programme Fairwind, ouvert sur candidature aux administrations, aux opérateurs d’infrastructures critiques et aux grandes plateformes logicielles, avec plus de 650 partenaires revendiqués. Associée à CodeMender, l’agent de sécurité de DeepMind qui valide ses propres correctifs avant toute relecture humaine, la variante livre des corrections déployables en quelques minutes dans l’environnement cloud du client.
Deux mesures circulent, toutes deux venues de partenaires : l’équipe de Chrome revendique 2,6 fois plus de correctifs valides qu’avec des modèles commerciaux bien plus gros, et Wiz un meilleur taux de détection en test d’intrusion pour un coût très inférieur.
Google avance un effet de bord : l’entraînement intensif sur la sécurité, domaine qu’il décrit comme particulièrement exigeant, aurait tiré vers le haut le code et le raisonnement du socle commun aux deux variantes. Invérifiable de l’extérieur, mais révélateur de la méthode : l’éditeur traite la cyberdéfense comme un environnement d’entraînement autant que comme un marché.
Trois Flash en six semaines, et toujours pas de Pro
21 juillet pour 3.6 Flash, 13 août pour 3.7, 2 septembre pour 3.8. Trois modèles à bas coût en six semaines, pendant que Gemini 3.5 Pro, annoncé à la conférence I/O de mai 2026, se fait toujours attendre. Gemini 4, lui, en reste au stade du « run le plus ambitieux » selon DeepMind. Kavukcuoglu décrit la série Flash comme le passage du modèle de langage à l’agent, l’ingénierie logicielle étant à ses yeux le domaine décisif.
Avant d’arbitrer une migration, trois mesures valent mieux que la grille tarifaire : compter les tokens consommés par tâche entre 3.7 et 3.8 sur vos propres charges, les 30 % relevés par Artificial Analysis ne valant que pour son index ; éprouver les niveaux d’effort réduits que Google présente comme sa parade officielle ; et porter le doublement de janvier 2027 dans les projections plutôt qu’en note de bas de page.
Google tient sur le milieu de gamme un rythme que personne n’égale, et ses relevés le montrent. La consommation par tâche, elle, a été comptée par une plateforme tierce trois jours après l’annonce : l’éditeur publie les scores, les autres comptent les tokens.
