Gemini 3.8 Flash is Google's most intelligent Flash model with significant gains from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning.
제공업체
여러 회사가 동일한 모델을 호스팅합니다. OpenRouter는 선택한 라우팅 모드인 Balanced(가격 + 속도), Nitro(가장 빠름), Floor(가장 저렴함)에 따라 그중 한 곳으로 요청을 라우팅합니다.
50% off | US$0.75US$0.375 | US$3.75US$1.875 | US$0.075US$0.0375 | US$0.075US$0.0375 | -- | -- |
|---|
- 입력 US$0.375 / 출력 US$1.87550% off-- tok/s가동 시간 --
요금
고객이 이 모델에 실제로 지불하는 평균 가격을 제공업체가 게시한 가격과 나란히 표시합니다. 캐싱과 할인으로 인해 실제 지불 가격은 정가보다 훨씬 낮은 경우가 많습니다.
가중 평균
Gemini 3.8 Flash (batch) — 가격 이력
| US$0.00 | US$0.00 | 0.1% | 100.0% |
- 적용 시점 US$0.00 / 실효 출력 US$0.00토큰 점유율100.0%
성능
처리량은 모델의 출력 속도입니다(초당 토큰 수 — 높을수록 좋습니다). 지연 시간은 전체 왕복 시간입니다(낮을수록 좋습니다). TTFT는 첫 토큰까지 걸리는 시간, 즉 출력이 나타나기까지 걸리는 시간입니다(낮을수록 좋습니다).
가동 시간
가동 시간은 지난 3일 동안 하나 이상의 제공업체가 요청에 응답한 시간의 비율입니다. 가용성은 추론이 성공적으로 제공된 시간의 비율입니다. OpenRouter는 지속적으로 모니터링하며 제공업체가 오류를 반환하면 차선의 제공업체를 사용합니다.
아직 표시할 가동 시간 데이터가 충분하지 않습니다.
업스트림 제공업체에서 오류가 발생하면 요청 필터가 허용하는 경우 정상 상태인 다른 제공업체로 라우팅하여 복구할 수 있습니다. 제공업체별 가동 시간 데이터에 프로그래밍 방식으로 액세스할 때 사용하는 API는 엔드포인트 API입니다. 자세히 알아볼 수 있는 관련 옵션은 부하 분산 및 제공업체 라우팅 옵션입니다.
벤치마크
표준화된 평가 점수와 공통 벤치마크 프롬프트에 대한 이 모델 자체의 출력입니다. 백분율이 높을수록 좋으며, 각 순위는 해당 출처에서 평가한 모델 중 이 모델의 위치를 보여 줍니다.
| 출처 | 벤치마크 | 점수 |
|---|---|---|
| Artificial Analysis | Gemini 3.8 Flash (Low) Intelligence Index | 22.5 |
| Artificial Analysis | Gemini 3.8 Flash (Low) Coding Index | 73.5 |
| Artificial Analysis | Gemini 3.8 Flash (Low) Agentic Index | 32.6 |
| Artificial Analysis | Gemini 3.8 Flash (Low) GPQA Diamond | 92.0% |
| Artificial Analysis | Gemini 3.8 Flash (Low) HLE | 37.1% |
| Artificial Analysis | Gemini 3.8 Flash (Low) AA-LCR | 80.7% |
| Artificial Analysis | Gemini 3.8 Flash (Low) τ-Bench Banking | 33.2% |
| Artificial Analysis | Gemini 3.8 Flash (Low) GDPval-AA | 40.7% |
| Artificial Analysis | Gemini 3.8 Flash (Low) CritPt | 4.0% |
| Artificial Analysis | Gemini 3.8 Flash (Low) SciCode | 55.0% |
| Artificial Analysis | Gemini 3.8 Flash (Low) Terminal-Bench 4.0 | 10.1% |
| Artificial Analysis | Gemini 3.8 Flash (Low) Terminal-Bench 2.1 | 83.1% |
| Artificial Analysis | Gemini 3.8 Flash (Low) AA-Omniscience Accuracy | 48.3% |
| Artificial Analysis | Gemini 3.8 Flash (Low) AA-Omniscience Non-Hallucination Rate | 31.9% |
| Artificial Analysis | Gemini 3.8 Flash (High) Intelligence Index | 30.8 |
| Artificial Analysis | Gemini 3.8 Flash (High) Coding Index | 76.3 |
| Artificial Analysis | Gemini 3.8 Flash (High) Agentic Index | 40.2 |
| Artificial Analysis | Gemini 3.8 Flash (High) GPQA Diamond | 95.3% |
| Artificial Analysis | Gemini 3.8 Flash (High) HLE | 47.8% |
| Artificial Analysis | Gemini 3.8 Flash (High) AA-LCR | 81.3% |
| Artificial Analysis | Gemini 3.8 Flash (High) τ-Bench Banking | 44.9% |
| Artificial Analysis | Gemini 3.8 Flash (High) GDPval-AA | 47.1% |
| Artificial Analysis | Gemini 3.8 Flash (High) CritPt | 18.3% |
| Artificial Analysis | Gemini 3.8 Flash (High) SciCode | 56.6% |
| Artificial Analysis | Gemini 3.8 Flash (High) Terminal-Bench 4.0 | 19.7% |
| Artificial Analysis | Gemini 3.8 Flash (High) Terminal-Bench 2.1 | 87.6% |
| Artificial Analysis | Gemini 3.8 Flash (High) AA-Omniscience Accuracy | 50.5% |
| Artificial Analysis | Gemini 3.8 Flash (High) AA-Omniscience Non-Hallucination Rate | 44.9% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) Intelligence Index | 30.1 |
| Artificial Analysis | Gemini 3.8 Flash (Medium) Coding Index | 74.1 |
| Artificial Analysis | Gemini 3.8 Flash (Medium) Agentic Index | 39.7 |
| Artificial Analysis | Gemini 3.8 Flash (Medium) GPQA Diamond | 93.5% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) HLE | 42.1% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) AA-LCR | 84.0% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) τ-Bench Banking | 45.8% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) GDPval-AA | 46.6% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) CritPt | 12.3% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) SciCode | 55.1% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) Terminal-Bench 4.0 | 19.7% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) Terminal-Bench 2.1 | 83.9% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) AA-Omniscience Accuracy | 49.6% |
| Artificial Analysis | Gemini 3.8 Flash (Medium) AA-Omniscience Non-Hallucination Rate | 48.5% |
| Design Arena | Gemini 3.8 Flash Agents Arena Androidnative Elo | 1088 |
| Design Arena | Gemini 3.8 Flash Agents Arena Blender3d Elo | 1183 |
| Design Arena | Gemini 3.8 Flash Agents Arena Codetovideo Elo | 1194 |
| Design Arena | Gemini 3.8 Flash Agents Arena Full Stack Elo | 1216 |
| Design Arena | Gemini 3.8 Flash Agents Arena Godotgamedev Elo | 1247 |
| Design Arena | Gemini 3.8 Flash Agents Arena Mobile Apps Elo | 1225 |
| Design Arena | Gemini 3.8 Flash Agents Arena Pdf Elo | 1204 |
| Design Arena | Gemini 3.8 Flash Agents Arena Python-Pptxslides Elo | 1149 |
| Design Arena | Gemini 3.8 Flash Agents Arena Spreadsheet Elo | 1031 |
| Design Arena | Gemini 3.8 Flash Agents Arena Webapps Elo | 1214 |
| Design Arena | Gemini 3.8 Flash Models Arena 3D Elo | 1275 |
| Design Arena | Gemini 3.8 Flash Models Arena Asciiart Elo | 1261 |
| Design Arena | Gemini 3.8 Flash Models Arena Code Categories Elo | 1292 |
| Design Arena | Gemini 3.8 Flash Models Arena Data Visualization Elo | 1274 |
| Design Arena | Gemini 3.8 Flash Models Arena Game Development Elo | 1296 |
| Design Arena | Gemini 3.8 Flash Models Arena SVG Elo | 1289 |
| Design Arena | Gemini 3.8 Flash Models Arena UI Component Elo | 1303 |
| Design Arena | Gemini 3.8 Flash Models Arena Website Elo | 1291 |
| Vals AI | Gemini 3.8 Flash Access to Justice Benchmark | 67.1% |
| Vals AI | Gemini 3.8 Flash BioMysteryBench | 62.2% |
| Vals AI | Gemini 3.8 Flash Code Migration v1.1 | 38.6% |
| Vals AI | Gemini 3.8 Flash CyberBench v1.1 | 43.8% |
| Vals AI | Gemini 3.8 Flash EMB v1.1 | 72.9% |
| Vals AI | Gemini 3.8 Flash Finance Agent v2.1 | 65.8% |
| Vals AI | Gemini 3.8 Flash Vals Finance Index | 60.5% |
| Vals AI | Gemini 3.8 Flash Financial Coaching Bench | 66.3% |
| Vals AI | Gemini 3.8 Flash GPQA Diamond | 94.4% |
| Vals AI | Gemini 3.8 Flash HLAB-Vals-1.1 | 12.1% |
| Vals AI | Gemini 3.8 Flash Immigration | 63.4% |
| Vals AI | Gemini 3.8 Flash IOI | 56.9% |
| Vals AI | Gemini 3.8 Flash LiveCodeBench | 89.5% |
| Vals AI | Gemini 3.8 Flash LegalBench | 87.0% |
| Vals AI | Gemini 3.8 Flash Vals Legal Index | 69.8% |
| Vals AI | Gemini 3.8 Flash Legal Research Bench | 38.9% |
| Vals AI | Gemini 3.8 Flash MedCode | 48.1% |
| Vals AI | Gemini 3.8 Flash MedScribe | 84.5% |
| Vals AI | Gemini 3.8 Flash MMLU Pro | 90.2% |
| Vals AI | Gemini 3.8 Flash MMMU Pro | 89.1% |
| Vals AI | Gemini 3.8 Flash MortgageTax | 65.3% |
| Vals AI | Gemini 3.8 Flash MysteryMechanism | 36.5% |
| Vals AI | Gemini 3.8 Flash ProgramBench | 1.0% |
| Vals AI | Gemini 3.8 Flash ProofBench v1.1 | 48.0% |
| Vals AI | Gemini 3.8 Flash Public Benefits Bench v1.1 | 65.3% |
| Vals AI | Gemini 3.8 Flash Vals RSI Index | 19.9% |
| Vals AI | Gemini 3.8 Flash SAGE | 88.2% |
| Vals AI | Gemini 3.8 Flash Vals Science Index | 35.8% |
| Vals AI | Gemini 3.8 Flash SkillsBench | 58.0% |
| Vals AI | Gemini 3.8 Flash SRE Bench | 11.1% |
| Vals AI | Gemini 3.8 Flash SWE-bench | 80.0% |
| Vals AI | Gemini 3.8 Flash SWE-bench Multimodal | 40.8% |
| Vals AI | Gemini 3.8 Flash Tax Agent Bench | 32.1% |
| Vals AI | Gemini 3.8 Flash TaxEval v2 | 74.4% |
| Vals AI | Gemini 3.8 Flash Terminal-Bench 4.0 | 19.7% |
| Vals AI | Gemini 3.8 Flash Terminal-Bench-Science | 8.6% |
| Vals AI | Gemini 3.8 Flash Vals Index | 56.0% |
| Vals AI | Gemini 3.8 Flash Vibe Code Bench 1-100 | 18.8% |
| Vals AI | Gemini 3.8 Flash Vibe Code Bench v1.1 | 78.7% |
앱
이 모델에 가장 많은 트래픽을 보내는 공개 앱입니다. 실제 프로덕션 워크로드의 모습을 보여주는 유용한 지표이자 이 모델이 어떤 사용 사례에 가장 적합한지 알려주는 단서입니다.
이 모델을 사용하는 앱에 대한 데이터가 아직 충분하지 않습니다.
활동
시간에 따른 이 모델의 토큰 사용량 및 요청 트래픽.
API
이 모델을 호출하는 데 바로 사용할 수 있는 코드입니다. OpenRouter의 API는 OpenAI와 호환되므로 대부분의 SDK는 기본 URL만 바꾸면 작동합니다. 모델 간에 달라지는 것은 아래 모델 슬러그뿐입니다.
현재 EU 역내 라우팅을 통해 사용할 수 없습니다. 리전 내 라우팅 문서
문서
OpenRouter에서 Google: Gemini 3.8 Flash (batch)을 활용해 개발하기 위한 가이드, 쿡북, 블로그 게시물 및 도구입니다.
- Reranking in RAG: How to Fix Bad Retrieval with a Reranker블로그 게시물
- How to Benchmark LLMs블로그 게시물
- How to Stop an AI Agent Stuck in an Infinite Loop블로그 게시물
- MCP vs CLI vs Skills: What Each Costs in Context블로그 게시물
- How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision Model블로그 게시물
- Best OCR Model for Scanned Documents, Measured블로그 게시물
- How to Extract Tables from a PDF with an LLM블로그 게시물
자주 묻는 질문
Gemini 3.8 Flash is Google's most intelligent Flash model with significant gains from 3.7 Flash across software engineering, agentic tasks, and multi-step reasoning.
OpenRouter의 Gemini 3.8 Flash (batch) 문서에는 Reranking in RAG: How to Fix Bad Retrieval with a Reranker 블로그 게시물, How to Benchmark LLMs 블로그 게시물, How to Stop an AI Agent Stuck in an Infinite Loop 블로그 게시물, MCP vs CLI vs Skills: What Each Costs in Context 블로그 게시물, How to Get Structured Output from Any LLM: JSON Schema, Tool Calls, or a Decision Model 블로그 게시물, Best OCR Model for Scanned Documents, Measured 블로그 게시물 및 How to Extract Tables from a PDF with an LLM 블로그 게시물이 포함되어 있습니다. 빠른 시작에서는 API 키와 첫 요청을 다루며, API 참조에는 모든 매개변수가 나열되어 있습니다.
Gemini 3.8 Flash (batch)의 비용은 US$0.375/M 입력 토큰 및 US$1.875/백만 출력 토큰, Cache Read: US$0.0375/M tokens, Cache Write: US$0.04167/M tokens, Image Input: US$0.375/M tokens, Input Audio: US$0.375/M tokens, Input Audio Cache: US$0.0375/M tokens 및 Web Search: US$14.00/1K calls에는 별도 요금 적용입니다.
Gemini 3.8 Flash (batch)의 컨텍스트 윈도우는 1,048,576토큰입니다. 최대 65,536개의 완성 토큰을 지원합니다.
예. Gemini 3.8 Flash (batch)은(는) 함수 호출을 위해 tools와 tool_choice를 지원합니다. 또한 response_format의 JSON 스키마를 통해 구조화된 출력을 지원합니다.
Gemini 3.8 Flash (batch)은(는) 텍스트, 이미지, 동영상, PDF 등의 파일 및 오디오을(를) 입력으로 받아 텍스트을(를) 반환합니다.
Gemini 3.8 Flash (batch)은 OpenRouter에서 1개 제공업체가 제공합니다: Google Vertex.
Gemini 4 Hydrogen, Gemini Decision 1, Gemini 4 Carbon 외 31개은(는) Google의 다른 텍스트 모델입니다.
Gemini 3.8 Flash (batch)은 2026년 9월 2일에 출시되었습니다.