Google DeepMind ra mắt Gemini 3.8 Flash: Nâng cấp mạnh mẽ cho lập trình và tác vụ AI Agent

Xuất bản ngày 2 tháng 9 năm 2026

Model Cards (Thẻ mô hình) nhằm cung cấp các thông tin thiết yếu về các mô hình Gemini, bao gồm những hạn chế đã biết, các phương pháp giảm thiểu rủi ro và hiệu suất an toàn. Các Model Cards có thể được cập nhật theo thời gian; ví dụ như để bổ sung các đánh giá mới khi mô hình được cải tiến hoặc sửa đổi. Hãy xem trang web của Google DeepMind để có danh sách đầy đủ các Model Cards.

Xuất bản: Tháng 9 năm 2026

Thông tin mô hình

Mô tả

Gemini 3.8 Flash là phiên bản kế tiếp trong dòng mô hình Gemini 3, được xây dựng dựa trên Gemini 3.7 Flash, mang lại những cải tiến về hiệu suất trong lĩnh vực kỹ thuật phần mềm và các quy trình làm việc dựa trên tác nhân (agentic knowledge workflows). Mô hình tiếp tục hỗ trợ các mức độ nỗ lực tùy chỉnh để kiểm soát sự cân bằng giữa chất lượng, chi phí và độ trễ.

Các phụ thuộc của mô hình

Gemini 3.8 Flash dựa trên Gemini 3.7 Flash.

Đầu vào

Các chuỗi văn bản (ví dụ: câu hỏi, câu lệnh prompt, tài liệu cần tóm tắt), hình ảnh, âm thanh và tệp video, với cửa sổ ngữ cảnh (context window) lên tới 1M token.

Đầu ra

Văn bản, với đầu ra 64K token.

Kiến trúc

Gemini 3.8 Flash dựa trên Gemini 3.7 Flash. Để biết thêm thông tin về kiến trúc mô hình của Gemini 3.8 Flash, vui lòng xem Model Card của Gemini 3.7 Flash.

Dữ liệu mô hình

Tập dữ liệu huấn luyện

Gemini 3.8 Flash dựa trên Gemini 3.7 Flash. Để biết thêm thông tin về tập dữ liệu huấn luyện cho Gemini 3.8 Flash, vui lòng xem Model Card của Gemini 3.7 Flash.

Xử lý dữ liệu huấn luyện

Để biết thêm thông tin về quy trình xử lý dữ liệu huấn luyện cho Gemini 3.8 Flash, vui lòng xem Model Card của Gemini 3.7 Flash.

Triển khai và Tính bền vững

Phần cứng

Gemini 3.8 Flash dựa trên Gemini 3.7 Flash. Để biết thêm thông tin về phần cứng cho Gemini 3.8 Flash và cam kết không ngừng của chúng tôi trong việc vận hành bền vững, vui lòng xem Model Card của Gemini 3.7 Flash.

Phần mềm

Gemini 3.8 Flash dựa trên Gemini 3.7 Flash. Để biết thêm thông tin về phần mềm cho Gemini 3.8 Flash, vui lòng xem Model Card của Gemini 3.7 Flash.

Đánh giá

Phương pháp tiếp cận

Gemini 3.8 Flash đã được đánh giá trên một loạt các tiêu chuẩn (benchmarks), bao gồm lập trình, công việc tri thức, khả năng đa phương thức, ngữ cảnh dài, sử dụng máy tính và suy luận khoa học. Các tiêu chuẩn bổ sung và chi tiết về phương pháp tiếp cận, kết quả cũng như phương pháp luận có thể được tìm thấy tại: deepmind.com/models/evals-methodology/gemini-3-8-flash.

Kết quả

Kết quả tính đến tháng 9 năm 2026 được liệt kê dưới đây:

Cách sử dụng dự kiến và Hạn chế

Lợi ích và Cách sử dụng dự kiến

Gemini 3.8 Flash rất phù hợp cho người dùng, nhà phát triển và doanh nghiệp, được thiết kế để mở rộng quy mô hiệu quả về chi phí cho các tác nhân (agents) đa năng, sẵn sàng cho sản xuất. Một số trường hợp sử dụng bao gồm: kỹ thuật phần mềm, các tác vụ của tác nhân và các quy trình làm việc tri thức phức tạp.

Các hạn chế đã biết

Gemini 3.8 Flash có thể bộc lộ một số hạn chế chung của các mô hình nền tảng, chẳng hạn như hiện tượng ảo giác (hallucinations). Ngoài ra, chúng tôi đang không ngừng nỗ lực cải thiện khả năng chống lại các cuộc tấn công bẻ khóa (jailbreak) và gần đây đã tăng cường các biện pháp giảm thiểu rủi ro trong khuôn khổ Frontier Safety. Đôi khi có thể xảy ra tình trạng chậm hoặc lỗi hết thời gian chờ (timeout). Đôi khi, mô hình có thể sử dụng nhiều token hơn để tối đa hóa hiệu suất, đặc biệt là ở các mức độ nỗ lực cao hơn.

Ngày cắt dữ liệu tri thức cho Gemini 3.8 Flash là tháng 3 năm 2026 – người dùng có thể nhận được thông tin cập nhật cho một số lĩnh vực, trong khi ở những lĩnh vực khác, họ có thể thấy tri thức của mô hình chỉ giới hạn đến tháng 1 năm 2025 (phù hợp với dòng mô hình Gemini 3). Để biết thêm thông tin về các hạn chế đã biết, vui lòng xem Model Card của Gemini 3.7 Flash.

Cách sử dụng chấp nhận được

Để biết thêm thông tin về cách sử dụng chấp nhận được đối với Gemini 3.7 Flash, vui lòng xem Model Card của Gemini 3.7 Flash.

Đạo đức và An toàn nội dung

Phương pháp đánh giá