Gemini 3.8 Flash ist am 2. September 2026 erschienen – die neueste Version von Googles weit verbreitetem KI-Modell. Besonders innovativ: Die neuen Thinking-Level (Hoch, Mittel, Niedrig) ermöglichen Nutzern erstmals eine gezielte Steuerung zwischen Geschwindigkeit, Kosten und Qualität.
Was sind Thinking-Level?
Google hat bei Gemini 3.8 Flash ein neues Konzept eingeführt: Drei Denk-Stufen, die bestimmen, wie viel Rechenzeit und „Nachdenken“ das Modell in seine Antwort investiert.
- Niedrig (Low): Optimiert für Geschwindigkeit und niedrige Kosten. Ideal für Standard-Anfragen, kurze Zusammenfassungen, einfache Übersetzungen.
- Mittel (Medium): Ausgewogenes Verhältnis zwischen Qualität und Ressourcen. Geeignet für komplexere Aufgaben, die etwas Kontextverständnis benötigen.
- Hoch (High): Maximale Denkleistung für anspruchsvolle Aufgaben wie Analyse, Programmierung oder kreative Schreibarbeiten. Entsprechend höherer Ressourcenverbrauch.
Dieses Konzept ähnelt der Reasoning-Breite bei Anthropic’s Claude-Modellen, geht aber einen Schritt weiter: Nicht nur das Ausmaß des „Thinkings“ lässt sich steuern, sondern auch die Kosten explizit vorhersehen.
Technische Details zum Release
Der Offizielle Blog-Post von Google (vom 2.9.2026) stellt Gemini 3.8 Flash sowie die spezialisierte Variante 3.8 Flash Cyber vor. Letztere ist aktuell nur „trusted defenders“ (geprüften Sicherheitsexperten) zugänglich – ein Hinweis darauf, dass Google hier spezielle Anwendungen im Sicherheitsbereich anpeilt.
DasOpen-Source-Plugin llm-gemini 0.34 (von Simon Willison) unterstützt seit dem Release alle drei Denkebenen:
# Nutzung mit niedrigem Thinking-Level
llm "Übersetze diesen Text ins Englische" --model gemini-3.8-flash --config low
# Nutzung mit hohem Thinking-Level
llm "Analysiere diesen Code auf Sicherheitslücken" --model gemini-3.8-flash --config high
Eine wichtige Bugfix wurde ebenfalls integriert: Async-Responses hatten zuvor nicht korrekt die verwendete Modellversion protokolliert (PR #137 von Charlie Tonneslan).
Praxisbeispiel: Simon Willisons Test
Der bekannte Entwickler und Blogautor Simon Willison hat die neue Version umgehend ausprobiert. Sein Ergebnis: Er erstellte ein HTML-Tool, das Markdown direkt in SVG rendert – in nur 13 Sekunden und für gerade mal 1,8 Cent.
Das Beispiel zeigt eindrücklich: Für repetitive, standardisierte Aufgaben reicht das Low-Level völlig aus. Nur bei speziellen Anforderungen (z.B. komplexe Code-Generierung, detaillierte Analysen) lohnt sich der Sprung auf Medium oder High.
Kostenvergleich: Gemini vs. Konkurrenten
| Modell | Thinking-Stufen | Kosten pro 1M Tokens | Deutsch-Qualität | DSGVO-Konformität |
|---|---|---|---|---|
| Gemini 3.8 Flash | 3 (Low/Med/High) | ab ~0,10 $ (Low) | Gut | EU-Rechenzentren verfügbar |
| Claude 3.7 Sonnet | 2 (Normal/Fast) | ~3,00 $ (Input) | Sehr gut | EU-Rechenzentren |
| GPT-4o | 2 (Standard/Plus) | ~2,50 $ (Input) | Gut | Meist US-Server |
Hinweis: Preise sind Richtwerte und können je nach Vertrag variieren. Stand September 2026.
Datenschutz und DSGVO-Aspekte
Für deutsche Unternehmen und Betriebsräte ist die Frage der Datenverarbeitung besonders relevant:
- EU-Rechenzentren: Gemini über Google Cloud ist in der EU verfügbar – prüfen Sie, ob Ihr Vertrag europäische Standorte vorsieht.
- Verarbeitungsort: Bei US-Server-Verarbeitung gelten strengere DSGVO-Anforderungen (Art. 44 ff. DSGVO).
- Transparenz: Die drei Denkebenen machen KI-Einsatz nachvollziehbarer – Mitarbeiter können nachvollziehen, warum eine Antwort schnell (Low) oder gründlich (High) generiert wurde.
- Betriebsratsbeteiligung: Gemäß § 87 Abs. 1 Nr. 6 BetrVG hat der Betriebsrat bei der Einführung von KI-Systemen mitzubestimmen, die personenbezogene Daten verarbeiten.
Wie Sie Gemini 3.8 Flash testen können
Für Entwickler:
Das llm-CLI-Tool mit dem Plugin llm-gemini (Version 0.34 oder höher) ist der einfachste Weg:
pip install llm llm-gemini
llm models install gemini
Für Unternehmen:
– Google AI Studio (für Entwickler)
– Vertex AI (für Enterprise-Kunden mit SLA)
Fazit
Gemini 3.8 Flash setzt mit den Thinking-Leveln einen neuen Standard für kostenbewusste KI-Nutzung. Betriebe sollten:
- Use Cases kategorisieren: Welche Aufgaben brauchen High-Thinking, welche reichen mit Low?
- Kosten optimieren: Durch gezielte Auswahl der Denkebene können Unternehmen bis zu 80% der API-Kosten sparen.
- DSGVO checken: Prüfen, ob Verarbeitung in der EU stattfindet.
- Betriebsrat einbinden: Bei Einführung von KI-Systemen mitarbeiterbezogenen Datenauswertung.
Originalquelle: Simon Willison’s Weblog vom 2. September 2026
Artikel aktualisiert: 4. September 2026