Il rilascio di Gemini 3.8 da parte di Google dimostra come il produttore del modello stia rafforzando le proprie capacità di coding, agentic e cyber, ma evidenzia anche la mancanza di differenziazione nel mercato dell'AI e una crescente tendenza verso programmi di cybersicurezza esclusivi.

Il gigante della ricerca e dell'AI ha presentato Gemini 3.8 mercoledì 3 settembre 2026, definendolo il suo miglior modello per ragionamento e coding fino ad oggi. Con il nuovo modello, Google si è concentrata sui compiti di ragionamento a lungo orizzonte, potenziando al contempo le prestazioni cyber, e ha introdotto un programma di cybersicurezza simile a quelli di altri fornitori di AI.

Gemini 3.8 è disponibile in due varianti: Gemini 3.8 Flash e Gemini 3.8 Flash Cyber. Il modello 3.8 Flash è pensato per l'ingegneria del software a lungo orizzonte, gli agenti autonomi e i flussi di lavoro aziendali complessi. La versione 3.8 Flash Cyber è progettata per la scoperta autonoma di vulnerabilità e l'applicazione automatica di patch al codice — capacità che hanno un doppio taglio, poiché le stesse tecniche che individuano e correggono le vulnerabilità potrebbero essere usate impropriamente per sfruttarle, motivo chiave per cui i fornitori ne limitano l'accesso.

Google ha dichiarato che il modello è accessibile a un gruppo fidato di utenti tramite il nuovo Fairwind Program. L'iniziativa mette a disposizione dei clienti fidati, delle agenzie governative e dei partner di cybersicurezza le capacità di AI e difesa cyber più potenti di Google.

Il Fairwind Program di Google è simile a Project Glasswing di Anthropic, che ha reso disponibile a un gruppo fidato di utenti il modello più potente di Anthropic, Mythos, e a Project Daybreak di OpenAI — un programma per assistere difensori cyber selezionati. La creazione di un programma privato per tenere i potenti modelli AI cyber lontani dalle mani di hacker o di chi potrebbe usarli impropriamente è un altro modo in cui Google compete con Anthropic e OpenAI. Ciononostante, dimostra che tutti i produttori di modelli si muovono all'unisono.

"Tutti stanno convergendo verso le stesse cose," ha detto Arun Chandrasekaran, analista di Gartner. "Come per il coding, tutti stanno cercando di sovra-ottimizzare il modello sul coding. Nella cybersicurezza, ora tutti stanno cercando di ottimizzare davvero questi modelli per i casi d'uso di cybersicurezza."

Mancanza di differenziazione

Chandrasekaran ha aggiunto che, con i produttori di modelli di frontiera che aderiscono a strategie simili, ben poco li distingue.

"C'è differenziazione in termini di capacità, ma per quanto riguarda il modo in cui comunicano in cosa questi modelli sono validi, quali casi d'uso, quali problemi risolvono, tutte queste aziende sembrano fare cose molto simili," ha detto.

La vera differenziazione, ha proseguito, deriva dall'approfondire funzioni aziendali specifiche, come la supply chain o le scienze della vita.

"Quelle sono opportunità di differenziazione perché non stai costruendo un sistema general-purpose," ha detto. "Stai costruendo qualcosa di molto profondo, molto specifico per un settore."

Per gli acquirenti aziendali, questa convergenza conta: quando i modelli di frontiera offrono profili di capacità comparabili, la scelta dipende sempre più da prezzo, consumo totale di token e integrazione nei flussi di lavoro esistenti, piuttosto che dai benchmark di rilievo.

La guerra dei prezzi continua

Per Google nello specifico, il rilascio di Gemini 3.8 le permette di rispondere alle mosse dei concorrenti sia sui prezzi sia sulle capacità. Come per l'iterazione 3.7, Google offre un prezzo introduttivo per la 3.8 di $0,75 per milione di token di input e $3,75 per milione di token di output per Gemini 3.8 Flash. In confronto, GPT-5.6 Luna di OpenAI costa $1 per milione di token di input e $6 per milione di token di output.

"Resta da vedere se potranno sostenere quel tipo di prezzi," ha detto Sid Nag, fondatore e analista di Tekonyx. "Tutto questo riguarda davvero l'abbattimento della curva dei costi. Tutti si concentrano sul costo per un milione di token di input."

Con Gemini 3.8 Flash, ha aggiunto Nag, Google dimostra che "il prezzo dei token non è più sufficiente per misurare l'economia dell'inferenza." Questa dinamica è evidente nel consiglio di Google ai clienti di scegliere ancora Gemini 3.7 Flash per i carichi di lavoro che richiedono maggiore efficienza — il che significa che, nonostante il costo dei token, le imprese potrebbero a volte risparmiare più token usando un modello più piccolo.

"Google sta ammettendo che questa versione specifica, la 3.8 Flash, consuma più token a livelli di ragionamento superiori," ha proseguito.

Offrendo Gemini 3.8 Flash Cyber solo a utenti fidati, Google segue i suoi rivali nel tentativo di creare un "fossato" attorno alla propria tecnologia di modelli AI, ha detto Nag.

Tuttavia, l'approccio dell'esclusività con i modelli cyber sta creando tensioni nell'industria dell'AI, poiché può portare a una mancanza di apertura e trasparenza. Mentre i modelli aperti sono stati criticati per la facilità con cui gli hacker possono manipolarli, hanno comunque stimolato una significativa innovazione. Con il rilascio di Google e altri programmi cyber esclusivi, l'industria dell'AI continua a destreggiarsi tra sicurezza e apertura. Quanto ampiamente Google definirà gli utenti "fidati" per Fairwind, e se i programmi cyber esclusivi limitino concretamente l'accesso degli aggressori a modelli capaci, sono questioni aperte che definiranno la prossima fase di questo dibattito.

"Resta da vedere dove si dirigerà l'industria," ha detto Nag.

Fonte: AI Business