Google представила нову модель штучного інтелекту Gemini 3.8 Flash, яка, за заявами компанії, досягає результатів, порівнянних із більшими моделями конкурентів у кодуванні, але зі значно нижчими витратами. Реліз відбувся лише через три тижні після виходу попередньої версії Gemini 3.7 Flash. Загалом від травня Google випустила вже чотири моделі серії Flash, які позиціонуються як найшвидші та найдешевші у лінійці Gemini.
Водночас флагманська модель Gemini 3.5 Pro, яку генеральний директор Google Сундар Пічаї обіцяв випустити ще в червні, досі не з’явилася. На сайті компанії вона позначена як «незабаром». За даними The Wall Street Journal, внутрішні кандидати на роль Pro-моделі були відхилені, оскільки не показували суттєвого покращення порівняно з Flash. Це спонукало представників індустрії ставити питання, чи здатна Google наздогнати лідерів у сфері передового штучного інтелекту.
Ситуацію підігрів головний директор зі штучного інтелекту Meta Александер Ван, який після виходу власної моделі Muse Spark 1.3 іронічно написав у X: «Мені справді не хочеться цього казати, але... Gemini хто?» Його компанія випередила всі моделі Google у рейтингу Artificial Analysis Intelligence Index, де найкраща модель Google, Gemini 3.8 Flash, посідає лише десяте місце.
Google натомість наголошує на швидкості випуску Flash-моделей як на свідченні прогресу в рекурсивному самовдосконаленні (RSI) — методі, за якого модель може покращувати власний код і створювати досконаліші версії себе. У релізі Gemini 3.8 Flash компанія заявила, що модель була «додатково прискорена» завдяки довготривалим циклам AI-агентів, які «рекурсивно оцінюють і вдосконалюють базові моделі». Це пряміше формулювання, ніж у попередніх анонсах, де йшлося про самовдосконалення в іграх або навчанні роботів.
Для дослідників RSI є давньою метою, а для експертів із безпеки — одним із головних побоювань, оскільки неконтрольоване самовдосконалення може призвести до «вибуху інтелекту» з непередбачуваними наслідками. Більшість лабораторій використовують подібні методи зі значним людським контролем. Дослідник Google DeepMind Шунью Яо назвав вихід Gemini 3.8 Flash «малим кроком для моделі, але гігантським стрибком для RSI».
Неясно, чи застосовуватиме Google ці методи до більших Pro-моделей. Flash-версії потребують менше обчислювальних ресурсів для модифікації, що дозволяє кільком командам тестувати різні підходи паралельно. Зміни до Pro-моделей вимагають більше ресурсів. Комерційні стимули також сприяють Flash: Пічаї назвав цю серію «робочою конячкою» Google, що забезпечує оптимальне поєднання продуктивності та вартості. У другому кварталі Google повідомила, що її API обробляють близько 22 мільярдів токенів на хвилину, що свідчить про зростання попиту.
Водночас швидший темп випуску Flash не поширився на флагманську лінійку Pro. Google інвестує значні ресурси в покращення навичок кодування: від початку року компанія зосередила на цьому більше часу дослідників і обчислювальних потужностей, а в квітні створила спеціальну команду за участю співзасновника Сергія Бріна та технічного директора DeepMind Корая Кавукчуоглу. Брін закликав перетворити моделі на «основних розробників» коду, вважаючи це кроком до самовдосконалення ШІ.