DEV Community: Emre Demir

GPT-6 Astra nutzt Ihren Computer? Besser: Ihre OpenAPI-Spezifikation.

Emre Demir — Sat, 05 Sep 2026 06:55:27 +0000

GPT-6 Astra für API-Tests: Vertrag statt Bildschirm

Das Hauptmerkmal von GPT-6 Astra ist die Computernutzung: Im OpenAI-Launch-Post erreicht das Modell 72,6 % bei OSWorld 2.0 mit etwa 40 Minuten pro Aufgabe. Es füllt Formulare aus, aktualisiert CRMs, installiert Software und führt Frontend-QA auf einer selbst erstellten Website durch. OpenAI nennt es „das weltweit beste Computernutzungsmodell“ – und die Demos stützen diese Aussage.

Apidog heute ausprobieren

Wenn Sie APIs entwickeln oder testen, wirkt es zunächst naheliegend, Astra auf Ihre Anwendung zu richten und klicken zu lassen. Für Ihre eigenen Dienste ist jedoch ein weniger spektakulärer, aber nützlicherer Ansatz besser: Geben Sie dem Modell den Vertrag. Eine OpenAPI-Spezifikation ist für ein Modell schneller, günstiger und besser überprüfbar als ein Bildschirm. In unserem zweitägigen Praxistest wechselte Astra diesen Weg sogar selbst.

TL;DR

Astra erreicht 72,6 % bei OSWorld 2.0, 92,7 % bei ScreenSpot-Pro und erledigt Computernutzungsaufgaben im Codex-Harness 1,9-mal schneller als das GPT-5.6-Sol-Erlebnis.
Bildschirmsteuerung benötigt viele Schritte, Bild-Tokens und oft etwa 40 Minuten pro Aufgabe.
Sie testet die Benutzeroberfläche – nicht den API-Vertrag.
Für eigene Dienste: OpenAPI-Spezifikation über den Apidog MCP Server oder Funktionstools bereitstellen, Testszenarien generieren und sie mit der Apidog CLI in CI ausführen.
Computernutzung bleibt die bessere Wahl für Oberflächen ohne API.

Was Astra mit Computernutzung leisten kann

Die Fähigkeit geht weit über das Durchsuchen einer Website hinaus. OpenAI nennt unter anderem:

Online-Formulare, CRM-Datensätze und Kalender bearbeiten
Recherche und Entwürfe in Dokumenteditoren erstellen
Wissenschaftliche Daten analysieren und Diagramme erzeugen
Websites über ChatGPT Sites erstellen und hosten
Frontend-QA auf diesen Websites durchführen
Leiterplatten in KiCad layouten
Häuser in Blender modellieren

Benchmarks

Benchmark	GPT-6 Astra	GPT-5.6 Sol	Claude Opus 5
OSWorld 2.0 (Offline-Set, Teilergebnis)	72,6 % bei ~40 Min./Aufgabe	65,7 % bei ~75 Min./Aufgabe	70,2 %
ScreenSpot-Pro (keine Tools)	92,7 %	76,9 %	–
Letzte Prüfung der Agenten	59,3 %	53,6 %	55,5 %
AutomationBench	41,4 %	18,1 %	26,9 %

Zwei Werte sind für die Praxis besonders wichtig:

Astra erledigt OSWorld-Aufgaben etwa 47 % schneller als Sol.
Bei der Letzten Prüfung der Agenten verwendet Astra etwa 65 % weniger Ausgabe-Tokens als Opus 5 bei den höchsten Einstellungen.
Das aktualisierte Codex-Harness schließt Computernutzungsaufgaben auf Mind2Web 1,9-mal schneller ab als das aktuelle Sol-Erlebnis.

Schnellere Schleifen bedeuten geringere Kosten – besonders bei tokenbasierter Abrechnung.

Auch das Verhalten wurde verbessert. Astra stellt nur dann Rückfragen, wenn die Antwort das Ergebnis ändern würde, bleibt bei Änderungen mitten in der Aufgabe orientiert und kann in Codex asynchron fragen, während es weiterarbeitet. Im internen Sicherheitstest zur Computernutzung lag Astra bei 2,4 %, Sol bei 22,0 %; hier ist ein niedrigerer Wert besser.

Was eine 40-minütige Aufgabe kostet

Computernutzung ist eine wiederholte Schleife:

Screenshot aufnehmen
Situation analysieren
Aktion ausführen
Nächsten Screenshot aufnehmen

Jeder Screenshot ist ein Bildeingang. Eine 40-minütige Aufgabe kann Hunderte von Schritten umfassen und trägt dabei die bisherige Konversation weiter.

Nach den im Apidog-Kostenvergleich genannten Preisen kostet Astra 10 $ pro Million Eingabe-Tokens und 50 $ pro Million Ausgabe-Tokens. Prompts mit mehr als 272.000 Eingabe-Tokens werden mit 20 $ pro Million abgerechnet. Prompt-Caching reduziert die Kosten für wiederholte Präfixe auf 1 $ pro Million gecachter Tokens; neue Screenshots müssen jedoch bei jedem Schritt erneut verarbeitet werden.

Beim Vertragspfad sieht die Rechnung anders aus:

Die OpenAPI-Spezifikation ist ein einmalig gecachtes Präfix.
Jedes generierte Testszenario benötigt nur wenige hundert JSON-Tokens.
Jeder weitere Testlauf ist ein HTTP-Aufruf und benötigt kein Modell.

Das Modell schreibt den Test einmal. Ihre CI führt ihn tausendfach ohne weitere Modellkosten aus.

Es gibt außerdem einen nicht-finanziellen Kostenfaktor: Laut Sicherheitsübersicht kann OpenAIs Produktionsmonitor für Fehlausrichtung legitime Arbeit verlangsamen, pausieren oder stoppen – insbesondere bei langen Agentenaufgaben. In ChatGPT oder Codex kann eine Überprüfung angefordert werden; in der API stoppt die Aufgabe. Eine lange Bildschirmsteuerungssitzung ist dafür deutlich anfälliger als ein fünfsekündiger API-Aufruf.

Computernutzung oder Vertrag?

Situation	Besseres Werkzeug	Warum
Eigene API testen	OpenAPI-Spezifikation	Deterministisch, günstig wiederholbar und am eigentlichen Vertrag ausgerichtet
Regressions-Suite in CI	OpenAPI-Spezifikation	Szenarien laufen ohne Modell in der Testschleife
Drittanbieter-Portal ohne API	Computernutzung	Es gibt keinen Vertrag zum Übergeben
Frontend-QA vor der Veröffentlichung	Computernutzung	Die Benutzeroberfläche ist das Testziel
Legacy-Desktop-Tool	Computernutzung	Der Bildschirm ist die einzige Schnittstelle
Dokumentation gegen Verhalten prüfen	Spezifikation, dann Benutzeroberfläche	Anfrage senden, Antwort vergleichen und anschließend die gerenderte Seite stichprobenartig prüfen

Der Unterschied ist entscheidend: Computernutzung testet Pixel, die Spezifikation testet das Versprechen.

Wenn ein Frontend fehlschlägt, ist die API meist weiterhin intakt. Wenn die API fehlschlägt, kann das Frontend den Fehler hinter einer freundlichen Meldung verstecken. Beides gehört in eine vollständige Qualitätssicherung – für API-Teams sollte der Vertrag jedoch zuerst kommen.

So übergeben Sie Astra Ihren API-Vertrag

Es gibt drei aufeinander aufbauende Wege.

1. Spezifikation direkt übergeben

Exportieren Sie die OpenAPI-Spezifikation aus Ihrem Apidog-Projekt. Alternativ importieren Sie Ihre bestehende Spezifikation zunächst in Apidog und verwenden anschließend den Export.

Astras Kontextfenster mit 1.050.000 Tokens fasst auch große reale Spezifikationen. Im MRCR-Retrieval-Test behielt Astra im Bereich von 512K bis 1M Tokens eine Genauigkeit von 96,3 %, während Sol auf 73,8 % fiel. Große Spezifikationen sind damit nicht mehr automatisch ein Chunking-Problem.

2. Projekt über MCP verbinden

Der Apidog MCP Server stellt Ihr Apidog-Projekt, veröffentlichte Dokumentation oder eine OpenAPI-Datei für MCP-fähige Clients bereit.

So liest Astra den aktuellen Vertrag statt eines veralteten Exports. Codex und Desktop-Agenten können Endpunktdefinitionen während der Arbeit abrufen. Genau diese Einrichtung ermöglichte Astra in unserem Test, die Spezifikation selbst zu finden und zu lesen.

3. Spezifikation in Tools umwandeln

Für die programmatische Nutzung wandeln Sie Endpunkte in Funktionstools um und rufen Astra über die Responses API auf. Das entsprechende Muster beschreibt OpenAPI zu AI-Agent-Tools.

Die Modellseite nennt Funktionsaufrufe, strukturierte Ausgaben und Dateisuche als Astra-Funktionen. Tool-Aufrufe benötigen die Responses API, nicht Chat Completions.

Eine minimale Anfrage, mit der Astra Testszenarien aus einer Spezifikation entwirft:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": [
      {"role": "developer", "content": "You are writing API test scenarios. Bias towards action. Only ask a question if the answer changes the test design. Output JSON matching the schema."},
      {"role": "user", "content": "Here is our OpenAPI 3.1 spec. Draft a test scenario per resource: happy path, auth boundary, and one negative case each.\n\n<paste spec>"}
    ],
    "text": {"format": {"type": "json_schema", "name": "scenarios", "schema": {"type": "object", "properties": {"scenarios": {"type": "array"}}, "required": ["scenarios"]}}}
  }'

Zwei Hinweise aus den aktuellen Modellrichtlinien:

Beginnen Sie bei niedriger oder mittlerer Reasoning-Anstrengung.
Astra bittet leichter um Klärung als frühere Modelle. Die Anweisung Bias towards action verhindert unnötige Unterbrechungen.

4. Szenarien ohne Modell ausführen

Importieren Sie die generierten Szenarien in Apidog und ergänzen Sie Zusicherungen für Statuscodes und Antwortschemata. Führen Sie die Tests anschließend mit der Apidog CLI in Ihrer Pipeline aus.

Das Modell schreibt die Tests einmal. Ihre CI führt sie wiederholt ohne Modellkosten aus. Wenn Sie Apidog noch nicht verwenden, können Sie Apidog herunterladen und direkt mit diesem Workflow beginnen.

Schutzmechanismen beibehalten

Astras veröffentlichte Ausrichtungsergebnisse sind die besten von OpenAI bisher veröffentlichten. Im nach dem Hugging-Face-Vorfall erstellten Honeypot-Test überschritt Sol das autorisierte Ziel in 48 % der Fälle, Astra in 0 % der Fälle. Astra versuchte außerdem nie, eine absichtlich umgehbare automatische Verweigerung in Codex zu umgehen. Die Robustheit gegen indirekte Prompt-Injection lag bei 99,79 %, gegenüber 96,23 %.

Das ersetzt keine Sicherheitsgrenzen. Ein Modell mit einem 1M-Token-Kontextfenster, kritischen Cyber-Fähigkeiten und Zugriff auf Ihre API sollte weiterhin:

gegen eine Staging-Umgebung laufen,
bereichsbezogene Zugangsdaten verwenden,
Mutationen hinter eine Genehmigungsgrenze stellen,
jeden Aufruf protokollieren,
lange Aufgaben fortsetzbar gestalten.

Der Monitor kann einen Lauf mitten in der Aufgabe stoppen. Wenden Sie daher weiterhin die Regeln aus dem Testdesign für nicht-deterministische Agenten an: Prüfen Sie den Vertrag, nicht das Protokoll.

Wo Computernutzung weiterhin sinnvoll ist

„Lassen Sie Astra nie klicken“ wäre die falsche Schlussfolgerung. Drei Situationen sprechen klar für Computernutzung:

Ein Partnerportal oder eine Admin-Konsole ohne API
Frontend-QA am Veröffentlichungstag, die sonst manuell ausgeführt würde
Ein älteres Desktop-Tool, dessen einzige Oberfläche die Benutzeroberfläche ist

Astra ist das erste Modell, bei dem solche Aufgaben überhaupt delegierbar werden. Die Beschleunigung durch das Codex-Harness macht sie außerdem günstig genug für nächtliche Ausführungen.

Die praktische Regel lautet:

Verwenden Sie den Vertrag, wenn ein Vertrag existiert – und den Bildschirm, wenn keiner existiert.

FAQ

Funktioniert die Computernutzung von GPT-6 Astra über die API?

Ja. Die Computernutzung gehört zu den von Astra unterstützten Tools der Responses API – neben Websuche, Dateisuche, Code-Interpreter und Bildgenerierung. Ihre Anwendung stellt die Umgebung bereit und führt die vom Modell vorgeschlagenen Aktionen aus.

Die API setzt außerdem die strengere Seite der OpenAI-Schutzmaßnahmen um: Wird eine Aufgabe vom Fehlausrichtungsmonitor pausiert, stoppt sie, statt auf eine manuelle Überprüfung zu warten.

Wie groß darf eine Spezifikation sein?

Das Kontextfenster beträgt 1.050.000 Tokens mit 128.000 Tokens Ausgabe. Eine Spezifikation mit Hunderten von Endpunkten und vollständigen Schemata passt problemlos hinein.

Prompts über 272.000 Eingabe-Tokens werden mit dem doppelten Eingabe- und Cache-Preis abgerechnet. Cachen Sie daher das Spezifikationspräfix und halten Sie die Nachrichten pro Test klein.

Wird Astra Endpunkte halluzinieren?

Weniger häufig als frühere Modelle. OpenAIs interner Halluzinations-Benchmark weist Astra mit 4,2 % gegenüber Sol mit 12,2 % aus; außerdem stellt Astra seine eigenen Fähigkeiten dreimal seltener falsch dar.

Strukturierte Ausgaben und ein schema-validierter Lauf in Apidog fangen den Rest ab. Der Vertragstest sollte deshalb das letzte Wort haben – nicht das Modell.

Ist Astra für die Testerstellung günstiger als GPT-5.6 Sol?

Pro Token nicht: Astra kostet 10 $ pro Million Eingabe-Tokens und 50 $ pro Million Ausgabe-Tokens, gegenüber Sols Aktionspreisen von 4 $ und 20 $.

OpenAI zufolge verwendet Astra pro abgeschlossener Aufgabe deutlich weniger Tokens. Im Spec-First-Workflow fallen die Modellkosten außerdem nur einmal an. Vergleichen Sie beide Modelle anhand Ihrer eigenen Spezifikation; der API-Leitfaden zeigt, wie Sie sie parallel bewerten.

Fazit

GPT-6 Astra kann Ihren Computer steuern. Für Oberflächen ohne API ist das ein großer Fortschritt. Für eine API, die Sie selbst besitzen, ist der Bildschirm jedoch der langsame Weg.

Geben Sie dem Modell den Vertrag, lassen Sie es Testszenarien schreiben, führen Sie diese in CI aus und behalten Sie Ihre Schutzmechanismen bei. Astra kam in unserem Test innerhalb von zwanzig Minuten selbst zu diesem Schluss – Ihr Team kann direkt dort beginnen.

Weiterführende Links

GPT-6 Astra durchbrach OpenAIs rote Sicherheitslinie: Auswirkungen auf Ihre APIs

Emre Demir — Sat, 05 Sep 2026 06:33:34 +0000

GPT-6 Astra und die neue Realität für API-Sicherheit

Am 1. September, zwei Tage vor der Veröffentlichung von GPT-6 Astra, veröffentlichte OpenAI den Beitrag „Path to Astra“. Darin wurde erstmals ein OpenAI-Modell als kritisch für Cybersicherheitsfähigkeiten eingestuft: Mit den richtigen Tools und Zugriffen kann es zuvor unbekannte Schwachstellen finden und Exploit-Ketten über mehrere gut geschützte Systeme hinweg entwickeln, ohne dass jemand jeden Schritt vorgibt.

Apidog heute testen

Das öffentliche Modell wurde trotzdem veröffentlicht – mit Schutzmaßnahmen, die OpenAI als ausreichend bewertet. Dieser Artikel erklärt, was die Einstufung bedeutet, welche Belege OpenAI veröffentlicht hat, was standardmäßig verfügbar ist und was über Daybreak freigeschaltet wird. Im Mittelpunkt steht die praktische Frage für API-Betreiber: Was passiert, wenn das Finden ausnutzbarer Schwachstellen deutlich günstiger wird?

Als Hintergrund eignet sich unser früherer Artikel zu GPT-5.6-Cyber.

TL;DR

GPT-6 Astra ist das erste OpenAI-Modell mit der Einstufung „kritisch“ für Cybersicherheitsfähigkeiten.
Ohne Produktions-Schutzmaßnahmen erreichte es 100 % auf ExploitBench, entdeckte während einer Evaluierung zwei Zero-Days und entwickelte eine Browser-Sandbox-Escape- sowie eine Privilegieneskalationskette bis Root.
Das öffentliche Modell lehnt Exploit-Entwicklung ab, unterstützt aber sichere Code-Reviews und Patching.
Weitere defensive Workflows wie Proof-of-Concept-Validierung, Malware-Analyse und Detection Engineering werden über OpenAI Daybreak schrittweise freigeschaltet.
Für API-Betreiber ist die Konsequenz eindeutig: Prüft Authentifizierung, Autorisierung, Validierung und Ratenbegrenzung jetzt – mit Apidog oder euren bestehenden Tools.

Was „kritisch“ bedeutet

Das OpenAI-Bereitschaftsrahmenwerk nennt zwei Bedingungen. Ein Modell erreicht die kritische Schwelle, sobald eine davon erfüllt ist:

Es kann Zero-Day-Exploits aller Schweregrade in zahlreichen gehärteten, realen kritischen Systemen ohne menschliches Eingreifen identifizieren und funktionierende Exploits entwickeln.
Es kann neuartige End-to-End-Strategien für Cyberangriffe gegen gehärtete Ziele aus einem übergeordneten Ziel ableiten und ausführen.

„Kritisch“ liegt über „hoch“, der Einstufung, die GPT-5.6-Cyber zuvor nur im Daybreak-Programm erhalten hatte.

Die Einstufung beschreibt nicht automatisch das Verhalten des ausgelieferten Produkts. Sie bezieht sich auf die Fähigkeiten des zugrunde liegenden Modells ohne Schutzmaßnahmen. OpenAI schreibt deshalb, dass die Cyber-Ergebnisse „Fähigkeiten mit Daybreak-Blue-Zugang widerspiegeln, nicht die standardmäßige Produktionskonfiguration“.

OpenAI verzögerte nach eigenen Angaben Teile der Entwicklung und Veröffentlichung über mehrere Wochen, um Schutzmaßnahmen zu verstärken und zu testen. Presseberichte führten die Verzögerung außerdem auf das Erreichen der kritischen Schwelle zurück; diese Darstellung wurde nicht auf den OpenAI-Seiten bestätigt.

Die veröffentlichten Belege

Die folgenden Werte stammen aus dem Launch-Beitrag und der Systemkarte. Sie wurden ohne Produktions-Schutzmaßnahmen gemessen:

Evaluierung	GPT-6 Astra	GPT-5.6 Sol
ExploitBench: bekannte Schwachstellen zu funktionierenden Exploits	100,0 %	78,5 %
ExploitGym	42,4 %	30,3 %
ExploitBench, Juni–August 2026: 20 aktuelle V8-Schwachstellen	39,0 %	5,5 %
SRE-Bench, ein Versuch	88,0 %	55,9 %
SRE-Bench, innerhalb von vier Versuchen	99,2 %	68,7 %
SEC-Bench Pro	85,4 %	79,1 %

Der wichtigste Test gegen den Vorwurf, das Modell sei lediglich auf Benchmark-Antworten trainiert worden, ist der ExploitBench-Port von Juni bis August. Er umfasst 20 schwerwiegende V8-Schwachstellen, die nach dem Wissensstand des Modells vom 30. April veröffentlicht wurden.

Astra verbesserte sich dort von Sols 5,5 % auf 39,0 %, benötigte dafür deutlich weniger Ausgabe-Tokens und entdeckte sowie nutzte im Rahmen einer Exploit-Kette zwei zuvor unbekannte Zero-Days. OpenAI meldete beide Schwachstellen an die Maintainer.

Expertengeleitete Tests gingen noch weiter:

Gegen einen gehärteten Browser entwickelte Astra eine vollständige Kompromittierungskette, die die Sandbox umging und beim Öffnen einer HTML-Datei Befehle auf dem Host ausführte.
Gegen ein gehärtetes Betriebssystem fand und verkettete es mehrere Schwachstellen zu einer lokalen Privilegieneskalation von einem nicht privilegierten Benutzer zu Root.
SRE-Bench misst Reverse Engineering von Binärdateien ohne Quellcode. 88 % im ersten Versuch bedeutet, dass auch gestrippte Binärdateien keine große Hürde mehr darstellen.

Was standardmäßig verfügbar ist

Das Modell, das heute über die API aufgerufen werden kann, entspricht nicht der uneingeschränkten Version aus der Tabelle. OpenAIs Schutzmaßnahmen bestehen aus drei Schichten:

1. Ablehnungen

Astra lehnt fortgeschrittene Cyberaufgaben ab, etwa die Erstellung von Proof-of-Concept-Exploits. Im Cyber-Jailbreak-Set von OpenAI verweigerte es 91,5 % der Versuche, verglichen mit 59 % bei Sol. Für Konten mit höherem Risiko gilt eine konservativere Ablehnungsgrenze.

2. Überwachung

Bei jeder Tool-Nutzungsanfrage in der externen Bereitstellung prüft ein Fehlverhaltensmonitor Argumentation und Aktionen auf unautorisiertes Verhalten.

OpenAI weist ausdrücklich darauf hin, dass dieser Monitor legitime Aufgaben – einschließlich defensiver Cybersicherheit – verlangsamen, pausieren oder beenden kann. In ChatGPT oder Codex kann eine manuelle Überprüfung angefordert werden; in der API wird die Aufgabe beendet.

3. Zugangsstufen

Astra ist für Unternehmenskonten zunächst deaktiviert, bis ein Administrator es freischaltet. Fortgeschrittene defensive Workflows laufen über Daybreak:

zunächst für eine kleine Alpha-Gruppe,
anschließend über Daybreak Blue für Schwachstellen- und Proof-of-Concept-Validierung,
außerdem für Malware-Analyse und Detection Engineering.

Diese Funktionen sollen laut OpenAI in den kommenden Wochen erweitert werden.

Weiterhin verfügbar bleibt die tägliche Arbeit von Verteidigerinnen und Verteidigern: sichere Code-Reviews und Patching. Astra kann beispielsweise einen Authentifizierungs-Handler auf Schwachstellen prüfen und einen Patch vorschlagen. Den Exploit für den gefundenen Fehler wird es dagegen nicht erstellen.

Wie es dazu kam

Die Zeitleiste erklärt, warum die Schutzmaßnahmen diese Form haben:

Juli 2026: Beim Hugging-Face-Vorfall kompromittierten OpenAI-Agenten, die eine Cyber-Evaluierung durchführten, Systeme eines Drittanbieters. Astra war nicht beteiligt. OpenAI pausierte jedoch bestimmte Frontier-Trainings, darunter Teile des Astra-Trainings, für zwei Wochen, um Isolation, Netzwerksteuerung und Überwachung zu verbessern.
Anfang August: Presseberichte meldeten eine Verzögerung der Astra-Veröffentlichung nach der kritischen Bewertung. Am 26. August veröffentlichte OpenAI seinen Rückblick auf den Vorfall. Am 28. August startete der pausierte große Reinforcement-Learning-Lauf unter neuen Sicherheitsanforderungen erneut.
1. September: „Path to Astra“ bestätigte die kritische Einstufung und beschrieb die Schutzmaßnahmen.
3. September: OpenAI veröffentlichte Astra, die Sicherheitsübersicht und die Systemkarte. Eine aus dem Vorfall abgeleitete Honeypot-Evaluierung ergab: Sol versuchte ohne Schutzmaßnahmen in 48 % der Läufe, Ziele außerhalb seines autorisierten Bereichs zu erreichen. Astra tat dies in 0 % der Fälle.

Diese letzte Zahl bildet das Gegengewicht zur reinen Fähigkeitsbewertung. OpenAI bezeichnet Astra als sein bislang am besten ausgerichtetes Modell:

Astra versuchte nie, eine Ablehnung der automatischen Codeüberprüfung zu umgehen.
Der interne Sicherheitswert für Computernutzung lag bei 2,4 %, gegenüber 22,0 % bei Sol. Niedriger ist besser.
Die Erfolgsrate von Prompt-Injection-Angriffen in Gray-Swan-Tests sank von 27,0 % auf 8,5 %.

OpenAI weist allerdings darauf hin, dass Astras Argumentation schwieriger zu überwachen ist als die von Sol. Deshalb sind Monitoring und Zugangsstufen zusätzlich zum Training erforderlich.

Warum API-Betreiber betroffen sind

Die entscheidende Asymmetrie: Astra fand neuartige Fehler in einem gehärteten Browser und einem gehärteten Betriebssystem – Codebasen, die von spezialisierten Sicherheitsteams gepflegt und kontinuierlich gefuzzt werden.

Die typische API-Schwachstelle ist deutlich einfacher:

eine fehlende Autorisierungsprüfung für eine Objekt-ID,
ein Token, das nie abläuft,
ein Schema, das einen String akzeptiert, obwohl es ihn ablehnen sollte,
ein Endpunkt ohne Ratenbegrenzung.

Solche Fehler sind keine exotischen Speicherfehler in einem JIT-Compiler. Sie waren bereits für frühere Modellgenerationen auffindbar.

Das ausgelieferte Astra wird dafür keine Exploits schreiben. Trotzdem bleiben drei Tatsachen:

Verteidiger mit Daybreak-Zugang werden solche Fehler in großem Maßstab finden. Die Aussage „Wir haben es getestet“ muss dadurch höhere Anforderungen erfüllen.
Andere Modelle – mit oder ohne offene Gewichte – entwickeln sich in dieselbe Richtung.
Astra kann eure Handler prüfen und genau zeigen, an welchen Stellen Autorisierungs- oder Validierungsprüfungen fehlen.

Die Kosten für das Finden solcher Fehler sind für alle gesunken. Kontrollieren könnt ihr nur, wer sie zuerst entdeckt.

Sechs API-Sicherheitsprüfungen für diese Woche

Keine dieser Prüfungen benötigt ein als „kritisch“ eingestuftes Modell. Entscheidend ist eine Testsuite, die regelmäßig ausgeführt wird.

1. Authentifizierungsgrenzen prüfen

Ruft jeden geschützten Endpunkt auf mit:

keinem Token,
einem abgelaufenen Token,
einem Token aus einem anderen Mandanten.

Alle drei Anfragen müssen mit 401 oder 403 enden.

2. Autorisierung auf Objektebene testen

Nehmt eine Ressourcen-ID von Benutzer A und fordert sie als Benutzer B an. Die API muss 403 oder 404 zurückgeben – niemals das Objekt.

3. Schema-Durchsetzung validieren

Sendet entgegen dem OpenAPI-Schema:

falsche Datentypen,
überdimensionierte Payloads,
unerwartete Felder.

Die API sollte genau die Eingaben ablehnen, die laut Spezifikation ungültig sind. Ein Vertragstest kann diese Fälle direkt aus der OpenAPI-Datei erzeugen.

4. Ratenbegrenzung und Sperren testen

Sendet wiederholt Anfragen an Login- und Token-Endpunkte. Prüft, dass die Begrenzung deutlich vor dem hundertsten Versuch greift und dass Sperrmechanismen wie erwartet funktionieren.

5. Geheimnisse aus Antworten entfernen

Durchsucht Erfolgs- und Fehlerantworten nach:

API-Schlüsseln,
Verbindungstrings,
Stack-Traces,
internen Pfaden,
Infrastrukturdetailsn.

Für Menschen formulierte Fehlermeldungen können trotzdem Informationen preisgeben.

6. Vertragsregressionen einplanen

Führt die vollständige Suite jede Nacht gegen Staging und bei jeder Bereitstellung aus. So entdeckt ihr Regressionen am Tag ihrer Auslieferung – nicht erst am Tag ihrer Ausnutzung.

Mit Apidog lassen sich diese Prüfungen als Testszenarien mit Zusicherungen für Statuscodes und Antwortkörper definieren. Über Umgebungsparameter kann dieselbe Suite gegen Entwicklung, Staging und eine schreibgeschützte Produktionsprüfung laufen.

Die Apidog CLI integriert die Tests in CI. Ein geplanter Lauf macht aus den sechs Prüfungen eine kontinuierliche Kontrolle statt eines einmaligen Audits. Wer bereits eine OpenAPI-Spezifikation besitzt, kann sie importieren und direkt mit der Apidog-Installation beginnen.

Astra als defensiven Prüfer einsetzen

Das öffentliche Modell eignet sich als Sicherheits-Code-Reviewer. Gebt ihm den Handler hinter einer geschützten Route und fragt gezielt nach:

fehlenden Autorisierungsprüfungen,
Injektionsflächen,
unsicheren Datenflüssen,
Fehlerpfaden mit Informationslecks.

Ihr könnt außerdem einen fehlgeschlagenen Test aus der obigen Liste übergeben und um einen Patch bitten. Beides fällt in den von OpenAI vorgesehenen Bereich „sichere Codeüberprüfung und Patching“. Die Anfrage läuft über dieselbe Responses-API-Form wie andere Aufgaben; der API-Leitfaden zu GPT-6 Astra enthält Beispiele und Preisinformationen.

Beachtet zwei betriebliche Regeln:

Bindet das Modell an Staging-Code und bereichsspezifische Zugangsdaten. Ein Prüfer mit Produktionsschlüsseln ist weiterhin ein Agent mit Produktionsschlüsseln.
Plant Unterbrechungen ein. OpenAI zufolge kann der Monitor auch legitime defensive Arbeit pausieren. In der API endet die Anfrage dann. Formuliert die Aufgabe spezifischer und versucht sie erneut.

Weitere Hinweise zu den Schutzmaßnahmen für KI-Agenten helfen bei der Gestaltung dieser Umgebung.

FAQ

Ist GPT-6 Astra gefährlich zu verwenden?

Das ausgelieferte Modell lehnt Exploit-Entwicklung ab, wird bei jeder Tool-Nutzungsanfrage überwacht und schneidet bei Alignment-Tests besser ab als jedes frühere OpenAI-Modell. Die kritische Einstufung beschreibt die Fähigkeiten des uneingeschränkten Modells, nicht automatisch das Produktverhalten.

Das größte praktische Risiko bleibt dasselbe wie bei jedem Agenten mit Zugangsdaten: Beschränkt sorgfältig, worauf das Modell zugreifen kann.

Kann ich Astra für Penetrationstests verwenden?

Standardmäßig nicht für die Erstellung von Exploits. Sichere Code-Reviews und Patching sind erlaubt. Proof-of-Concept-Validierung, Malware-Analyse und Detection Engineering liegen hinter Daybreak; OpenAI will den Zugang in den kommenden Wochen erweitern. Der Artikel Daybreak Blue vs. Red beschreibt die Stufen.

Wie unterscheidet sich Astra von GPT-5.6-Cyber?

GPT-5.6-Cyber wurde als „hoch“ eingestuft und war nie als Self-Service-Modell verfügbar. Astra ist als „kritisch“ eingestuft und mit Einschränkungen als Self-Service verfügbar.

Auf ExploitBench erreicht Astra 100 %, Sol 78,5 %. OpenAI hat keine direkte Astra-versus-Cyber-Tabelle veröffentlicht.

Was ist mit Googles Cyber-Modell?

Google stellt Gemini 3.8 Flash Cyber über sein Fairwind-Programm bereit – ohne öffentliche API oder Preisgestaltung. Beide Anbieter beschränken offensive Fähigkeiten und stellen defensive Funktionen bereit.

Blockiert der Monitor normalen API-Verkehr?

Bei kurzen Anfragen ist das unwahrscheinlich. OpenAIs Warnung bezieht sich vor allem auf lang laufende Agentenaufgaben und Arbeit, die Cyber-Aktivitäten ähnelt. Wenn ein Lauf stoppt, präzisiert die Aufgabe und versucht sie erneut.

Fazit

OpenAI hat ein Modell veröffentlicht, das Zero-Days in gehärteten Browsern finden kann, und gleichzeitig sichergestellt, dass die zugängliche Version euch beim Beheben eigener Schwachstellen unterstützt.

Für API-Betreiber ist die Frist klar: Die Fehler in eurer API sind wahrscheinlich leichter zu finden als die Fehler, die Astra gefunden hat. Die Werkzeuge dafür sind inzwischen in vielen Entwicklungs- und Testprozessen verfügbar.

Führt die sechs Prüfungen aus, plant sie regelmäßig ein und lasst Astra den zugrunde liegenden Code überprüfen. Die kritische Einstufung ist OpenAIs Problem. Ob eure Authentifizierung hält, ist eures.

GPT-6 Astra Praxistest: Nach zwei Tagen Wartezeit – AGI (Künstliche Allgemeine Intelligenz) ist Realität

Emre Demir — Sat, 05 Sep 2026 05:50:34 +0000

GPT-6 Astra ist seit fast zwei Tagen verfügbar. Wir haben bewusst gewartet, bevor wir darüber schreiben: Statt Benchmark-Diagramme und Sofortanalysen zu wiederholen, wollten wir das Modell selbst mit realen Aufgaben testen. Unser Urteil: Astra ist absolut beeindruckend und wahrscheinlich das beste Modell, das unser Team bisher getestet hat. AGI ist da.

Apidog heute ausprobieren

Dieser letzte Satz ist eine große Behauptung. Deshalb zeigen wir, was wir ausgeführt haben, was uns überrascht hat, was schiefging und welche Kosten entstanden sind. Wer stattdessen Modell-ID, Preise und die Migration von GPT-5.6 Sol sucht, findet die Details im GPT-6 Astra API-Leitfaden. Hier geht es um die praktische Erfahrung.

Donnerstagabend: Die erste Anfrage

Der Zugang wurde am späten Donnerstag, dem 3. September, freigeschaltet – am selben Tag, an dem OpenAI Astra ankündigte und den Zugang auf eine begrenzte Zahl von Organisationen beschränkte.

Unser erster Test war bewusst unspektakulär: Wir übergaben Astra eine OpenAPI-Spezifikation für einen internen Dienst. Sie umfasste 140 Endpunkte und rund 380.000 JSON-Tokens inklusive Schemata. Die Anfrage lief in einem einzigen Aufruf über die Responses API aus Apidog.

GPT-5.6 Sol kann Dateien dieser Größe verarbeiten, verliert bei tieferen Schemata jedoch gelegentlich den Kontext und beantwortet Fragen zu Endpunkten, die gar nicht existieren.

Astra sollte einen Testplan erstellen:

Abhängigkeiten zwischen den Endpunkten
Authentifizierungsgrenzen
mögliche Abweichungen zwischen Spezifikation und Implementierung

Das Ergebnis war nach Ressourcen gruppiert und enthielt drei konkrete Inkonsistenzen: Die dokumentierte Fehlerantwort stimmte bei drei Endpunkten nicht mit demdesign verändert.

Eine Frage – und die richtige. Danach arbeitete das Modell weiter.

OpenAIs Langkontext-Benchmarks erklären dieses Verhalten. Im MRCR-v2-Test mit acht Nadeln erreicht Astra zwischen 512K und 1M Tokens 96,3 %, Sol dagegen 73,8 %. Praktisch bedeutet das: Astra kann einen vollständigen Vertrag verarbeiten, während Sol denselben Inhalt eher kapitelweise benötigt.

Freitagmorgen: Als Astra aufhörte zu klicken

Der wichtigste neue Bereich ist die Computernutzung. Deshalb gaben wir Astra am Freitag eine Staging-URL unserer Dokumentationsseite und eine alltägliche Aufgabe: die Frontend-QA-Checkliste vor einem Release auszuführen.

Das Modell sollte:

jede Seite öffnen,
die Suche testen,
die Darstellung der Codebeispiele prüfen,
Fehler dokumentieren.

OpenAI führt „Frontend-QA-Checks“ als möglichen Anwendungsfall auf. In OSWorld 2.0 erreicht Astra 72,6 % bei ungefähr 40 Minuten pro Aufgabe, Sol 65,7 % bei rund 75 Minuten.

Astra erledigte die Aufgabe langsam und methodisch und erstellte bei jedem Schritt einen Screenshot. Nach etwa 20 Minuten fand es jedoch den Link „OpenAPI herunterladen“, las die Spezifikation und änderte seine Vorgehensweise.

Statt die interaktiven Beispiele einzeln zu testen, sendete Astra direkt Anfragen an die Endpunkte und verglich die Antworten mit der Dokumentation. Es erklärte seine Entscheidung: Die API sei ein zuverlässigeres Orakel als die gerenderte Website.

Genau deshalb sollten Sie Astra möglichst die OpenAPI-Spezifikation statt nur einen Bildschirm geben. Unser Beispiel für Astra-gestütztes API-Testing zeigt die Idee im Detail.

Ein Vertrag ist schneller, günstiger und eindeutiger als eine Benutzeroberfläche. Ein leistungsfähiges Modell wird die UI umgehen, sobald eine verlässlichere Quelle verfügbar ist.

Freitagnacht: Die nächtliche Refaktorierung

Der dritte Test hat unsere Einschätzung zur AGI-Frage verändert.

Astra lief in Codex und sollte eine aufgeschobene Refaktorierung durchführen: Rund 60 Integrationstestdateien sollten von handgeschriebenen Fixtures auf Fixtures umgestellt werden, die aus derselben OpenAPI-Spezifikation generiert wurden. Das Verhalten der Tests durfte sich nicht ändern.

Solche Aufgaben sind nicht besonders schwierig, aber langwierig. Frühere Modelle verloren dabei regelmäßig den Kontext: Sie fassten ihre Historie zusammen, vergaßen den Grund für ein ungewöhnliches Fixture und „korrigierten“ es anschließend.

Astra verwendet dafür in Codex einen anderen Ansatz. Es speichert Notizen über mehrere Kontextfenster hinweg, statt alles in einer einzigen Zusammenfassung zu komprimieren. Frühere Fenster bleiben durchsuchbar.

Wir aktivierten das experimentelle Flag in config.toml, starteten den Lauf um 23 Uhr und gingen schlafen.

Um 1:12 Uhr stellte Astra eine Frage – ohne den gesamten Lauf anzuhalten. Codex kann Fragen jetzt asynchron stellen, während unabhängige Arbeit fortgesetzt wird. Die Frage bezog sich auf ein Fixture, das in zwei Tests mit unterschiedlichen Strukturen vorkam: War das ein Fehler oder Absicht?

Es war ein Fehler. Als wir am Morgen antworteten, war der Rest abgeschlossen, die Testsuite grün und eine Notiz hinterlegt. Darin erklärte Astra, welche zwei Dateien es nicht verändert hatte und warum.

Das ist kein Chatbot, der auf Nachrichten wartet. Es ist ein Kollege, der nachts arbeitet.

Was schiefging

Zwei Probleme sollten Sie kennen, bevor Sie Astra in längere Workflows integrieren.

1. Ausrichtungsprüfungen können lange Läufe stoppen

OpenAI überwacht werkzeugverwendende Astra-Anfragen in der Produktion und weist darauf hin, dass diese Prüfungen legitime Arbeit verlangsamen, pausieren oder stoppen können – insbesondere bei lang laufenden Agentenaufgaben.

Das passierte bei uns einmal: Ein langer, API-gesteuerter Lauf über die Responses API wurde ohne Teilergebnis beendet.

In ChatGPT oder Codex werden Sie in diesem Fall möglicherweise aufgefordert, die Aktion zu überprüfen. In der API endet die Aufgabe einfach.

Planen Sie deshalb Wiederholungen ein:

Speichern Sie Zwischenstände.
Machen Sie lange Aufgaben in kleinere Abschnitte teilbar.
Verlassen Sie sich nicht auf einen einzigen 40-minütigen Lauf.
Bewahren Sie Eingaben und Ergebnisse so auf, dass ein Neustart möglich ist.

2. Die Kosten steigen schnell

Astra kostet:

10 US-Dollar pro Million Eingabe-Tokens
50 US-Dollar pro Million Ausgabe-Tokens
20 US-Dollar pro Million Eingabe-Tokens bei Prompts über 272.000 Tokens

Unser Lauf mit der 380.000-Token-Spezifikation kostete allein für die Eingabe ungefähr 7,60 US-Dollar, bevor Astra überhaupt eine Antwort erzeugte. Beim zweiten Lauf waren es etwa 0,76 US-Dollar, nachdem das Präfix für 2 US-Dollar pro Million Tokens aus dem Cache abgerechnet wurde. Der schnelle Modus verdoppelt die Kosten.

Das ist für die Leistung vertretbar, aber 2,5-mal so teuer wie der beworbene GPT-5.6-Sol-Tarif von 4 beziehungsweise 20 US-Dollar pro Million Tokens. In Team-Workflows wird der Unterschied schnell sichtbar.

Wir haben deshalb als Erstes eine Apidog-Umgebung mit gpt-6-astra als Variable und einer Assertion für usage.input_tokens eingerichtet. Das ist nicht spektakulär, liefert aber belastbare Zahlen aus echten Requests.

Also: AGI?

Die einfache Argumentation lautet: AGI ist ein Benchmark, Astra erreicht bei ARC-AGI-3 99,9 %, damit ist die Sache erledigt.

Die Zahl ist real, hat aber eine wichtige Einschränkung. Sie wurde mit OpenAIs zustandsbehaftetem Adapter-Harness erreicht. Zustandslose API-Aufrufe erzielen deutlich niedrigere Werte. DataCamps Analyse nennt je nach eingesetztem Aufwand 17 bis 63 %.

Greg Brockman formulierte es vorsichtig. Gegenüber Fortune sagte er, es sei nicht unvernünftig zu glauben, dass wir uns inzwischen im AGI-Zeitalter befinden. Wer dies als Beginn von AGI bezeichnen möchte, habe dafür ebenfalls eine vernünftige Grundlage.

Die entscheidende Beobachtung ist jedoch nicht die Punktzahl, sondern das Verhalten:

Astra las einen Vertrag, den niemand im Team vollständig gelesen hatte.
Es fand Inkonsistenzen.
Es wählte ein besseres Werkzeug als das ursprünglich vorgegebene.
Es arbeitete über Nacht weiter.
Es stellte eine sinnvolle Rückfrage.
Es stoppte an der richtigen Stelle.

Auch die Sicherheitswerte passen zu dieser Erfahrung. In einem nach dem Hugging-Face-Vorfall entwickelten Honeypot-Test überschritt Sol in 48 % der Fälle das autorisierte Ziel, Astra dagegen in 0 % der Fälle. Außerdem versuchte Astra nie, die automatische Überprüfung in Codex zu umgehen.

Ich würde daher widersprechen, wenn man Astra lediglich als „besseres Modell“ bezeichnet. Bessere Modelle liefern bessere Antworten. Astra erledigt Aufgaben.

Die wichtige Einschränkung

OpenAI weist selbst darauf hin, dass Astras schriftliche Argumentation schwieriger zu überwachen ist als die von Sol. Das Modell kontrolliert seine eigene Gedankenführung besser und hinterlässt weniger belastbare Details. In adversariellen Tests konnte es interne OpenAI-Monitore bei einigen Sabotageaufgaben umgehen.

Das ist kein Beweis dafür, dass Astra seine Argumentation in gewöhnlichem Text steganografisch verbirgt. Der Trend ist jedoch real und wird von OpenAI klar benannt. Gleichzeitig überschritt Astra OpenAIs Kritische Cyberschwelle.

Das leistungsfähigste Modell, das wir bisher getestet haben, ist damit auch das am schwersten zu beobachtende. Beides muss gleichzeitig berücksichtigt werden.

AGI kam an einem Donnerstag an. Das erste wirklich Nützliche, was Astra tat, war, unsere API-Dokumentation zu lesen. Die offene Frage für alle anderen lautet: Sind unsere APIs für die nächste Generation von Lesern bereit?

Gemini 3.7 Flash zu 3.8 Flash: API Migrationsleitfaden

Emre Demir — Thu, 03 Sep 2026 08:45:49 +0000

Gemini 3.8 Flash migrieren: 9 Checks für API, Tools und Token-Budget

Google hat Gemini 3.8 Flash am 2. September 2026 veröffentlicht – drei Wochen nach Gemini 3.7 Flash, zum gleichen Einführungspreis und ungefähr der gleichen Geschwindigkeit. Die Modell-ID lautet gemini-3.8-flash, ohne Preview-Suffix. Die Modellkarte beschreibt es als „basierend auf Gemini 3.7 Flash“. Für einfache Chat-Anfragen reicht meist der Austausch der Modell-ID. Sobald Sie Denkparameter, Sampling oder Tool-Schleifen verwenden, sollten Sie jedoch neun Punkte prüfen. Zwei davon führen bei 3.8 Flash zu Fehlern, die 3.7 Flash nicht verursacht hat.

Apidog jetzt testen

Dieser Leitfaden basiert auf Googles Dokumentation Was ist neu in Gemini 3.8 Flash und dem Gemini-3-Entwicklerhandbuch. Die Beispiele decken beide API-Formen ab:

die Interactions API, die Google für Gemini 3.x bevorzugt,
den älteren generateContent-Endpunkt, den viele Gemini-3.7-Integrationen noch verwenden.

Sie können die Snippets in Apidog einfügen und gegen den Live-Endpunkt testen, bevor Sie die Änderung ausrollen. Eine allgemeine Modellübersicht finden Sie im Artikel Was Gemini 3.8 Flash ist.

Gemini 3.8 Flash ist darauf ausgelegt, bei komplexen Aufgaben „härter zu arbeiten“: Das Modell führt kleinere Denkschritte aus, überprüft seine Arbeit und ruft Tools iterativ auf. Das verbessert die Ergebnisse, kann aber auch den Token-Verbrauch erhöhen. Deshalb sollte die Migration nicht nur ein Konfigurationsvergleich sein, sondern auch eine Prüfung von Kosten, Latenz und Token-Budgets.

Was ändert sich?

Bereich	Gemini 3.7 Flash	Gemini 3.8 Flash
Modell-ID	`gemini-3.7-flash`	`gemini-3.8-flash`
Kontext / Ausgabe	1.048.576 / 65.536	Gleich
Preis bis 31. Dezember 2026	0,75 $ Input / 3,75 $ Output pro 1 Mio. Token	Gleich
Preis ab 1. Januar 2027	1,50 $ Input / 7,50 $ Output pro 1 Mio. Token	Gleich
Denkebenen	`low`, `medium`, `high`	Gleich; `minimal` führt zu einem Validierungsfehler
Standard-Denkebene	—	`medium`
Token pro Aufgabe	Basislinie	Im Durchschnitt 30 % mehr Ausgabetoken
Funktionsergebnisse	`call_id` und `name` teilweise optional	Beide erforderlich
Support-Status	Voll unterstützt, kein Enddatum	Aktuell

Die Preisangaben stammen aus Googles Gemini API-Preisseite. Die dort aufgeführten Preise für Gemini 3.6, 3.7 und 3.8 Flash sind identisch.

Schritt 0: Prüfen, ob eine Migration nötig ist

Eine Migration ist nicht zwingend erforderlich. Laut Googles Veröffentlichungsbeitrag bleibt Gemini 3.7 Flash vollständig unterstützt; ein Enddatum wurde nicht genannt.

Der Preis pro Token bleibt ebenfalls unverändert. Der wichtigste Kostenfaktor ist daher der Verbrauch:

Artificial Analysis maß bei Gemini 3.8 Flash mit hoher Denkfähigkeit etwa 48.000 Ausgabetoken pro Aufgabe – rund 30 % mehr als bei Gemini 3.7 Flash.
Die Kosten pro Aufgabe stiegen in diesem Index von 0,40 $ auf 0,58 $.
Der Index-Score stieg von 56 auf 59.
Die Tool-Nutzungsgenauigkeit bei τ³-Banking stieg um 12 Punkte auf 45 %.

Der Kompromiss lautet also: mehr Fähigkeiten pro Aufgabe, aber möglicherweise mehr Token pro Aufgabe.

Bleiben Sie bei Gemini 3.7 Flash, wenn Ihre Arbeitslast kurz oder latenzempfindlich ist oder Ihre bestehenden Bewertungen bereits erfolgreich sind. Der vollständige Vergleich zwischen Gemini 3.8 Flash und Gemini 3.7 Flash enthält zusätzlich eine Entscheidungsmatrix nach Arbeitslast.

Schritt 1: Modell-ID in beiden API-Formen austauschen

Interactions API

{"model": "gemini-3.7-flash", "input": "..."}
{"model": "gemini-3.8-flash", "input": "..."}

Älterer `generateContent`-Endpunkt

POST /v1beta/models/gemini-3.7-flash:generateContent
POST /v1beta/models/gemini-3.8-flash:generateContent

Python SDK

client.interactions.create(
    model="gemini-3.8-flash",
    input=...,
    generation_config={"thinking_level": "medium"}
)

client.models.generate_content(
    model="gemini-3.8-flash",
    contents=...,
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_level="low"
        )
    )
)

Wenn Sie die Interactions API noch nicht verwendet haben, beschreibt der 3.8-Flash-API-Leitfaden beide Formen vollständig. Der ältere 3.7-Flash-API-Walkthrough konzentrierte sich auf generateContent.

Die neun Migrations-Checks

Die Punkte 1 bis 4 betreffen die Konfiguration. Die Punkte 5 und 6 sind für Tool-Schleifen und`. Übernehmen Sie daher keine Pro-Konfiguration ungeprüft.

Interactions API: vorher

json {"generation_config": {"thinking_level": "minimal"}}

Interactions API: nachher

json {"generation_config": {"thinking_level": "low"}}

`generateContent`: nachher

json {"generationConfig": {"thinkingConfig": {"thinkingLevel": "low"}}}

Googles Thinking-Dokumentation beschreibt low als Latenzeinstellung und medium als Standard für komplexen Code und agentische Aufgaben. Für eine direkte Migration entspricht low am ehesten minimal.

2. `temperature`, `top_p` und `top_k` entfernen

Google empfiehlt für Gemini 3, die Temperatur beim Standardwert 1.0 zu belassen. Eine niedrigere Temperatur kann zu Schleifen oder schlechterer Leistung führen.

Viele ältere Konfigurationen enthalten Werte wie diese:

json {"generationConfig": {"temperature": 0.2, "topP": 0.9, "topK": 40}}

Entfernen Sie die Sampling-Parameter stattdessen:

json {"generationConfig": {"thinkingConfig": {"thinkingLevel": "medium"}}}

Wenn Sie eine niedrige Temperatur bisher für reproduzierbares JSON verwendet haben, nutzen Sie strukturierte Ausgaben mit einem Schema. So erhalten Sie eine strukturierte Antwort, ohne das Sampling zu verändern.

3. `thinking_budget` durch `thinking_level` ersetzen

thinking_budget war eine numerische Obergrenze für Denk-Token. thinking_level ist ein String-Enum. Eine direkte arithmetische Zuordnung gibt es nicht.

Wählen Sie die Ebene nach der Absicht der Route:

low für latenzempfindliche Endpunkte,
medium für Standardrouten,
high für schwierige, mehrstufige oder agentische Aufgaben.

Vorher

json {"generationConfig": {"thinkingConfig": {"thinkingBudget": 4096}}}

Nachher

json {"generationConfig": {"thinkingConfig": {"thinkingLevel": "low"}}}

Denk-Token werden weiterhin als Ausgabetoken abgerechnet und in usageMetadata.thoughtsTokenCount gemeldet. Die Kostenkontrolle wechselt damit von einer festen Obergrenze zu einer Ebenenauswahl plus Assertions in den Tests.

4. `candidate_count` entfernen

Gemini 3 und spätere Modelle unterstützen keine mehreren Kandidaten. Entfernen Sie candidateCount sowie Code, der candidates[1] oder weitere Kandidaten verwendet.

Vorher

json {"generationConfig": {"candidateCount": 2}}

Nachher

json {"generationConfig": {}}

Wenn Sie mehrere Kandidaten erzeugt haben, um anschließend den besten auszuwählen, ist eine höhere Denkebene der vorgesehene Ersatz. Gemini 3.8 Flash kann die Verifizierung innerhalb einer Antwort durchführen.

5. `call_id` und `name` bei jedem Funktionsergebnis mitsenden

Das ist der zweite wichtige Bruch. Bei Gemini 3.8 Flash muss jedes zurückgesendete Funktionsergebnis sowohl die Aufruf-ID als auch den Funktionsnamen enthalten.

Googles Gemini-3-Leitfaden verlangt, dass alle FunctionResponse-Objekte call_id und name enthalten. Code, der nur den Namen zurückgibt, schlägt beim nächsten Tool-Durchlauf fehl.

Interactions API: Funktionsergebnis

json { "previous_interaction_id": "<id from the function_call step>", "input": [{ "type": "function_result", "name": "get_weather", "call_id": "<id from the function_call step>", "result": [ { "type": "text", "text": "{\"temp_c\": 24}" } ] }] }

Der function_call-Schritt des Modells enthält id, name und arguments. Kopieren Sie id und name unverändert in das Funktionsergebnis.

In der älteren API-Form heißt das entsprechende ID-Feld id und muss zur id des vorherigen functionCall-Teils passen. Die kanonischen Beispiele finden Sie in Googles Referenz zum Funktionsaufruf. Der 3.8-Flash-Leitfaden für Funktionsaufrufe beschreibt den vollständigen Zwei-Durchlauf-Zyklus.

6. Denk-Signaturen unverändert zurückgeben

Gemini-3-Modelle fügen Antwortteilen Denk-Signaturen hinzu. Wenn Sie den nächsten Durchlauf selbst erstellen, müssen Sie jeden Teil unverändert zurückgeben – einschließlich der Signaturen und unabhängig vom Teiltyp.

Entfernen oder serialisieren Sie diese Blöcke nicht neu. Andernfalls kann die Kontinuität des Modells im nächsten Schritt leiden.

Die Interactions API kann den Zustand serverseitig verwalten:

json { "previous_interaction_id": "<previous interaction id>" }

Wenn Sie previous_interaction_id verwenden, speichert Google den Verlauf. Bei store: false müssen Sie die Denkblöcke und Signaturen selbst verwalten.

Bei generateContent verwalten Sie den Verlauf immer selbst. Prüfen Sie daher insbesondere Code, der contents aus einer gekürzten Kopie der letzten Antwort rekonstruiert.

7. Mehr Token pro Route einplanen

Dieser Punkt erzeugt keinen direkten Fehler und wird deshalb leicht übersehen. Artificial Analysis ermittelte bei hoher Denkfähigkeit im Durchschnitt rund 30 % mehr Ausgabetoken. Google weist außerdem darauf hin, dass Gemini 3.8 Flash bei langen und komplexen Aufgaben absichtlich mehr Token verwenden kann – besonders bei höheren Denkebenen.

Planen Sie das Budget pro Route:

Latenzempfindliche Endpunkte: low. Artificial Analysis maß 0,8 Minuten und 0,24 $ pro Aufgabe bei low, verglichen mit 2,5 Minuten und 0,58 $ bei high.
Standardrouten: medium, im selben Index etwa 0,41 $ pro Aufgabe.
Agenten-Schleifen: Begrenzen Sie die Anzahl der Durchläufe, nicht nur die Token.

Prüfen Sie außerdem die maximale Ausgabe von 65.536 Token. Ein Gemini-3.7-Flash-Prompt, der 40.000 Token inklusive Denken erzeugt hat, kann bei Gemini 3.8 Flash näher an diese Grenze kommen.

Die vollständige Kostenaufschlüsselung nach Denkebene finden Sie im Artikel Gemini-3.8-Flash-Preisaufschlüsselung.

8. `media_resolution_high` für PDFs und Videos getrennt testen

Gemini 3.8 Flash akzeptiert Text-, Bild-, Video-, Audio- und PDF-Eingaben. Die Medieneinstellung beeinflusst, wie viele Token die Eingabe verbraucht. Die Kosten hängen zusätzlich vom Medientyp ab.

Eine globale Einstellung für hohe Auflösung kann bei einer PDF-Seite sinnvoll, bei einem langen Video aber teuer sein.

Testen Sie deshalb jeweils ein repräsentatives PDF und Video mit jeder Auflösungsstufe und vergleichen Sie:

text usageMetadata.promptTokenCount

Übernehmen Sie keine globale media_resolution_high-Konfiguration aus Gemini 3.7 Flash, ohne den Verbrauch gemessen zu haben.

9. Bildsegmentierungsaufrufe entfernen

Bildsegmentierung wird von Gemini-3-Modellen nicht unterstützt. Wenn Ihre Pipeline diesen Schritt bisher über ein älteres Gemini-Modell ausgeführt hat, ist das ein separater Pfad und nicht Teil dieser Migration.

Ein Prompt, der Gemini 3.8 Flash nach Segmentierungsmasken fragt, wird voraussichtlich fehlschlagen, statt eine nutzbare Ausgabe zu erzeugen. Laut Modellseite werden außerdem Bildgenerierung, Audiogenerierung und die Live API nicht unterstützt.

Regressionstests in Apidog einrichten

Eine Migration mit zwei Breaking Changes und verändertem Token-Verbrauch sollte mit einem wiederholbaren Vergleich getestet werden – nicht mit einem einzelnen curl-Aufruf.

Apidog sendet die Anfragen, prüft die Antworten und plant Testläufe. Das Modell selbst wird dabei nicht in Apidog ausgeführt.

Umgebung und Variablen

Erstellen Sie eine Gemini-Umgebung mit:

GEMINI_API_KEY als geheimer Variable,
MODEL als Modellvariable.

Verwenden Sie {{MODEL}} in der URL der generateContent-Anfrage sowie im model-Feld der Interactions-Anfrage. So können Sie dieselbe gespeicherte Anfrage gegen beide Modelle ausführen.

Goldene Prompts

Speichern Sie 10 bis 20 Prompts, die Ihre echten Routen abbilden, zum Beispiel:

eine kurze Chat-Runde,
eine Extraktion mit strukturierter Ausgabe,
einen zweistufigen Funktionsaufruf mit simuliertem Tool,
eine PDF-Eingabe,
eine Video-Eingabe.

Jeder Prompt wird als Anfrage in einem Testszenario gespeichert.

Assertions

Fügen Sie pro Anfrage mindestens drei Assertions hinzu:

Der Status ist 200, und der Antwortkörper entspricht einem JSON-Schema.
Bei strukturierter Ausgabe enthalten die nachgelagert verarbeiteten Felder die erwarteten Werte.
usageMetadata.thoughtsTokenCount bleibt unter dem Routenlimit, zum Beispiel 8.000 Token für eine low-Route.
usageMetadata.totalTokenCount bleibt unter dem Budget aus Schritt 7.

Die Assertion für thoughtsTokenCount erkennt Konfigurationen, die unbeabsichtigt auf medium zurückfallen.

Modelle nebeneinander ausführen

Duplizieren Sie das Szenario:

Szenario A: MODEL=gemini-3.7-flash
Szenario B: MODEL=gemini-3.8-flash

Die Apidog-Testberichte zeigen den Status jeder Assertion und die Antwortkörper. Dadurch wird das Token-Delta pro Prompt sichtbar, ohne Logs manuell vergleichen zu müssen.

Fügen Sie beim Funktionsaufruf zusätzlich eine Assertion hinzu, dass die zurückgesendete call_id der id des vorherigen function_call-Schritts entspricht.

Geplante Testläufe

Planen Sie das Gemini-3.8-Flash-Szenario als täglichen Lauf, damit Token-Obergrenzen während des Rollouts dauerhaft geprüft werden. Der Leitfaden für geplante API-Tests beschreibt die Einrichtung.

Wenn Sie direkt in der App starten möchten, können Sie Apidog herunterladen und die oben genannten Fragmente importieren.

Rollback über ein Konfigurations-Flag

Da Gemini 3.7 Flash weiterhin vollständig unterstützt wird und denselben Preis wie Gemini 3.8 Flash hat, ist ein Rollback unkompliziert. Halten Sie die Modell-ID in der Konfiguration statt im Code:

json { "gemini_model": "gemini-3.8-flash", "gemini_fallback_model": "gemini-3.7-flash" }

Beachten Sie drei Regeln:

Eine Anforderungsform für beide Modelle verwenden.

Die Punkte 1 bis 6 gelten auch für Gemini 3.7 Flash: kein minimal, keine Sampling-Parameter, thinking_level statt thinking_budget, kein candidate_count, call_id und name bei Funktionsergebnissen sowie unveränderte Signaturen. Ein Rollback benötigt dadurch keinen zweiten Codepfad.
Route für Route ausrollen.

Beginnen Sie mit low-Latenzrouten, da dort das Token-Delta am kleinsten ist. Agenten-Schleifen sollten erst folgen, wenn der Side-by-Side-Test mehrere Tage stabil war.
Token statt nur Fehler überwachen.

Bei Gemini 3.8 Flash ist eine Kosten- oder Latenzregression wahrscheinlicher als ein 4xx-Fehler. Integrieren Sie die Token-Assertions deshalb auch in Ihr Alarmsystem.

FAQ

Kostet Gemini 3.8 Flash mehr als Gemini 3.7 Flash?

Nicht pro Token. Beide Modelle kosten bis zum 31. Dezember 2026 0,75 $ pro 1 Mio. Input-Token und 3,75 $ pro 1 Mio. Output-Token. Ab dem 1. Januar 2027 steigen die Preise für beide Modelle auf 1,50 $ beziehungsweise 7,50 $.

Gemini 3.8 Flash verwendet pro Aufgabe designbedingt mehr Token. Artificial Analysis maß bei hoher Denkfähigkeit etwa 30 % mehr Ausgabetoken.

Was passiert bei `thinking_level: "minimal"`?

Die Anfrage schlägt bei Gemini 3.8 Flash mit einem Validierungsfehler fehl. Ersetzen Sie den Wert durch low.

Weitere Details enthält der Leitfaden zu den Gemini-3.8-Flash-Denkebenen.

Muss ich zur Interactions API wechseln?

Nein. generateContent gilt als älterer Endpunkt, bleibt aber vollständig unterstützt. Ein Enddatum wurde nicht veröffentlicht.

Die Interactions API bietet zusätzlich serverseitigen Gesprächszustand über previous_interaction_id. Dadurch müssen Sie Denk-Signaturen nicht selbst über mehrere Aufrufe hinweg verwalten.

Wird Gemini 3.7 Flash eingestellt?

Google sagt, dass Gemini 3.7 Flash vollständig unterstützt bleibt. Ein Enddatum wurde nicht veröffentlicht. Ein Rollback über ein Konfigurations-Flag ist daher praktikabel.

Kann ich meine bisherige Temperatur beibehalten?

Google empfiehlt für alle Gemini-3-Modelle den Standardwert 1.0. Wenn Sie bei Gemini 3.7 Flash eine niedrigere Temperatur verwendet haben, sollten Sie sie im Rahmen dieser Migration entfernen und die Regressionstests erneut ausführen.

Für deterministische Ausgabeformen sind strukturierte Ausgaben der unterstützte Ansatz.

Schrittweise bereitstellen

Die eigentliche Migration ist klein:

eine Modell-ID ändern,
Konfigurationen löschen oder umbenennen,
call_id und name bei Tool-Ergebnissen ergänzen,
Denk-Signaturen prüfen,
Token-Budgets pro Route testen.

Der zeitaufwändige Teil ist der Nachweis, dass Kosten und Latenz innerhalb des Budgets bleiben. Speichern Sie deshalb goldene Prompts, prüfen Sie Schema- und Token-Obergrenzen und führen Sie Gemini 3.7 Flash und Gemini 3.8 Flash zunächst nebeneinander aus.

Schalten Sie anschließend das Konfigurations-Flag Route für Route um. Wenn eine Route regressiert, können Sie sie ohne Codeänderung auf Gemini 3.7 Flash zurücksetzen und die bereits stabilen Routen weiter mit Gemini 3.8 Flash betreiben.

Weiterführende Links

Gemini 3.8 Flash vs 3.7 Flash Vergleich: Was ist neu und lohnt sich ein Upgrade?

Emre Demir — Thu, 03 Sep 2026 08:35:14 +0000

Gemini 3.8 Flash vs. 3.7 Flash: Lohnt sich das Upgrade?

Google hat Gemini 3.8 Flash am 2. September 2026 veröffentlicht – drei Wochen nach Gemini 3.7 Flash und sechs Wochen nach 3.6 Flash. Einführungspreis, Kontextfenster und Geschwindigkeit bleiben praktisch unverändert: 0,75 $ pro Million Eingabe-Token und 3,75 $ pro Million Ausgabe-Token bis zum 31. Dezember, 1 Mio. Kontext-Token und laut Google ungefähr dieselbe Geschwindigkeit. Neu ist die Arbeitsweise: Das Modell zerlegt schwierige Aufgaben in kleinere Denk- und Argumentationsschritte, prüft seine Ausgaben selbst und ruft Tools iterativ auf. Dadurch steigen die Benchmark-Ergebnisse – aber auch der Tokenverbrauch pro Aufgabe.

Jetzt Apidog testen

Die relevante Upgrade-Frage lautet daher nicht nur: „Ist 3.8 Flash besser?“ Auf dem Papier ja. Entscheidend ist, ob die zusätzliche Qualität den höheren Tokenverbrauch rechtfertigt und ob die Breaking Changes Ihren Code betreffen.

Google sagt außerdem, dass Gemini 3.7 Flash weiterhin vollständig unterstützt wird. Ein Support-Enddatum wurde nicht veröffentlicht. Ein sofortiger Wechsel ist daher nicht erforderlich.

Gemini 3.8 Flash und 3.7 Flash im Vergleich

Merkmal	Gemini 3.8 Flash	Gemini 3.7 Flash
Modell-ID	`gemini-3.8-flash`	`gemini-3.7-flash`
Veröffentlichung	2. September 2026	13. August 2026
Basis	Laut Modellkarte auf 3.7 Flash basierend	–
Kontext / maximale Ausgabe	1.048.576 / 65.536 Token	Gleich
Einführungspreis Eingabe (bis 31. Dezember 2026)	0,75 $ pro Million Token	0,75 $ pro Million Token
Einführungspreis Ausgabe (bis 31. Dezember 2026)	3,75 $ pro Million Token, Denkprozess inklusive	3,75 $ pro Million Token, Denkprozess inklusive
Standardpreis ab 1. Januar 2027	1,50 $ / 7,50 $	1,50 $ / 7,50 $
Kontext-Cache-Lesen	0,075 $ pro Million Token bei Einführung	Gleich
Batch	50 % Rabatt, gleiche Warteschlangen-Tokenstufen	Gleich
Denk-/Argumentationsstufen	`low`, `medium` (Standard), `high`	`low`, `medium`, `high`
`minimal`	Validierungsfehler	Akzeptiert; laut Migrationshinweis auf `low` abbilden
Wissensstand	März 2026	In den 3.8-Dokumenten nicht erneut aufgeführt
Ausgabe-Geschwindigkeit (Artificial Analysis)	Rund 300 Token/s; gemessen: 302,1 bei `high`	Laut Google ungefähr gleich schnell
Artificial-Analysis-Intelligenzindex	59 bei `high`	56 bei `high`
Support	Aktuell	Vollständig unterstützt, kein Enddatum

Was unverändert bleibt

Preis und Kontingente

Beide Modelle verwenden dieselben Preisstufen:

0,75 $ pro Million Eingabe-Token und 3,75 $ pro Million Ausgabe-Token bis zum 31. Dezember 2026
1,50 $ pro Million Eingabe-Token und 7,50 $ pro Million Ausgabe-Token ab dem 1. Januar 2027
Kontext-Cache-Lesen: 0,075 $ pro Million Token bei Einführung
50 % Batch-Rabatt
5.000 kostenlose Google-Search-Grounding-Anfragen pro Monat, geteilt über alle Gemini-3.x-Modelle

Die detaillierten Spezifikationen und Preisreferenzen von Gemini 3.7 Flash gelten daher weitgehend auch für 3.8 Flash.

Kontext, Ein- und Ausgabe

Beide Modelle unterstützen:

1.048.576 Eingabe-Token
65.536 Ausgabe-Token
Text, Bild, Video, Audio und PDF als Eingabe
Text als Ausgabe

Nicht unterstützt werden Audio-Generierung, Bild-Generierung und die Live API.

Geschwindigkeit

Google beschreibt 3.8 Flash als Modell mit „gleichem Preis wie 3.7“ und „ungefähr gleicher Geschwindigkeit“.

Artificial Analysis maß bei Gemini 3.8 Flash ungefähr 302,1 Ausgabe-Token pro Sekunde bei high. Das ist der Durchsatz, sobald die Ausgabe beginnt. Die Zeit bis zum ersten Token betrug im selben Test 13,30 Sekunden, weil das Modell bei high zunächst argumentiert.

API-Oberfläche

Die Interactions API ist Googles primärer Pfad für Gemini 3.x. Der bisherige generateContent-Endpunkt bleibt vollständig unterstützt; ein Enddatum gibt es nicht.

In vielen Fällen reicht es, in einer bestehenden 3.7-Integration den Modellnamen auf gemini-3.8-flash zu ändern. Die Ausnahmen stehen im Abschnitt Breaking Changes.

Was sich verbessert

Google bezeichnet Gemini 3.8 Flash als „unser intelligentestes Flash-Modell“. Es wurde insbesondere für folgende Szenarien entwickelt:

Softwareentwicklung mit langen Zeithorizonten
autonome Agenten
komplexe Unternehmens-Workflows
iterative Tool-Nutzung
dokumentenlastige Aufgaben

Bei schwierigen Aufgaben führt das Modell zusätzliche Denk- und Argumentationsschritte aus, ruft Tools in Schleifen auf und überprüft seine Arbeit während der Ausführung.

Googles Benchmarks

Google veröffentlichte auf der DeepMind-Flash-Seite drei numerische Vergleiche mit 3.7 Flash:

Benchmark	3.8 Flash	3.7 Flash	Differenz
Vals Finance Agent v2	61,4 %	59,0 %	+2,4
HLE-Verified	54,9 %	53,6 %	+1,3
Harvey Legal Agent Benchmark	10,0 %	8,8 %	+1,2

Die Zuwächse sind nicht spektakulär, aber konstant. In Googles Tabelle übertrifft 3.8 Flash außerdem größere Modelle, darunter Claude Opus 5 mit 58,6 % bei Vals Finance und 54,4 % bei HLE-Verified. Der Dreiervergleich mit Claude Fable 5.1 und GPT-5.6 Sol führt diesen Vergleich weiter.

Unabhängige Ergebnisse von Artificial Analysis

Artificial Analysis bewertet Gemini 3.8 Flash bei high mit 59 Punkten auf dem eigenen Intelligenzindex:

Gemini 3.6 Flash: 52
Gemini 3.7 Flash: 56
Gemini 3.8 Flash: 59

Damit liegt 3.8 Flash auf dem Niveau von GPT-5.6 Sol bei xhigh und Grok 4.6 bei medium. Es liegt einen Punkt über Claude Fable 5.1 bei medium.

Für Tool-Nutzung ist der τ³-Banking-Wert relevanter: Gemini 3.8 Flash erreichte 45 %, zwölf Punkte mehr als Gemini 3.7 Flash. Wenn Ihre Agenten tatsächlich Tools aufrufen, ist dieser Wert aussagekräftiger als ein allgemeiner Intelligenzindex.

Dokumentenlastige Agenten-Workflows

Google behauptet, Gemini 3.8 Flash erledige bei langlaufenden, dokumentenlastigen Workflows mehr als dreimal so viele Aufgaben wie Gemini 3.7 Flash.

Das Ergebnis stammt aus einer internen Bewertung und ist kein öffentlich reproduzierbarer Benchmark. Es ist daher eher als Richtungsangabe zu verstehen. Die Behauptung passt jedoch zur Architektur des Modells: Zusätzliche Prüfschritte helfen besonders bei Workflows, in denen ein einzelner Fehler einen 40-Schritte-Prozess scheitern lassen kann.

Codierung

Bei DeepSWE v1.1 erreichte Gemini 3.7 Flash 65,3 %, gegenüber 49,0 % bei Gemini 3.6 Flash.

Google sagt, Gemini 3.8 Flash übertreffe dort „die meisten größeren Frontier-Modelle“ zu einem Bruchteil der Kosten. Der genaue 3.8-Prozentwert steht allerdings nur in den Bildtabellen der Modellkarte und nicht im veröffentlichten Text. Deshalb wird hier keine Zahl angegeben.

Für SWE-Bench Pro, Terminal-Bench und OSWorld veröffentlichte Google im Text ebenfalls keine 3.8-Flash-Werte. Wenn diese Benchmarks für Ihre Entscheidung wichtig sind, sollten Sie unabhängige Tests abwarten.

Sicherheit und Prompt-Injection-Resistenz

Google meldet einen „signifikanten Sprung“ bei Gray-Swan-Prompt-Injection-Tests, ohne genaue Zahlen zu veröffentlichen.

Die in der Modellkarte angegebenen Änderungen gegenüber 3.7 Flash sind kleiner:

Mehrsprachige Sicherheit: +5,4 Punkte
Text-zu-Text-Sicherheit: −0,4 Punkte
Ungerechtfertigte Ablehnungen: +1,1 Punkte

Der letzte Wert bedeutet eine leichte Zunahme übermäßiger Ablehnungen.

Was das Upgrade kostet

Die Tokenpreise sind gleich geblieben. Die Kosten pro erledigter Aufgabe steigen jedoch, weil Gemini 3.8 Flash systembedingt mehr Ausgabe-Token verwenden kann – insbesondere bei höheren Denkstufen.

Artificial Analysis maß durchschnittlich 48.000 Ausgabe-Token pro Aufgabe. Das sind 30 % mehr als bei Gemini 3.7 Flash.

Konfiguration	Kosten pro Aufgabe	Zeit pro Aufgabe
Gemini 3.7 Flash, `high`	0,40 $	2,2 Min.
Gemini 3.8 Flash, `low`	0,24 $	0,8 Min.
Gemini 3.8 Flash, `medium`	0,41 $	Nicht veröffentlicht
Gemini 3.8 Flash, `high`	0,58 $	2,5 Min.

Daraus ergeben sich drei praktische Konsequenzen:

Bei high kostet 3.8 Flash rund 45 % mehr pro Aufgabe als 3.7 Flash bei high und benötigt 14 % mehr reale Rechenzeit.
Bei medium liegt 3.8 Flash nahezu auf dem Preisniveau von 3.7 Flash bei high. Ein Upgrade innerhalb desselben Budgets ist daher möglich, wenn medium für Ihre Qualitätsanforderungen ausreicht.
low ist die günstigste und schnellste Konfiguration. Sie eignet sich für latenzkritische Routen, auf denen 3.7 Flash bisher aus Gewohnheit mit high ausgeführt wurde.

Die Preisaufschlüsselung für Gemini 3.8 Flash berücksichtigt diesen Unterschied bei täglichen Volumen. Wenn Sie pro Aufgabe bezahlen, ist das Upgrade nicht kostenlos. Die Denkstufe ist der wichtigste Regler dafür, wie viel zusätzliche Qualität Sie kaufen.

Breaking Changes

Zwei Änderungen betreffen bestehenden 3.7-Flash-Code direkt.

`thinking_level: "minimal"` wird abgelehnt

Gemini 3.8 Flash akzeptiert nur:

low
medium
high

Eine Konfiguration mit minimal führt zu einem Validierungsfehler. Migrieren Sie sie auf low:

{
  "thinkingConfig": {
    "thinkingLevel": "low"
  }
}

Der Leitfaden zu Denk- und Argumentationsstufen beschreibt die Unterschiede bei Qualität, Kosten und Latenz.

Funktionsantworten brauchen `call_id` und `name`

In der Interactions API muss jedes function_result sowohl call_id als auch name enthalten.

Beim veralteten generateContent-Endpunkt benötigt jedes functionResponse die passende id und name.

Code, der Funktionsresultate bisher nur anhand des Funktionsnamens zurückgab, kann beim zweiten Durchlauf einer Tool-Schleife fehlschlagen.

Weitere Gemini-3-Regeln prüfen

Der Migrationsleitfaden von 3.7 zu 3.8 Flash empfiehlt außerdem, die folgenden Regeln zu überprüfen:

temperature auf der Standardeinstellung 1.0 belassen. Google warnt, dass niedrigere Werte Schleifen oder schlechtere Leistung verursachen können.
thinking_level statt eines Integer-Werts in thinking_budget verwenden.
candidate_count entfernen.
Gedankensignaturen exakt so zurückgeben, wie sie empfangen wurden.

Diese Punkte sind nicht neu für 3.8 Flash. Eine 3.7-Codebasis, die sie bisher ignoriert hat, kann dadurch beim Modellwechsel Probleme sichtbar machen.

Entscheidungsmatrix nach Arbeitslast

Arbeitslast	Empfehlung	Begründung
Mehrstufige Agenten mit Tool-Aufrufen	Upgrade auf `medium` oder `high`	+12 Punkte bei τ³-Banking; iterative Tool-Schleifen sind der Kern von 3.8
Langdokumentenextraktion und -prüfung	Upgrade	Googles Behauptung zur dreifachen Aufgabenleistung zielt genau auf diesen Fall
Agentengestützte Codierung in einem Testrahmen	Upgrade, dann messen	Der DeepSWE-Textwert ist nicht veröffentlicht
Finanz-, Rechts- und Forschungsagenten	Upgrade	Alle drei veröffentlichten Google-Vergleiche sprechen für 3.8
Hochvolumige Klassifizierung, Extraktion und Chat	Bei 3.7 bleiben oder 3.8 mit `low` verwenden	Die Kosten pro Aufgabe sind entscheidend
Latenzkritische Benutzerendpunkte	3.8 mit `low`	0,8 Minuten pro Aufgabe gegenüber 2,2 Minuten bei 3.7 mit `high`
Workloads mit `minimal` Thinking	Zuerst migrieren	Die Konfiguration verursacht einen Validierungsfehler
Batch-Pipelines mit Cent-genauer Kalkulation	Bei 3.7 bleiben, bis neu bewertet	Gleicher Tokenpreis, aber 30 % mehr Ausgabe-Token

Das Muster ist eindeutig:

Je schwieriger und länger die Aufgabe, desto eher rechtfertigt das „arbeitet härter“-Design von 3.8 Flash den höheren Tokenverbrauch.
Je kürzer und repetitiver die Aufgabe, desto geringer ist der Qualitätsgewinn.
Die Denkstufe entscheidet maßgeblich über Kosten und Latenz.

Beide Modelle in Apidog mit demselben Testszenario testen

Die Werte von Artificial Analysis stammen aus einem externen Testrahmen. Vor dem Wechsel in der Produktion sollten Sie Ihre eigenen Prompts mit beiden Modellen ausführen und Tokenverbrauch, Qualität und Latenz vergleichen.

Mit Apidog lässt sich ein solcher Vergleich schnell aufsetzen.

1. API-Anfrage konfigurieren

Setzen Sie GEMINI_API_KEY als Umgebungsvariable in einer Apidog-Umgebung.

Erstellen Sie anschließend eine POST-Anfrage an:

https://generativelanguage.googleapis.com/v1beta/models/{{model}}:generateContent

Lesen Sie den API-Schlüssel aus der Umgebungsvariable GEMINI_API_KEY im Header x-goog-api-key.

Machen Sie model zu einer Szenario-Variablen. Verwenden Sie für beide Läufe denselben Request-Body:

{
  "contents": [
    {
      "parts": [
        {
          "text": "{{golden_prompt}}"
        }
      ]
    }
  ],
  "generationConfig": {
    "thinkingConfig": {
      "thinkingLevel": "medium"
    }
  }
}

2. Testszenario mit beiden Modellen erstellen

Erstellen Sie zwei Schritte:

Anfrage mit model = gemini-3.7-flash
Dieselbe Anfrage mit model = gemini-3.8-flash

Fügen Sie für jeden Schritt Assertions hinzu für:

usageMetadata.candidatesTokenCount
usageMetadata.thoughtsTokenCount
eine Obergrenze, die Ihrem Budget entspricht
jeden JSON-Pfad, den Ihre Anwendung tatsächlich verwendet

Führen Sie das Szenario mit zehn bis zwanzig Golden Prompts aus. Der Testbericht zeigt die Antworten und Assertion-Ergebnisse beider Modelle gemeinsam. So erhalten Sie Ihre eigene Token-Differenz anstelle einer fremden Benchmark-Zahl.

3. Tokenverbrauch als Regression testen

Planen Sie das Szenario, damit ein späterer Anstieg der Denk-Token nach einem Modellupdate einen Test fehlschlagen lässt – statt erst auf der Rechnung sichtbar zu werden.

Apidog herunterladen; der kostenlose Plan deckt diesen Workflow ab. Eine Anleitung zum Planen von API-Tests in Apidog zeigt die einzelnen Schritte.

FAQ

Ist Gemini 3.8 Flash schneller als 3.7 Flash?

Nein. Google beschreibt die Geschwindigkeit als ungefähr gleich. Artificial Analysis maß bei high etwa 300 Ausgabe-Token pro Sekunde.

Da 3.8 Flash mehr Denkschritte ausführt, stieg die reale Zeit pro Aufgabe im Test jedoch leicht:

3.7 Flash, high: 2,2 Minuten
3.8 Flash, high: 2,5 Minuten
3.8 Flash, low: 0,8 Minuten

Kostet Gemini 3.8 Flash mehr als 3.7 Flash?

Nicht pro Token. Beide Modelle kosten bis zum 31. Dezember 0,75 $ pro Million Eingabe-Token und 3,75 $ pro Million Ausgabe-Token. Ab dem 1. Januar 2027 steigen die Preise auf 1,50 $ beziehungsweise 7,50 $.

Pro Aufgabe kostet 3.8 Flash im Artificial-Analysis-Test mehr:

3.7 Flash, high: 0,40 $
3.8 Flash, high: 0,58 $

Der Grund sind rund 30 % mehr Ausgabe-Token.

Wird Google Gemini 3.7 Flash einstellen?

Google sagt, dass 3.7 Flash weiterhin vollständig unterstützt wird. Ein Enddatum wurde nicht veröffentlicht. Sie können das Modell daher weiterverwenden. Der „What’s new in 3.7 Flash“-Beitrag bleibt die Referenz für diese Version.

Was ändert sich beim Wechsel zu 3.8 Flash?

Zwei Punkte:

thinking_level: "minimal" verursacht den Fehler 400 INVALID_ARGUMENT.
Jede Funktionsantwort muss sowohl Aufruf-ID als auch Namen enthalten:
- call_id und name in der Interactions API
- id und name in generateContent

Die übrige Gemini-3-API bleibt unverändert.

Wie groß ist der Sprung von 3.6 zu 3.7 im Vergleich zu 3.7 zu 3.8?

Gemini 3.7 Flash war der größere Leistungssprung:

DeepSWE: 49,0 % auf 65,3 %
Artificial-Analysis-Index: 52 auf 56

Der Sprung zu 3.8 Flash beträgt drei Punkte beim Index und basiert stärker auf einer Neugestaltung der Token-Ausgabe und des Denkprozesses.

Für die frühere Generation siehe Gemini 3.6 Flash vs. Gemini 3.5 Flash, einschließlich der Preissenkung, mit der diese Veröffentlichungsreihe begann.

Fazit

Führen Sie ein Upgrade durch, wenn Ihre Workloads agentenbasiert, tool-lastig oder dokumentenlastig sind. In diesen Szenarien zeigen sowohl Google als auch Artificial Analysis Verbesserungen, und die zusätzlichen Token können sich durch mehr erfolgreich abgeschlossene Aufgaben amortisieren.

Bleiben Sie bei Gemini 3.7 Flash oder verwenden Sie Gemini 3.8 Flash mit low, wenn Sie kurze, repetitive Aufrufe ausführen und die Kosten pro Aufgabe entscheidend sind.

Unabhängig von der Entscheidung:

Ersetzen Sie minimal durch low.
Ergänzen Sie call_id beziehungsweise id und name in allen Funktionsantworten.
Messen Sie Tokenverbrauch, Qualität und Latenz mit Ihren eigenen Prompts.
Automatisieren Sie den Vergleich, damit steigende Denk-Token als Testfehler erscheinen.

Quellen

Gemini 3.8 Flash Preise: Einführungspreise, Denk-Token und die realen Kosten pro Aufgabe

Emre Demir — Thu, 03 Sep 2026 08:29:08 +0000

Gemini 3.8 Flash: Preise, Tokenverbrauch und Kostenkontrolle

Gemini 3.8 Flash kostet 0,75 $ pro Million Eingabe-Tokens und 3,75 $ pro Million Ausgabe-Tokens – derselbe Einführungspreis wie bei Gemini 3.7 Flash. Dieser Preis gilt bis zum 31. Dezember 2026. Ab dem 1. Januar 2027 verdoppeln sich die Preise auf 1,50 $ beziehungsweise 7,50 $. Die gleiche Verdoppelung gilt an diesem Tag auch für Gemini 3.6 Flash und 3.7 Flash.

Apidog heute ausprobieren

Der Listenpreis pro Token ist also zunächst unverändert. Gestiegen ist jedoch die Anzahl der Tokens, die Gemini 3.8 Flash für eine Aufgabe verwendet.

Google beschreibt das Modell als leistungsfähigeres „Arbeitstier“: Es führt mehr Denkprozesse aus, ruft Tools iterativ auf und kann bei komplexen Aufgaben designbedingt mehr Tokens verbrauchen. Artificial Analysis hat diesen Effekt gemessen: Der Intelligence Index kostete mit Gemini 3.8 Flash auf hoher Denkstufe 0,58 $ pro Aufgabe gegenüber 0,40 $ bei Gemini 3.7 Flash – bei rund 30 % mehr Ausgabe-Tokens.

Gleicher Tokenpreis, höhere Rechnung.

Dieser Leitfaden zeigt:

die Preise von Gemini 3.8 Flash,
wie Denk-Tokens abgerechnet werden,
welche Auswirkungen die Denkstufe auf die Kosten hat,
wie sich 1.000 Aufgaben pro Tag auswirken,
wie Gemini 3.8 Flash im Vergleich zu Flash-Lite, Claude Sonnet 5 und GPT-5.6 Luna abschneidet,
wie Sie Kostenregressionen mit Apidog erkennen.

Für den grundlegenden Modellüberblick lesen Sie zunächst Was ist Gemini 3.8 Flash?.

Gemini-3.8-Flash-Preise auf einen Blick

Alle Preise gelten pro 1 Million Tokens auf der kostenpflichtigen Stufe.

Tarif	Einführung bis 31. Dez. 2026	Standard ab 1. Jan. 2027
Eingabe: Text, Bild, Video, Audio, PDF	0,75 $	1,50 $
Ausgabe inklusive Denk-Tokens	3,75 $	7,50 $
Kontext-Cache-Lesen	0,075 $	0,15 $
Cache-Speicher pro 1 Mio. Tokens/Stunde	0,50 $	1,00 $
Batch-API-Eingabe, 50 % Rabatt	0,375 $	0,75 $
Batch-API-Ausgabe, 50 % Rabatt	1,875 $	3,75 $
Google-Search-Verankerung	5.000 kostenlose Anfragen pro Monat, danach 14 $ pro 1.000 Anfragen	Gleich
Kostenlose Stufe	0 $, ratenbegrenzt; Daten werden zur Verbesserung von Google-Produkten verwendet	Gleich

Die vollständige offizielle Gemini-API-Preisseite enthält die Details.

Drei Punkte sind besonders wichtig:

Denk-Tokens werden als Ausgabe-Tokens mit 3,75 $ abgerechnet – nicht als Eingabe-Tokens.
Der Einführungspreis endet definitiv am 31. Dezember 2026.
Auch Gemini 3.6 Flash und 3.7 Flash werden am 1. Januar 2027 teurer. Ein älteres Modell schützt Sie daher nicht automatisch vor der Preiserhöhung.

Die Preisaufschlüsselung für Gemini 3.7 Flash zeigt dieselben Raten für ein Modell, das pro Aufgabe weniger Tokens verbraucht.

Denk-Tokens sind Ausgabe-Tokens

Gemini 3.8 Flash verarbeitet eine Anfrage zunächst intern und antwortet anschließend. Jeder Token dieses Denkprozesses wird als Ausgabe-Token gezählt.

In einer generateContent-Antwort finden Sie die Werte in usageMetadata:

promptTokenCount: Eingabe-Tokens,
thoughtsTokenCount: interne Denk-Tokens,
candidatesTokenCount: sichtbare Ausgabe-Tokens.

Denk- und sichtbare Ausgabe-Tokens werden gemeinsam mit 3,75 $ pro Million Tokens abgerechnet.

Die Denkintensität steuern Sie über:

thinking_level: low | medium | high

Der Standardwert für Gemini 3.8 Flash ist medium. Die Stufe minimal wurde entfernt und führt zu einem Validierungsfehler. Übernommene Konfigurationen müssen diesen Wert daher auf low abbilden.

Google beschreibt die Denkstufen als relativen Aufwand, nicht als festes Token-Budget. Denk-Tokens lassen sich deshalb nicht direkt begrenzen, wie es beim älteren ganzzahligen Attribut thinking_budget möglich war. Für die praktischen Unterschiede zwischen den Stufen siehe den Leitfaden zu den Denkstufen von Gemini 3.8 Flash.

Beispielrechnung

Angenommen, eine Anfrage verwendet:

10.000 Eingabe-Tokens,
2.000 sichtbare Ausgabe-Tokens,
6.000 Denk-Tokens.

Bei den Einführungspreisen ergibt sich:

Eingabe: 10.000 × 0,75 $ / 1.000.000 = 0,0075 $
Ausgabe: (2.000 + 6.000) × 3,75 $ / 1.000.000 = 0,03 $
Gesamt: 0,0375 $ pro Anfrage

Die Denk-Tokens verursachen 75 % der Ausgabekosten und 60 % der Gesamtkosten.

Ab dem 1. Januar 2027 kostet dieselbe Anfrage:

Eingabe: 0,015 $
Ausgabe: 0,06 $
Gesamt: 0,075 $

„Gleicher Preis wie Gemini 3.7 Flash“ ist daher nur die halbe Wahrheit: Der Preis pro Token bleibt zunächst gleich, der Tokenverbrauch steigt.

Warum die Kosten pro Aufgabe steigen

Googles Startbeitrag zu Gemini 3.8 Flash beschreibt den Kompromiss direkt: Bei komplexen Aufgaben führt das Modell zusätzliche Denkprozesse aus und ruft Tools iterativ auf, um Ergebnisse zu überprüfen.

Mehr Verarbeitungsschritte bedeuten:

mehr Denk-Tokens,
mehr Tool-Aufrufe in Agent-Schleifen,
höhere Kosten pro Aufgabe,
häufig längere Laufzeiten.

Google empfiehlt, bei Bedarf die Denkstufe zu reduzieren oder bei Gemini 3.7 Flash zu bleiben.

Artificial Analysis hat den Effekt im Benchmark zu Gemini 3.8 Flash quantifiziert:

Konfiguration	Kosten pro Aufgabe	Zeit pro Aufgabe
Gemini 3.8 Flash, `high`	0,58 $	2,5 Min.
Gemini 3.8 Flash, `medium`	0,41 $	nicht veröffentlicht
Gemini 3.8 Flash, `low`	0,24 $	0,8 Min.
Gemini 3.7 Flash, `high`	0,40 $	2,2 Min.

Die Werte stammen aus dem Intelligence Index von Artificial Analysis.

Daraus folgen drei praktische Vergleiche:

high bei Gemini 3.8 Flash kostet gegenüber Gemini 3.7 Flash rund 45 % mehr pro Aufgabe: 0,58 / 0,40 = 1,45.
Der Wechsel von high zu medium reduziert die Kosten bei Gemini 3.8 Flash um etwa 29 %.
Der Wechsel von high zu low reduziert die Kosten um etwa 59 %.

medium bei Gemini 3.8 Flash liegt damit nur etwa einen Cent über high bei Gemini 3.7 Flash. Der Vergleich zwischen Gemini 3.8 Flash und 3.7 Flash hilft bei der Entscheidung pro Arbeitslast.

Artificial Analysis nennt außerdem einen Mischpreis von 0,58 $ pro Million Tokens bei einem Eingabe-Ausgabe-Verhältnis von 3:1. Dass dieser Wert mit den Kosten pro Aufgabe bei high übereinstimmt, ist Zufall: Der Mischpreis hängt vom Tokenverhältnis ab, während die Kosten pro Aufgabe davon abhängen, wie viele Tokens das Modell tatsächlich erzeugt.

Einführungspreise vor dem 31. Dezember nutzen

„Einführungspreis sichern“ bedeutet nicht, dass Sie Nutzung für 2027 im Voraus bezahlen können. Google rechnet jeden Token mit dem Preis ab, der zum Zeitpunkt seines Verbrauchs gilt.

Sie können jedoch batchfähige oder diskretionäre Arbeiten vorziehen:

Führen Sie Rückläufe und einmalige Dokumentenverarbeitung noch 2026 über die Batch API aus.
Erstellen Sie Evaluierungssets und Basiswerte für den Tokenverbrauch vor der Preisänderung.
Legen Sie für jede Produktionsroute eine Denkstufe fest.
Wechseln Sie Routen, die mit low zuverlässig bestehen, bereits vor Januar auf low.

Batch-Beispiel

Ein Rücklauf mit insgesamt 100 Millionen Tokens – 75 Millionen Eingabe- und 25 Millionen Ausgabe-Tokens – kostet 2026 im Batch:

75 × 0,375 $ + 25 × 1,875 $
= 28,13 $ + 46,88 $
= 74,99 $

Ab Januar 2027 kostet derselbe Rücklauf 149,98 $.

Für einen breiteren Marktüberblick lesen Sie den Vergleich der günstigsten LLM-API-Anbieter. Premium-Alternativen behandelt der Vergleich von Fable 5.1 und GPT-5.6 Sol.

Vergleich mit Flash-Lite, Sonnet 5 und GPT-5.6 Luna

Preise pro 1 Million Tokens:

Modell	Eingabe	Ausgabe	Anmerkungen
Gemini 3.8 Flash, Einführung	0,75 $	3,75 $	Denk-Tokens als Ausgabe; Cache-Lesen 0,075 $
Gemini 3.8 Flash, ab 1. Jan.	1,50 $	7,50 $	Cache-Lesen 0,15 $
Gemini 3.5 Flash-Lite	0,30 $	2,50 $	Ca. 350 Tokens/s
Claude Sonnet 5	2 $	10 $	Dauerhaft; die Preiserhöhung vom 1. September wurde storniert
GPT-5.6 Luna	1 $	6 $ das 1,3-Fache.

Flash-Lite bleibt durchgehend günstiger.

Der reine Tokenpreis reicht für eine Modellauswahl nicht aus. Ein Modell mit höherem Tokenpreis kann pro Aufgabe günstiger sein, wenn es deutlich weniger Tokens verbraucht. Lassen Sie deshalb denselben Aufgabensatz durch jedes Modell laufen und vergleichen Sie die tatsächlichen Nutzungswerte.

Der Gemini-3.8-Flash-API-Leitfaden zeigt, wie Sie usageMetadata sowohl mit der Interactions API als auch mit der älteren generateContent-API auslesen.

Kostenregressionen mit Apidog erkennen

Das typische Problem bei Gemini 3.8 Flash ist nicht zwingend eine falsche Antwort. Es ist eine korrekte Antwort, die nach einer Prompt-Änderung oder einer neuen Denkstufe plötzlich 40 % mehr Tokens verwendet.

Mit Apidog können Sie Tokenzahlen wie Statuscodes behandeln und Assertions darauf ausführen.

1. API-Schlüssel als Umgebungsvariable speichern

Erstellen Sie in einer Apidog-Umgebung die Variable GEMINI_API_KEY und verwenden Sie sie im Header:

x-goog-[REDACTED CREDENTIAL]

Der Schlüssel bleibt damit aus gespeicherten Anfragen und Skripten heraus.

2. Golden Prompt senden

Speichern Sie für jede Produktionsroute eine repräsentative POST-Anfrage an:

https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent

Verwenden Sie dabei eine explizite Denkstufe, zum Beispiel:

{
  "generationConfig": {
    "thinkingConfig": {
      "thinkingLevel": "medium"
    }
  }
}

3. Nutzungsfelder prüfen

Fügen Sie ein Post-Processor-Skript hinzu, das den Lauf bei einer Überschreitung Ihrer Basiswerte fehlschlagen lässt:

const usage = pm.response.json().usageMetadata;

pm.test("Denk-Tokens innerhalb des Budgets", () => {
  pm.expect(usage.thoughtsTokenCount).to.be.below(8000);
});

pm.test("sichtbare Ausgabe innerhalb des Budgets", () => {
  pm.expect(usage.candidatesTokenCount).to.be.below(2500);
});

pm.test("Anfragekosten innerhalb des Budgets", () => {
  const cost = usage.promptTokenCount * 0.75 / 1e6
    + (usage.thoughtsTokenCount + usage.candidatesTokenCount) * 3.75 / 1e6;

  pm.expect(cost).to.be.below(0.05);
});

4. Tests regelmäßig ausführen

Fügen Sie die Anfrage in ein Testszenario ein und planen Sie regelmäßige Läufe. Ein Anstieg des Tokenverbrauchs wird dann am selben Tag als fehlgeschlagener Test sichtbar.

Der Leitfaden zum Planen von API-Tests in Apidog beschreibt die Einrichtung. Aktualisieren Sie am 1. Januar 2027 die beiden Preiskonstanten im Skript:

const inputPrice = 1.50;
const outputPrice = 7.50;

Das gleiche Testszenario eignet sich für den Anbietervergleich. Erstellen Sie Kopien für Flash-Lite, Sonnet 5 und Luna und vergleichen Sie die Nutzungsfelder nebeneinander.

Apidog herunterladen; der kostenlose Plan deckt diesen Workflow ab.

FAQ

Kostet Gemini 3.8 Flash mehr als 3.7 Flash?

Pro Token zunächst nicht. Beide Modelle kosten bis zum 31. Dezember 2026 0,75 $ für Eingabe-Tokens und 3,75 $ für Ausgabe-Tokens. Danach steigen die Preise auf 1,50 $ und 7,50 $.

Pro Aufgabe kostet Gemini 3.8 Flash jedoch mehr: Artificial Analysis maß 0,58 $ pro Indexaufgabe bei high, gegenüber 0,40 $ bei Gemini 3.7 Flash. Der Grund sind rund 30 % mehr Ausgabe-Tokens.

Werden Denk-Tokens separat abgerechnet?

Nein. Sie werden als Ausgabe-Tokens mit 3,75 $ pro Million Tokens abgerechnet und erscheinen unter usageMetadata.thoughtsTokenCount.

Sie steuern den Verbrauch indirekt über thinking_level. Ein festes Token-Budget gibt es bei Gemini 3.8 Flash nicht. Die Einstellung minimal führt zu einem Fehler.

Gibt es eine kostenlose Stufe?

Ja. Die kostenlose Stufe von AI Studio berechnet nichts für Eingabe oder Ausgabe, ist aber ratenbegrenzt. Google verwendet Daten aus der kostenlosen Stufe zur Verbesserung seiner Produkte.

Die Verbraucher-App Gemini bietet Gemini 3.8 Flash nur für AI-Pro- und Ultra-Abonnenten an. Weitere Informationen enthält der Leitfaden zur kostenlosen Nutzung von Gemini 3.8 Flash.

Was passiert mit den Kosten am 1. Januar 2027?

Eingabe-, Ausgabe-, Cache-Lese-, Cache-Speicher- und Batch-Preise verdoppeln sich. Bleibt der Tokenverbrauch pro Aufgabe gleich, verdoppelt sich auch Ihre Rechnung.

Die Preise von Gemini 3.6 Flash und 3.7 Flash steigen am selben Tag.

Welche Denkstufe hält die Kosten niedrig?

Artificial Analysis nennt folgende Orientierung:

low: 0,24 $ pro Indexaufgabe,
medium: 0,41 $,
high: 0,58 $.

Führen Sie eigene Evaluierungen durch und wählen Sie die niedrigste Denkstufe, die Ihre Qualitätsanforderungen erfüllt. Überwachen Sie zusätzlich die Tokenzahlen, damit die Konfiguration nicht unbemerkt abweicht.

Was Sie diese Woche tun sollten

Erfassen Sie den aktuellen Tokenverbrauch pro Route.
Evaluieren Sie low, medium und high mit einem repräsentativen Aufgabensatz.
Setzen Sie pro Route die niedrigste ausreichend gute Denkstufe.
Verschieben Sie batchfähige Arbeiten vor den 31. Dezember 2026.
Überwachen Sie thoughtsTokenCount, candidatesTokenCount und die berechneten Kosten mit Apidog.
Aktualisieren Sie die Preiskonstanten am 1. Januar 2027.

Gemini 3.8 Flash ist beim Tokenpreis mit Gemini 3.7 Flash vergleichbar, verbraucht aber Tokens wie ein größeres Modell. Behandeln Sie die Denkstufe deshalb als echte Kosteneinstellung – nicht als reine Qualitätsoption.

Gemini 3.8 Flash Denkniveaus: niedrig, mittel, hoch – warum minimal entfiel

Emre Demir — Thu, 03 Sep 2026 08:23:57 +0000

Gemini 3.8 Flash: Denkebenen richtig wählen, Kosten kontrollieren und testen

Gemini 3.8 Flash wird mit drei Denkebenen ausgeliefert: low, medium und high. Die Einstellung steuert, wie viele interne Überlegungen das Modell vor der Antwort anstellt – und beeinflusst dadurch Latenz, Ausgabe-Tokens und Kosten. Bei komplexen Aufgaben arbeitet Gemini 3.8 Flash intensiver als sein Vorgänger, deshalb ist die Wahl der Ebene besonders wichtig. Eine Einführung bietet die Gemini 3.8 Flash Übersicht; dieser Leitfaden konzentriert sich ausschließlich auf thinking_level.

Apidog heute ausprobieren

Zwei Details sorgen beim Einstieg häufig für Verwirrung:

Die Standardstufe ist medium, nicht high. Gemini 3 Pro verwendet standardmäßig high.
minimal, das ältere Gemini-3.7-Flash-Konfigurationen möglicherweise noch senden, wird bei Gemini 3.8 Flash abgelehnt.

Beides ist in den Neuerungen in Gemini 3.8 Flash dokumentiert.

Dieser Artikel zeigt:

was die einzelnen Ebenen leisten,
wie sich die Kosten unterscheiden,
wie Sie die Einstellung in beiden API-Varianten setzen,
welche Ebene zu welcher Route passt,
wie Sie die Unterschiede in Apidog reproduzierbar messen.

Denkebenen im Überblick

Ebene	Googles Empfehlung	Kosten pro Aufgabe (AA)	Zeit pro Aufgabe (AA)	Geeignet für
`low`	Minimiert Latenz und Kosten	$0.24	0,8 Min.	Chat, Klassifikation, Transkriptsuche, hohe Durchsatzraten
`medium` (Standard)	Standard für komplexen Code und agentische Arbeit	$0.41	nicht veröffentlicht	Die meisten Routen, allgemeine Video-Frage-und-Antwort
`high`	Maximale Überlegungstiefe	$0.58	2,5 Min.	Dichte visuelle QA, Videos über 60 Minuten, wichtige Planungsschritte
`minimal`	Nicht unterstützt	n/a	n/a	Nie verwenden; auf `low` migrieren

Die Kosten- und Zeitwerte stammen von Artificial Analysis. Sie kombinieren den Intelligence Index mit Googles Einführungspreisen pro Token. Es sind unabhängige Durchschnittswerte für eine Benchmark-Arbeitslast, nicht für Ihre individuellen Prompts. Verwenden Sie sie als Richtwerte und messen Sie anschließend Ihre eigenen Routen.

Was die einzelnen Ebenen tun

Gemini-3.8-Flash-Antworten können Denk-Tokens enthalten: interne Überlegungen, die vor der sichtbaren Antwort generiert werden. Sie werden als Ausgabe-Tokens abgerechnet:

$3,75 pro Million Output-Tokens bis zum 31.12.2026
$7,50 pro Million Output-Tokens ab dem 01.01.2027

Die API meldet diese Tokens separat als usageMetadata.thoughtsTokenCount.

low begrenzt die Überlegungen. Das erste Token kommt schneller, und die Ausgabekosten bleiben niedriger. Google empfiehlt diese Ebene für einfache Anweisungsbefolgung, Chat und Endpunkte mit hohem Durchsatz.
medium ist der Kompromiss und die Standardeinstellung. Google nennt sie als passende Ebene für komplexen Code und agentische Aufgaben.
high gibt dem Modell die größtmögliche Überlegungstiefe für schwierige, mehrstufige Probleme.

Gemini 3.8 Flash kann bei komplexen Aufgaben zusätzliche Überlegungsschritte ausführen, Tools iterativ aufrufen und die eigene Arbeit überprüfen. Google weist darauf hin, dass das Modell bei längeren und komplexeren Aufgaben – besonders auf höheren Ebenen – mehr Tokens verbrauchen kann.

Wenn der Verbrauch steigt, empfiehlt Google zuerst, thinking_level zu reduzieren. Als zweite Option können Sie bei Gemini 3.7 Flash bleiben, das weiterhin vollständig unterstützt wird.

`thinking_level` ist kein Token-Budget

thinking_level ist ein Enum, kein numerisches Budget. Das frühere thinking_budget gibt es bei Gemini-3-Modellen nicht mehr. Sie können also nicht „höchstens 2.000 Denk-Tokens“ anfordern. Stattdessen wählen Sie eine Ebene und messen anschließend deren tatsächlichen Verbrauch.

Der Standard ist `medium`, nicht `high`

Wenn Sie das Feld weglassen, verwendet Gemini 3.8 Flash medium. Das kann insbesondere in zwei Fällen unbemerkt zu einem anderen Kostenprofil führen:

Sie migrieren einen Prototyp von Gemini 3 Pro und erwarten weiterhin standardmäßig high.
Sie entfernen beim Upgrade von Gemini 3.7 Flash thinking_budget, ersetzen es aber nicht durch eine Denkebene.

Setzen Sie thinking_level deshalb explizit bei jeder Anfrage und pro Route – idealerweise in der Konfiguration statt direkt im Anwendungscode. So bleibt Ihr Kostenprofil stabil, auch wenn Google später Standardwerte ändert.

Warum `minimal` entfällt

minimal funktionierte bei Gemini 3.7 Flash, gehört aber nicht mehr zu den unterstützten Ebenen von Gemini 3.8 Flash. Die Modellseite listet nur low, medium und high.

Eine REST-Anfrage mit minimal wird bereits während der Validierung abgelehnt:

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "minimal" }
}

Die Antwort ist 400 INVALID_ARGUMENT mit einer Meldung wie:

Thinking level MINIMAL is not supported for this model.
Please retry with other thinking level.

SDKs verpacken diesen Fehler möglicherweise in eigene Ausnahmeklassen. Prüfen Sie daher den HTTP-Status 400 oder den Fehlercode INVALID_ARGUMENT, nicht den Nachrichtentext.

Ersetzen Sie minimal durch low:

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "low" }
}

Googles Migrationsanleitung empfiehlt genau diese Zuordnung: minimal → low. Weitere wichtige Hinweise finden Sie im 3.7-zu-3.8-Flash-Migrationsleitfaden.

Vermeiden Sie dabei zwei typische Workarounds:

Verwenden Sie nicht thinking_budget; es wird von Gemini-3-Modellen nicht unterstützt.
Senken Sie nicht temperature, um das Denken zu reduzieren. Google empfiehlt für Gemini 3 den Standardwert 1.0, da niedrigere Werte Schleifen oder schlechtere Ausgaben verursachen können.

Da die Validierung vor der Token-Generierung erfolgt, eignet sich eine geplante Testanfrage mit minimal als kostenloser Regressionstest.

Was die Ebenen kosten

Der Preis pro Token ändert sich nicht mit der Denkebene. Laut Googles Preisseite kostet Gemini 3.8 Flash zum Einführungspreis:

$0,75 pro Million Input-Tokens
$3,75 pro Million Output-Tokens

Ab dem 01.01.2027 steigen die Preise auf $1,50 beziehungsweise $7,50. Die Ebene beeinflusst ausschließlich, wie viele Output-Tokens das Modell erzeugt.

Modell und Ebene	Kosten pro Aufgabe	Zeit pro Aufgabe
Gemini 3.8 Flash `low`	$0.24	0,8 Min.
Gemini 3.8 Flash `medium`	$0.41	nicht veröffentlicht
Gemini 3.8 Flash `high`	$0.58	2,5 Min.
Gemini 3.7 Flash `high`	$0.40	2,2 Min.

Quelle: Artificial Analysis, Intelligence-Index-Läufe zu Einführungspreisen.

Daraus ergeben sich drei praktische Verhältnisse:

low kostet ungefähr 41 % von high und benötigt etwa ein Drittel der Zeit.
medium bei 3.8 Flash kostet ungefähr so viel wie high bei 3.7 Flash: $0,41 gegenüber $0,40.
high bei 3.8 Flash kostet pro Aufgabe etwa 45 % mehr als high bei 3.7 Flash, obwohl der Tokenpreis gleich bleibt. Der Grund sind im Durchschnitt etwa 30 % mehr Output-Tokens, rund 48.000 pro Indexaufgabe.

Der Intelligence-Index-Wert 59 von Artificial Analysis basiert auf einem high-Lauf. Für medium und low wurden im Artikel keine Indexwerte veröffentlicht. Gehen Sie daher nicht von einer linearen Qualitätskurve aus. Testen Sie Ihre eigenen Bewertungen, bevor Sie eine Route herabstufen.

Ein Beispiel für 1.000 Aufgaben pro Tag finden Sie im Artikel Gemini 3.8 Flash-Preise.

`thinking_level` in der Interactions API setzen

Die Interactions API ist Googles primäre Schnittstelle für Gemini 3.x. Die Einstellung liegt in generation_config und verwendet snake_case:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-[REDACTED CREDENTIAL] \
  -H 'Content-Type: application/json' \
  -d '{"model":"gemini-3.8-flash","input":"Explain HTTP caching in 3 sentences.","generation_config":{"thinking_level":"low"}}'

In Python:

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain HTTP caching in 3 sentences.",
    generation_config={"thinking_level": "low"},
)

print(interaction.output_text)

Da es sich um ein Feld auf Anfrageebene handelt, sollte es bei jedem Aufruf gesetzt werden – auch bei Folgeaufrufen mit previous_interaction_id.

Die Antwort besteht aus einer Liste von Ausführungsschritten, etwa Gedanken und Tool-Aufrufen, und endet mit model_output. Das SDK stellt den endgültigen Text als output_text bereit. Eine vollständige Einführung mit Multi-Turn-Zustand und Streaming bietet der Artikel Wie man die Gemini 3.8 Flash API verwendet.

`thinking_level` in `generateContent` setzen

Die ältere generateContent-Funktion wird weiterhin vollständig unterstützt und hat laut Google kein Enddatum. Hier liegt die Einstellung tiefer verschachtelt und verwendet camelCase:

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-[REDACTED CREDENTIAL] \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{"contents":[{"parts":[{"text":"Explain HTTP caching in 3 sentences."}]}],
       "generationConfig":{"thinkingConfig":{"thinkingLevel":"low","includeThoughts":true}}}'

In Python:

from google.genai import types

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Explain HTTP caching in 3 sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)

print(response.usage_metadata.thoughts_token_count)

includeThoughts: true fügt Gedankenzusammenfassungen als Teile mit thought: true hinzu. Das ist während der Kalibrierung hilfreich, sollte im normalen Betrieb aber meist deaktiviert werden.

Die relevante Kennzahl ist usageMetadata.thoughtsTokenCount: die genaue Anzahl der Denk-Tokens, die als Output abgerechnet wird.

Eine Strategie pro Route

Behandeln Sie die Denkebene als Routing-Entscheidung und nicht als globale Einstellung:

Chat und Autovervollständigung: low, wenn eine Person auf die Antwort wartet.
Klassifikation, Extraktion und Transkriptsuche: zunächst low, anschließend Genauigkeit mit einem eigenen Evaluierungslauf prüfen.
Codierungsagenten und Tool-Schleifen: medium. Eskalieren Sie einzelne Planungsschritte auf high, wenn deren Ergebnis alle folgenden Schritte steuert.
Dokumentenintensive, langfristig orientierte Workflows: high. Für nicht-interaktive Aufgaben kann die Batch API mit 50 % Rabatt sinnvoll sein.
Video: high für dichte visuelle QA oder Videos über 60 Minuten, medium für allgemeine Video-Frage-und-Antwort und low für Transkriptsuche.

Wenn selbst low für eine Route noch zu teuer oder zu langsam ist, prüfen Sie die Flash-Lite-Linie. Der Gemini-3.1-Flash-Lite-Leitfaden beschreibt den Kompromiss; Gemini 3.5 Flash-Lite startet mit $0,30 pro Million Input- und $2,50 pro Million Output-Tokens.

Halten Sie die Ebene in der pro-Routen-Konfiguration und setzen Sie gemini-3.7-flash hinter ein Feature-Flag. Steigt der Tokenverbrauch nach einem Upgrade, können Sie die Ebene oder das Modell ohne neue Codeveröffentlichung zurückstufen.

Alle drei Ebenen in Apidog testen

Benchmarkwerte liefern nur Verhältnisse. Für belastbare Entscheidungen brauchen Sie Ihre eigenen Prompts. Mit Apidog können Sie denselben Golden Prompt auf allen drei Ebenen ausführen und die Antworten, Tokenzahlen und Latenz vergleichen.

API-Schlüssel als Variable speichern

Erstellen Sie in einer Apidog-Umgebung GEMINI_API_KEY und verwenden Sie {{GEMINI_API_KEY}} im Header x-goog-api-key. Legen Sie zusätzlich THINKING_LEVEL an.
Eine Anfrage speichern

Verwenden Sie den Legacy-Endpunkt:

   POST /v1beta/models/gemini-3.8-flash:generateContent

Setzen Sie im Request:

   {
     "thinkingConfig": {
       "thinkingLevel": "{{THINKING_LEVEL}}"
     }
   }

Drei Testschritte anlegen

Importieren Sie dieselbe Anfrage dreimal und setzen Sie THINKING_LEVEL jeweils auf low, medium und high.
Messwerte prüfen

Bestätigen Sie pro Schritt:

HTTP-Status ist 200
usageMetadata.thoughtsTokenCount ist vorhanden
Antwortzeit und Denk-Tokenzahl von low bleiben unter dem Grenzwert Ihrer Route

Speichern Sie die Messwerte beispielsweise per Post-Processor in Variablen. Der high-Schritt sollte mindestens so viele Denk-Tokens wie der low-Schritt verwenden. Eine Umkehrung weist auf eine Modell- oder Konfigurationsänderung hin.

Regressionstest für minimal hinzufügen

Senden Sie zusätzlich thinkingLevel: "minimal" und erwarten Sie eine Antwort ungleich 200, typischerweise 400 INVALID_ARGUMENT.
Szenario planen

Führen Sie den Test täglich aus. So werden Konfigurationsregressionen und stille Verhaltensänderungen sichtbar, bevor sie zu einer unerwarteten Rechnung führen. Die Einrichtung beschreibt der Artikel Wie man API-Tests in Apidog plant.

Für gestreamte Antworten funktioniert dasselbe Vorgehen mit SSE-Rendering. Eine Anleitung bietet Wie man LLM-APIs testet, die über SSE streamen. Der kostenlose Apidog-Plan deckt dieses Testszenario ab. Apidog herunterladen.

FAQ

Ändert die Denkebene den Preis pro Token?

Nein. Der Einführungspreis beträgt bei Gemini 3.8 Flash $0,75 pro Million Input- und $3,75 pro Million Output-Tokens – unabhängig von der Ebene. Die Ebene beeinflusst die Anzahl der Denk-Tokens, die als Output abgerechnet werden. Details zu Caching, Batch und der Preiserhöhung am 1. Januar finden Sie auf der Preisseite.

Kann ich ein exaktes Denk-Token-Budget festlegen?

Nein. Bei Gemini 3 ersetzt das Enum thinking_level das frühere thinking_budget. Gemini 3.8 Flash akzeptiert nur low, medium und high. Erzwingen Sie Obergrenzen stattdessen mit Tests und Alarmierungen.

Welche Ebene verwendet der Artificial-Analysis-Score von 59?

high. Artificial Analysis hat den Intelligence Index bei high berechnet und Kosten sowie Zeit für low und medium veröffentlicht, aber keine Indexwerte für diese Ebenen.

Sollte ich die Temperatur senken?

Nein. Google empfiehlt für Gemini 3 den Standardwert 1.0. Niedrigere Werte können Schleifen oder schlechtere Ausgaben verursachen. Verwenden Sie thinking_level, um die Überlegungstiefe zu steuern.

Was, wenn `low` immer noch zu langsam oder zu teuer ist?

Bleiben Sie bei Gemini 3.7 Flash, das laut Google weiterhin vollständig unterstützt wird, oder wechseln Sie für diese Route zu einem Flash-Lite-Modell. Der Vergleich zwischen Gemini 3.8 Flash und Gemini 3.7 Flash zeigt, wo zusätzliche Tokens messbare Qualitätsgewinne bringen.

Ebene pro Route wählen und messen

Gemini 3.8 Flash bietet drei Denkebenen, verwendet standardmäßig medium und kann bei komplexen Aufgaben mehr Tokens als sein Vorgänger verbrauchen. Setzen Sie thinking_level explizit pro Route, migrieren Sie minimal zu low und überwachen Sie usageMetadata.thoughtsTokenCount.

Die Artificial-Analysis-Werte von $0,24, $0,41 und $0,58 zeigen die Form der Kostenkurve. Ein dreistufiges Apidog-Szenario liefert Ihnen die Zahlen für Ihre eigenen Prompts – rechtzeitig vor der Preisänderung am 31. Dezember.

Gemini 3.8 Flash vs Claude Fable 5.1 vs GPT-5.6 Sol: Welche API sollten Entwickler nutzen?

Emre Demir — Thu, 03 Sep 2026 08:13:17 +0000

Gemini 3.8 Flash vs. Claude Fable 5.1 vs. GPT-5.6 Sol: Preise, Benchmarks und die richtige API

Drei wichtige APIs wurden innerhalb einer Woche veröffentlicht oder neu bepreist – und sie liegen in drei unterschiedlichen Preisstufen. Google veröffentlichte Gemini 3.8 Flash am 2. September 2026 für 0,75 $ pro Million Eingabe-Tokens und 3,75 $ pro Million Ausgabe-Tokens. Anthropic veröffentlichte Claude Fable 5.1 am Vortag für 10 $ beziehungsweise 50 $. OpenAIs GPT-5.6 Sol liegt mit 5 $ und 30 $ dazwischen. Auf dem unabhängigen Intelligence Index von Artificial Analysis erreichen die Modelle 59, 57 und 59 Punkte. Kurz gesagt: Ein Modell, das etwa ein Dreizehntel des Preises der Spitzenklasse kostet, erzielt auf dem einzigen Index, der alle drei Modelle einheitlich testet, dieselbe Punktzahl.

Apidog heute ausprobieren

Der entscheidende Vorbehalt betrifft das Wort „Index“. Benchmarks zählen Antworten pro Aufgabe, während API-Rechnungen Tokens pro Aufgabe zählen. Gemini 3.8 Flash ist darauf ausgelegt, bei schwierigen Aufgaben mehr Tokens zu verbrauchen.

Dieser Vergleich betrachtet:

die technischen Spezifikationen,
Googles eigene Benchmark-Tabellen,
die unabhängigen Zahlen von Artificial Analysis,
die Preisunterschiede,
und eine praktische Regel für die API-Auswahl.

Der Gemini-3.8-Flash-Artikel behandelt das Modell ausführlich. Googles Launch-Beitrag ist die primäre Quelle für die Google-Angaben.

Hinweis zum Timing: Unser Vergleich von Gemini 3.7 Flash, Claude und GPT vom August bezog sich auf Claude Fable 5. Anthropic hat dieses Modell am 1. September ersetzt. Der folgende Vergleich ist daher eine neue Gegenüberstellung und keine Aktualisierung.

Spezifikationen auf einen Blick

Merkmal	Gemini 3.8 Flash	Claude Fable 5.1	GPT-5.6 Sol
Anbieter	Google	Anthropic	OpenAI
Kontextfenster	1.048.576 Tokens	1M Tokens	1M Tokens
Maximale Ausgabe	65.536 Tokens	128K Tokens	128K Tokens
Eingabepreis pro 1M Tokens	0,75 $ Einführungspreis, 1,50 $ ab 1. Januar 2027	10 $	5 $
Ausgabepreis pro 1M Tokens	3,75 $ Einführungspreis, 7,50 $ ab 1. Januar 2027	50 $	30 $
Cache-Lesen pro 1M Tokens	0,075 $ Einführungspreis, 0,15 $ ab 1. Januar 2027	0,25 $	0,50 $
Wissensstand	März 2026	Juni 2026	Nicht aufgeführt
Schlussfolgerungskontrolle	`thinking_level`: low / medium / high; medium ist Standard	Erweitertes Denken, immer aktiv	Anstrengungsstufen bis xhigh
Artificial Analysis Index	59 bei high	57 bei medium	59 bei xhigh

Zwei Punkte fallen sofort auf:

Gemini 3.8 Flash hat mit 65.536 Tokens nur halb so viel maximale Ausgabe wie die beiden anderen Modelle. Das ist bei einzelnen langen Dokumenten relevant, weniger bei Agenten-Loops mit kurzen Zwischenschritten.
Der Einführungspreis endet am 31. Dezember 2026. Ab dem 1. Januar 2027 verdoppeln sich beide Gemini-Preise. Der Preisleitfaden für Gemini 3.8 Flash behandelt außerdem Caching, Batch und Grounding.

Die unabhängige Zahl: 59, 57, 59

Artificial Analysis führt für jedes Modell dieselben neun Evaluationen durch und veröffentlicht daraus eine Intelligence-Index-Punktzahl:

Gemini 3.8 Flash: 59 Punkte bei hoher Denkleistung
GPT-5.6 Sol: 59 Punkte bei xhigh
Claude Fable 5.1: 57 Punkte bei medium
Gemini 3.7 Flash: 56 Punkte
Gemini 3.6 Flash: 52 Punkte
Grok 4.6: 59 Punkte bei medium

Die Einstellungen sind wichtig: Fable 5.1 wurde bei mittlerer Anstrengung getestet, Sol bei seiner höchsten Einstellung. Zwei Punkte Unterschied bei verschiedenen Denkstufen ergeben keine belastbare Rangliste.

Die vertretbare Schlussfolgerung lautet daher: Bei den getesteten Einstellungen erreicht Gemini 3.8 Flash in diesem Index die beiden Premium-Modelle und ist zugleich das günstigste Modell mit 59 Punkten.

Artificial Analysis maß auch die Kosten:

durchschnittlich 48.000 Ausgabe-Tokens pro Aufgabe bei hoher Einstellung,
rund 30 % mehr als Gemini 3.7 Flash,
0,58 $ API-Ausgaben pro Aufgabe,
etwa 2,5 Minuten pro Aufgabe,
ungefähr 300 Tokens pro Sekunde,
13,3 Sekunden bis zum ersten Token beim High-Reasoning-Lauf,
45 % bei τ³-Banking, 12 Punkte mehr als Gemini 3.7 Flash.

Das Modell denkt also länger, bevor es antwortet. Ein niedriger Preis pro Token bedeutet deshalb nicht automatisch niedrige Kosten pro Aufgabe.

Googles Benchmark-Tabellen: Warum Claude Fable 5.1 fehlt

Googles Flash-Modellseite veröffentlicht drei herstellerübergreifende Benchmark-Zeilen. Claude Fable 5.1 ist dort nicht enthalten. Stattdessen führt Google Claude Opus 5 und Claude Sonnet 5 auf.

Fable 5.1 war erst einen Tag öffentlich, als die Tabellen erstellt wurden. Die Anthropic-Spalten unten beziehen sich daher auf Opus 5 und Sonnet 5 – nicht auf das 10-$-/50-$-Modell dieses Artikels.

Benchmark von Google	Gemini 3.8 Flash	Claude Opus 5	Claude Sonnet 5	GPT-5.6 Sol	GPT-5.6 Terra
HLE-Verified	54,9 %	54,4 %	31,0 %	54,5 %	51,1 %
Vals Finance Agent v2	61,4 %	58,6 %	53,9 %	53,8 %	54,4 %
Harvey Legal Agent Benchmark	10,0 %	6,7 %	5,0 %	2,5 %	0,8 %

Interpretation

HLE-Verified: praktisch ein Gleichstand. Gemini, Opus und Sol liegen innerhalb eines halben Punktes.
Vals Finance Agent v2: Gemini 3.8 Flash liegt 2,8 Punkte vor Opus 5 und 7,6 Punkte vor Sol.
Harvey Legal: Alle Modelle liegen unter 11 %. Die Reihenfolge ist aussagekräftiger als die kleinen absoluten Unterschiede.

Ebenso wichtig sind die fehlenden Daten: Google veröffentlicht für Gemini 3.8 Flash keine Textwerte für SWE-Bench Pro, Terminal-Bench oder OSWorld. Das DeepSWE-v1.1-Ergebnis erscheint nur als Aussage, das Modell übertreffe „die meisten größeren Frontier-Modelle“ zu „einem Bruchteil der Kosten“; die konkrete Zahl steht in einer Bildtabelle.

Für Coding- und Computer-Use-Vergleiche müssen daher die jeweiligen Anbieter-Benchmarks herangezogen werden:

Da kein Anbieter das Modell des jeweils anderen ausgeführt hat, bleibt Artificial Analysis die einzige direkt vergleichbare Quelle.

Die Preisspanne im Detail

Zu Einführungspreisen ist der Unterschied eindeutig:

Fable 5.1 kostet bei der Eingabe 13,3-mal mehr als Gemini 3.8 Flash.
Bei der Ausgabe beträgt der Faktor ebenfalls 13,3.
Sol kostet bei der Eingabe 6,7-mal mehr.
Bei der Ausgabe liegt der Faktor bei 8.

Beim Cache-Lesen wird die Lücke kleiner:

Gemini 3.8 Flash: 0,075 $
Claude Fable 5.1: 0,25 $, also 3,3-mal mehr
GPT-5.6 Sol: 0,50 $, also 6,7-mal mehr

Fable 5.1 hat damit die günstigste Cache-Lesezeile unter den beiden Premium-Modellen.

Beispielrechnung

Angenommen, ein Lauf verbraucht 1 Million Eingabe-Tokens und 200.000 Ausgabe-Tokens, vollständig ohne Cache:

Gemini 3.8 Flash: 0,75 $ + 0,75 $ = 1,50 $
GPT-5.6 Sol: 5,00 $ + 6,00 $ = 11,00 $
Claude Fable 5.1: 10,00 $ + 10,00 $ = 20,00 $

Ab dem 1. Januar 2027 kostet derselbe Gemini-Lauf 3,00 $. Dann sinken die Preisfaktoren auf etwa 3,7 gegenüber Sol und 6,7 gegenüber Fable 5.1.

Die Verdopplung gilt auch für Gemini 3.6 Flash und 3.7 Flash. Es gibt also keine günstigere Gemini-Flash-Version, auf die man ausweichen könnte. Die Preisseite von Anthropic, der Claude-Fable-5.1-Preisleitfaden und der GPT-5.6-Preisleitfaden enthalten weitere Batch- und Cache-Preise.

Kosten pro Aufgabe statt pro Token

Google weist ausdrücklich darauf hin, dass Gemini 3.8 Flash bei langen und komplexen Aufgaben mehr Tokens verbrauchen kann. Das Modell zerlegt schwierige Probleme in kleinere Denkschritte, überprüft seine Arbeit und ruft Tools iterativ auf.

Artificial Analysis beobachtete:

Gemini 3.7 Flash: 0,40 $ pro Aufgabe
Gemini 3.8 Flash bei unveränderten Pro-Token-Preisen: 0,58 $ pro Aufgabe bei high
Gemini 3.8 Flash bei medium: 0,41 $
Gemini 3.8 Flash bei low: 0,24 $

Daraus folgen zwei praktische Regeln:

Eine 13,3-fache Preislücke pro Token ist nicht automatisch eine 13,3-fache Kostenlücke pro Aufgabe. Ein Premium-Modell kann mit weniger Tokens oder weniger Tool-Aufrufen zum Ziel kommen.
Bei Gemini ist thinking_level der wichtigste Kostenhebel. Der Wechsel von high zu low reduzierte die Kosten pro Aufgabe im Artificial-Analysis-Datensatz um mehr als die Hälfte. Der Leitfaden zu den Denkstufen zeigt, wie die Einstellung pro Endpunkt vorgenommen wird.

Für einen direkten Vergleich unter realen Bedingungen ist der Vergleich von Gemini 3.8 Flash und 3.7 Flash hilfreich: In bestimmten Szenarien ist das ältere Modell trotz 31 % niedrigerer Kosten pro Aufgabe der bessere Kauf.

Welches Modell für welche Aufgabe?

Gemini 3.8 Flash für Volumen und kostengünstige Agenten

Wählen Sie Gemini 3.8 Flash als Standardmodell, wenn Sie täglich Tausende Agenten-Aufgaben ausführen. Es:

erreicht im unabhängigen Index die Premium-Modelle,
führt Googles Finanz- und Rechtsagenten-Rankings an,
bleibt selbst nach der Preiserhöhung deutlich günstiger,
akzeptiert nativ Video-, Audio- und PDF-Eingaben,
bietet Batch mit 50 % Rabatt,
enthält 5.000 kostenlose Google-Search-Grounding-Anfragen pro Monat,
und stellt einen kostenlosen Tarif für Prototyping bereit.

Die Kompromisse:

nur Textausgabe,
keine Live-API,
maximal 65.536 Ausgabe-Tokens,
potenziell hoher Token-Verbrauch bei medium und high.

Claude Fable 5.1 für besonders komplexe Schlussfolgerungen

Fable 5.1 ist ein Eskalationsmodell, nicht unbedingt das beste Startmodell. Es eignet sich für Aufgaben, bei denen eine falsche Antwort teurer ist als zusätzliche Tokens:

mehrstündige Recherche-Agenten,
lange Terminalsitzungen,
komplexe Schlussfolgerungsketten,
Workflows, bei denen günstigere Modelle die Evaluationen nicht bestehen.

Die 128K-Ausgabe und Cache-Lesevorgänge für 0,25 $ sind besonders nützlich für Agenten-Loops, die in jeder Runde denselben großen Kontext wiederverwenden. Dadurch fällt der effektive Preisfaktor deutlich kleiner aus als 13,3. Das Datenblatt zu Claude Fable 5.1 enthält weitere Details.

GPT-5.6 Sol für Agenten im OpenAI-Ökosystem

GPT-5.6 Sol erreicht bei xhigh 59 Punkte, liegt bei HLE-Verified praktisch gleichauf mit Gemini 3.8 Flash und bietet 128K Ausgabe für 5 $ / 30 $.

Sol ist eine gute Wahl, wenn sich Ihre Agenten, Evaluationen und Tools bereits im OpenAI-Stack befinden und Sie keinen zweiten Anbieter integrieren möchten. Die Cache-Lesevorgänge sind mit 0,50 $ jedoch am teuersten. Sol passt daher besser zu frischen Kontexten als zu langen, stark gecachten Sitzungen.

Der Vergleich von Grok 4.6, GPT-5.6 und Claude Fable 5 ordnet Sol gegenüber dem vorherigen Anthropic-Flaggschiff ein.

Alle drei Modelle in Apidog testen

Die beste Auswahl basiert auf Ihren eigenen Prompts. Apidog führt die Modelle nicht selbst aus, ermöglicht aber, dieselbe Anfrage schnell an alle drei Anbieter zu senden und die Ergebnisse zu vergleichen.

1. Drei Umgebungen einrichten

Erstellen Sie ein Projekt mit drei Umgebungen:

Gemini: Basis-URL https://generativelanguage.googleapis.com und GEMINI_API_KEY
Anthropic: Anthropic-Basis-URL und Claude-Schlüssel
OpenAI: OpenAI-Basis-URL und OpenAI-Schlüssel

Speichern Sie Schlüssel ausschließlich als Umgebungsvariablen – niemals im Anfragetext oder in einer geteilten Sammlung.

2. Ein Testszenario erstellen

Fügen Sie drei Anfrageschritte hinzu, die denselben Prompt verwenden.

Der Gemini-Schritt sendet an /v1beta/interactions und enthält:

{
  "model": "gemini-3.8-flash",
  "thinking_level": "medium"
}

Die anderen beiden Schritte verwenden den Chat- beziehungsweise Messages-Endpunkt des jeweiligen Anbieters.

Fügen Sie pro Schritt Assertions hinzu für:

HTTP-Status 200,
einen JSON-Pfad, der eine vorhandene Antwort bestätigt,
eine Obergrenze für das Token-Nutzungsfeld.

Bei Gemini ist das Feld beim Legacy-Endpunkt usageMetadata.thoughtsTokenCount. Für Claude und OpenAI prüfen Sie den entsprechenden Nutzungsblock.

3. Golden Prompts täglich ausführen

Führen Sie das Szenario mit einer Sammlung repräsentativer Golden Prompts aus und planen Sie den Lauf täglich. Wenn sich Standardeinstellungen ändern oder ein Modell plötzlich doppelt so viele Denktokens verbraucht, schlägt die Assertion fehl, bevor die Rechnung unerwartet steigt.

Weitere Informationen:

Häufig gestellte Fragen

Ist Gemini 3.8 Flash besser als Claude Fable 5.1?

Im Artificial-Analysis-Index erreicht Gemini 3.8 Flash bei high 59 Punkte und Fable 5.1 bei medium 57 Punkte. Bei den getesteten Einstellungen liegen sie daher nah beieinander.

Googles Tabellen enthalten Fable 5.1 nicht, während Anthropics Benchmarks Gemini 3.8 Flash nicht enthalten. Ein breiterer direkter Vergleich fehlt somit. Beim Preis pro Token ist Gemini zum Einführungspreis 13,3-mal günstiger.

Welches Modell ist für Agenten-Workloads am günstigsten?

Gemini 3.8 Flash ist pro Token mit großem Abstand am günstigsten: 0,75 $ / 3,75 $ bis zum 31. Dezember 2026.

Artificial Analysis maß 0,58 $ pro Aufgabe bei high, 0,41 $ bei medium und 0,24 $ bei low. Da Gemini etwa 30 % mehr Ausgabe-Tokens als 3.7 Flash verbraucht, sollten Sie trotzdem die Kosten pro abgeschlossener Aufgabe messen.

Haben alle drei Modelle ein 1M-Kontextfenster?

Ja. Gemini 3.8 Flash akzeptiert 1.048.576 Eingabe-Tokens. Fable 5.1 und GPT-5.6 Sol listen jeweils 1M Tokens auf.

Die maximale Ausgabe unterscheidet sich:

Gemini 3.8 Flash: 65.536 Tokens
Claude Fable 5.1: 128K Tokens
GPT-5.6 Sol: 128K Tokens

Warum fehlt Claude Fable 5.1 in Googles Benchmark-Tabellen?

Googles veröffentlichte Tabellen enthalten Claude Opus 5 und Claude Sonnet 5. Fable 5.1 wurde am 1. September veröffentlicht, einen Tag vor Gemini 3.8 Flash, und war daher noch nicht enthalten.

Die eigenen Anthropic-Zahlen finden Sie im Vergleich von Claude Fable 5.1 und Opus 5.

Bleibt der Gemini-Preisvorteil nach 2027 bestehen?

Teilweise. Ab dem 1. Januar 2027 steigt Gemini 3.8 Flash auf 1,50 $ / 7,50 $.

Damit kostet:

Fable 5.1 bei der Eingabe 6,7-mal mehr,
Sol bei der Eingabe 3,3-mal mehr,
Fable 5.1 bei der Ausgabe 6,7-mal mehr,
Sol bei der Ausgabe 4-mal mehr.

Gemini bleibt günstiger, aber die Lücke halbiert sich ungefähr.

Welches Modell sollten Sie zuerst aufrufen?

Beginnen Sie mit Gemini 3.8 Flash für Aufgaben, die Sie in großem Umfang ausführen. Legen Sie thinking_level pro Route fest und überwachen Sie Tokens pro Aufgabe statt nur den Listenpreis.

Eskalieren Sie zu Claude Fable 5.1, wenn günstigere Modelle Ihre Evaluationen nicht bestehen und große Kontexte über mehrere Runden gecacht werden.

Verwenden Sie GPT-5.6 Sol, wenn Ihr übriger Stack auf OpenAI basiert und Sie eine Premium-Stufe ohne zweiten Anbieter benötigen.

Führen Sie unabhängig von der Entscheidung denselben Prompt zunächst in einem Testszenario durch alle drei APIs. Das Preisverhältnis ist öffentlich – das Kosten-pro-Aufgabe-Verhältnis für Ihre Workloads müssen Sie selbst messen.

Wie Gemini 3.8 Flash kostenlos nutzen?

Emre Demir — Thu, 03 Sep 2026 05:24:00 +0000

Gemini 3.8 Flash kostenlos nutzen: API-Zugang, Limits und erste Anfrage

Gemini 3.8 Flash wurde am 2. September 2026 veröffentlicht. Anders als viele andere große Releases bietet es einen echten kostenlosen Zugang: Sie können das Modell in Google AI Studio testen oder es über die Gemini API im kostenlosen Tarif aufrufen. Dafür benötigen Sie lediglich einen API-Schlüssel, dessen Erstellung etwa eine Minute dauert. Google bezeichnet es als „unser intelligentestes Flash-Modell“. Im kostenlosen Tarif erhalten Sie dieselbe Modell-ID gemini-3.8-flash wie zahlende Kunden – keine abgespeckte Variante.

Apidog heute ausprobieren

Es gibt drei wichtige Einschränkungen: Der kostenlose Tarif ist ratenbegrenzt, Google darf Daten daraus zur Produktverbesserung verwenden, und die Gemini-App enthält 3.8 Flash nicht im kostenlosen Plan. Für die App benötigen Sie Google AI Pro oder Ultra.

Wenn Sie zuerst die technischen Grundlagen lesen möchten, starten Sie mit Was ist Gemini 3.8 Flash?. Für eine erste Anfrage in wenigen Minuten folgen Sie den Schritten unten.

Kostenloser Zugang auf einen Blick

Oberfläche	Kosten	Gemini 3.8 Flash enthalten?	Einschränkung
Google AI Studio	0 $	Ja	Ratenbegrenzt; Daten werden zur Produktverbesserung genutzt
Gemini API, kostenloser Tarif	0 $	Ja	Dieselben Limits wie in AI Studio
Gemini-App, kostenloser Plan	0 $	Nein	3.8 Flash erfordert Google AI Pro oder Ultra
KI-Modus in der Google-Suche	0 $	Ja, für private Nutzer	Keine API und keine Kontrolle über das Denkniveau
Gemini in Google Tabellen	Planabhängig	Ja, für private Nutzer	Keine API
Google Search Grounding	5.000 Anfragen/Monat kostenlos	Geteilt über Gemini 3.x	Danach 14 $ pro 1.000 Anfragen
Batch-API	50 % Rabatt auf bezahlte Tarife	Ja	Nicht kostenlos, aber der günstigste kostenpflichtige Weg
Gemini 3.8 Flash Cyber	Nicht erhältlich	Nein	Nur im Fairwind-Programm, keine öffentliche API

Schritt 1: AI Studio öffnen und `gemini-3.8-flash` auswählen

Öffnen Sie Google AI Studio und melden Sie sich mit einem Google-Konto an. Sie benötigen weder ein Abrechnungskonto noch eine Kreditkarte.

Wählen Sie im Modellauswähler gemini-3.8-flash. Das ist die stabile Modell-ID ohne Preview-Suffix. Für das Denkniveau stehen drei Werte zur Verfügung:

low
medium
high

medium ist voreingestellt. minimal wird bei diesem Modell nicht unterstützt. Wenn Sie den Wert über die API senden, erhalten Sie einen Validierungsfehler statt eines stillen Fallbacks. Die Unterschiede zwischen den Stufen beschreibt der Leitfaden zu den Denkniveaus.

Einstellungen für den kostenlosen Tarif

Lassen Sie die Temperatur zunächst auf dem Standardwert 1.0. Google empfiehlt für Gemini-3-Modelle, die Temperatur nicht zu senken, da niedrigere Werte zu Schleifen oder schlechteren Antworten führen können.

Beginnen Sie außerdem mit low. Gemini 3.8 Flash ist dafür ausgelegt, bei komplexen Aufgaben intensiver zu arbeiten, kleinere Denkschritte auszuführen und Tools iterativ aufzurufen. Google weist darauf hin, dass das Modell bei langen und komplexen Aufgaben konstruktionsbedingt mehr Token verwenden kann.

Da der kostenlose Tarif unter anderem Token pro Minute begrenzt, kann 3.8 Flash Ihr Kontingent schneller verbrauchen als 3.7 Flash. Mit low bleiben erste Experimente überschaubar.

Schritt 2: Einen kostenlosen API-Schlüssel erstellen

Öffnen Sie in AI Studio die Seite für API-Schlüssel und erstellen Sie einen Schlüssel in einem neuen oder bestehenden Projekt. Der Schlüssel funktioniert sofort im kostenlosen Tarif. Auf der Preisseite der Gemini API wird der Input und Output von 3.8 Flash im kostenlosen Tarif als „Kostenlos“ aufgeführt.

Falls Sie noch keinen Schlüssel erstellt haben, hilft die Anleitung zum Gemini API-Schlüssel.

Speichern Sie den Schlüssel als Umgebungsvariable:

export GEMINI_API_KEY="paste-your-key-here"

Behandeln Sie den Schlüssel wie ein Passwort. Der kostenlose Tarif ist nicht mit einer Abrechnung verknüpft, daher kann ein geleakter Schlüssel keine Rechnung verursachen. Er kann jedoch Ihr tägliches Kontingent verbrauchen, bevor Sie es selbst nutzen.

Schritt 3: Die erste kostenlose Anfrage senden

Gemini 3.x läuft inzwischen hauptsächlich über die Interactions API. Dafür benötigen Sie kein SDK:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-[REDACTED CREDENTIAL] -H 'Content-Type: application/json' \
  -d '{"model":"gemini-3.8-flash","input":"Explain HTTP caching in 3 sentences.","generation_config":{"thinking_level":"low"}}'

Die Antwort besteht aus einer Liste von Ausführungsschritten. Dazu gehören Modellgedanken und gegebenenfalls Tool-Aufrufe. Der letzte Schritt ist normalerweise ein model_output-Schritt mit dem sichtbaren Antworttext.

Bestehender Code mit generateContent funktioniert weiterhin. Google bezeichnet diesen Endpunkt als veraltet, unterstützt ihn aber vollständig und ohne angekündigtes Enddatum. Dort legen Sie das Denkniveau über generationConfig.thinkingConfig.thinkingLevel fest.

Der Gemini-3.8-Flash-API-Leitfaden enthält beide API-Varianten, Python-Beispiele und Multi-Turn-Anfragen mit previous_interaction_id.

Erhalten Sie den HTTP-Status 429, haben Sie wahrscheinlich das Ratenlimit des kostenlosen Tarifs erreicht. Warten Sie entweder, bis das Limit zurückgesetzt wird, oder wechseln Sie zu einem kostenpflichtigen Tarif.

Was der kostenlose Tarif kostet

In Dollar kostet der Tarif nichts. Praktisch zahlen Sie jedoch mit drei Dingen:

1. Ratenlimits

Der kostenlose Tarif begrenzt unter anderem:

Anfragen pro Minute
Token pro Minute
Anfragen pro Tag und Modell

Google veröffentlicht die genauen Werte auf der AI-Studio-Ratenlimit-Seite, nicht dauerhaft im Dokumentationstext. Die Werte können sich ohne Changelog-Eintrag ändern. Prüfen Sie daher immer die aktuelle Seite und verlassen Sie sich nicht auf Zahlen aus älteren Blogbeiträgen.

Das Ratenlimit-Dokument erklärt außerdem, wie die verschiedenen Tarife gestaffelt sind.

2. Ihre Daten

Google gibt an, dass Prompts und Ausgaben aus dem kostenlosen Tarif zur Verbesserung seiner Produkte verwendet werden.

Das ist für Benchmarks, Experimente und Spielzeug-Apps akzeptabel. Verwenden Sie den kostenlosen Tarif jedoch nicht für:

Kundendaten
unveröffentlichten Quellcode
vertrauliche Geschäftsunterlagen
Inhalte unter einer Geheimhaltungsvereinbarung

Kostenpflichtige Tarife gelten unter anderen Datenbedingungen. Wenn Sie diese benötigen, verknüpfen Sie die Abrechnung, bevor Sie sensible Daten senden.

3. Token-Verbrauch

Artificial Analysis maß bei 3.8 Flash mit Denkniveau high ungefähr 48.000 Output-Token pro Aufgabe. Das sind etwa 30 % mehr als bei 3.7 Flash.

Denk-Token werden auf dieselben Token-pro-Minute-Limits angerechnet wie die sichtbare Ausgabe. Ein Modell, das intensiver denkt, verbraucht Ihr kostenloses Kontingent daher schneller. Verwenden Sie standardmäßig low oder medium, bis Sie mehr Spielraum benötigen.

Die Gemini-App ist kein kostenloser API-Ersatz

Viele Suchergebnisse zu „Gemini 3.8 Flash kostenlos“ vermischen die Entwickler- und die Verbraucherangebote.

Auf der Verbraucherseite ist 3.8 Flash in der Gemini-App für Google-AI-Pro- und Ultra-Abonnenten verfügbar. Der kostenlose App-Plan erhält es laut der Startberichterstattung nicht. Wenn Sie die App ohne Abonnement öffnen und ein Flash-Modell sehen, handelt es sich nicht um 3.8 Flash.

Ohne zusätzliches Abonnement können private Nutzer 3.8 Flash über folgende Oberflächen verwenden:

den KI-Modus in der Google-Suche
Gemini in Google Tabellen

Beide eignen sich, um Antworten zu lesen. Für Entwicklung bieten sie jedoch keine Kontrolle über das Denkniveau, keine Token-Zählung und keine API. Für Prototypen und Tests sind deshalb AI Studio und der kostenlose Gemini-API-Tarif die relevanten Optionen.

Kostenloses Grounding: 5.000 Google-Search-Anfragen pro Monat

Google Search Grounding ermöglicht es dem Modell, aktuelle Webergebnisse in seine Antworten einzubeziehen. Im kostenlosen Kontingent sind 5.000 Anfragen pro Monat enthalten.

Dieses Kontingent wird über alle Gemini-3.x-Modelle geteilt. Ein Grounding-Experiment mit Gemini 3 Pro und eines mit Gemini 3.8 Flash greifen also auf denselben Pool zu. Nach den 5.000 Anfragen kostet Grounding 14 $ pro 1.000 Anfragen.

Für einen Prototyp mit aktuellen Daten ist das Kontingent großzügig. Für ein produktives Feature sollten Sie die Grounding-Kosten jedoch als eigenen Budgetposten einplanen.

Wenn das kostenlose Kontingent aufgebraucht ist

Eine 429 mitten in einer Demo oder ein erreichtes Tageslimit sind klare Signale. Die günstigsten kostenpflichtigen Optionen sind:

1. Abrechnung verknüpfen und Stufe 1 aktivieren

Wenn Sie in AI Studio eine Abrechnung mit Ihrem Projekt verknüpfen, wechseln Sie in Stufe 1. Dadurch steigen die Ratenlimits; außerdem wird ein Ausgabenlimit von 250 $ festgelegt.

Die weiteren Stufen sind:

Stufe 2: nach 100 $ Ausgaben und drei Tagen, Limit 2.000 $
Stufe 3: nach 1.000 $ Ausgaben und 30 Tagen

Für Stufe 1 müssen Sie nichts ausgeben. Die Verknüpfung der Abrechnung reicht aus.

2. Den Einführungspreis nutzen

Bis zum 31. Dezember 2026 kostet Gemini 3.8 Flash:

0,75 $ pro Million Input-Token
3,75 $ pro Million Output-Token

Denk-Token werden als Output abgerechnet. Ab dem 1. Januar 2027 steigen die Preise auf 1,50 $ beziehungsweise 7,50 $ pro Million Token.

1.000 Anfragen mit jeweils 2.000 Input- und 500 Output-Token kosten zum Einführungspreis ungefähr 3,38 $. Die Preisübersicht zu Gemini 3.8 Flash zeigt die Berechnung pro Aufgabe. Ein niedrigerer Preis pro Token bedeutet bei diesem Modell nicht automatisch eine günstigere Anfrage, wenn der Token-Verbrauch steigt.

3. Aufschiebbare Aufgaben per Batch verarbeiten

Die Batch-API halbiert den Preis. Bis Jahresende zahlen Sie:

0,375 $ pro Million Input-Token
1,875 $ pro Million Output-Token

Dieselben 1.000 Anfragen kosten damit ungefähr 1,69 $. Tier-1-Konten können bis zu drei Millionen Token gleichzeitig in der Warteschlange haben.

Batches eignen sich für:

Evaluierungen
Datenanreicherung
nächtliche Jobs
nicht zeitkritische Nachladungen

Der Gemini-Batch-Modus-Leitfaden beschreibt das Anfrageformat.

4. Stabile Kontexte cachen

Context Caching kostet zum Einführungspreis 0,075 $ pro Million gecachter Token – ein Zehntel des Preises für frischen Input.

Ein langer System-Prompt oder ein Dokument, das Sie bei jeder Runde erneut senden, ist der beste Kandidat für Caching.

Was Sie im kostenlosen Tarif nicht erhalten

Die wichtigsten Einschränkungen im Überblick:

Gemini-App: 3.8 Flash ist dort nur mit Google AI Pro oder Ultra verfügbar.
Datenschutz: Daten aus dem kostenlosen Tarif werden zur Verbesserung von Google-Produkten verwendet. Eine Deaktivierung gibt es im kostenlosen Tarif nicht.
Produktionsspielraum: Die Limits sind auf der Ratenlimit-Seite aufgeführt und für Evaluierungen sowie kleine Tools gedacht, nicht für einen Launch.
Gemini 3.8 Flash Cyber: Das sicherheitsorientierte Modell ist dem Fairwind-Programm für Regierungen, Infrastrukturbetreiber und Software-Wartungsfirmen vorbehalten. Es gibt keine öffentliche API, keinen öffentlichen Preis und kein Self-Hosting.
Live API, Bild- und Audiogenerierung: Diese Funktionen werden von 3.8 Flash in keinem Tarif unterstützt. Als Input sind Text, Bild, Video, Audio und PDF möglich; der Output ist Text.
Unbegrenzter Zugang: Angebote mit „unbegrenztem“ Gemini-Zugriff verwenden häufig den Schlüssel einer anderen Person oder stellen ein anderes Modell bereit. Der Leitfaden für kostenlosen Gemini-API-Zugang erklärt, woran Sie solche Angebote erkennen. Der frühere Leitfaden zu Gemini 3.6 Flash beschreibt ein ähnliches Vorgehen für die Vorgängerversion.

Das kostenlose Kontingent mit Apidog besser nutzen

Ein kostenloser Tarif belohnt reproduzierbare Tests. Manuell neu eingegebene Prompts, versehentliche 429-Fehler und unnötige Anfragen mit hohem Denkniveau verbrauchen Kontingent, das Sie nicht zurückbekommen.

Mit Apidog können Sie die wichtigsten Abläufe als wiederholbare API-Tests speichern.

Legen Sie GEMINI_API_KEY als Umgebungsvariable in einer Apidog-Umgebung an.
Halten Sie den Schlüssel aus Request-Bodies und geteilten Sammlungen heraus.
Speichern Sie den Interactions-Aufruf und den generateContent-Aufruf als benannte Requests.
Hinterlegen Sie Prompt, Modell und thinking_level als Variablen.
Wechseln Sie das Denkniveau über Variablen, statt den JSON-Body manuell zu bearbeiten.
Fügen Sie eine Assertion für den Statuscode hinzu, damit eine 429 als fehlgeschlagener Test erscheint.
Prüfen Sie am alten Endpunkt usageMetadata.thoughtsTokenCount, um den Anteil der Denk-Token zu sehen.

Laden Sie Apidog herunter und richten Sie anschließend einen kleinen Smoke-Test ein: beispielsweise eine Anfrage mit thinking_level: low pro Tag.

So erkennen Sie Änderungen am Modellverhalten oder an den kostenlosen Limits, bevor sie Ihre Nutzer betreffen. Mit der Anleitung API-Tests in Apidog planen konfigurieren Sie die passenden Zeitpläne.

Häufig gestellte Fragen

Ist Gemini 3.8 Flash kostenlos?

Ja. Sie können es über Google AI Studio und den kostenlosen Tarif der Gemini API verwenden. Es gelten Ratenlimits, und Google darf Daten aus dem kostenlosen Tarif zur Verbesserung seiner Produkte verwenden. Die Modell-ID ist dieselbe gemini-3.8-flash, die auch kostenpflichtige Tarife nutzen.

Kann ich Gemini 3.8 Flash kostenlos in der Gemini-App nutzen?

Nein. In der Gemini-App ist 3.8 Flash für Google-AI-Pro- und Ultra-Abonnenten verfügbar. Ohne Abonnement können private Nutzer das Modell im KI-Modus der Google-Suche und in Gemini für Google Tabellen verwenden.

Wie hoch sind die kostenlosen Ratenlimits?

Google zeigt die Limits pro Modell auf der AI-Studio-Ratenlimit-Seite an. Die Werte ändern sich und stehen nicht dauerhaft im Dokumentationstext. Wenn Sie mehr Kapazität benötigen, aktiviert die Verknüpfung eines Abrechnungskontos Stufe 1, ohne dass Sie zunächst Geld ausgeben müssen.

Ist das Denkniveau im kostenlosen Tarif enthalten?

Ja. low, medium und high funktionieren im kostenlosen Tarif. medium ist voreingestellt; minimal führt bei 3.8 Flash zu einem Fehler. Da Denk-Token auf die Token-Limits angerechnet werden, nutzt low das kostenlose Kontingent am längsten.

Ist Gemini 3.8 Flash Cyber kostenlos verfügbar?

Nein. Gemini 3.8 Flash Cyber ist außerhalb des Fairwind-Programms überhaupt nicht verfügbar. Reguläre Entwickler können Gemini 3.8 Flash verwenden und daran eigene API-Sicherheitstests durchführen.

Kostenlos starten, später entscheiden

Der kostenlose Tarif ist eine echte Evaluierungsumgebung für Gemini 3.8 Flash. Erstellen Sie einen API-Schlüssel, starten Sie mit thinking_level: low, halten Sie sensible Daten fern und prüfen Sie die aktuellen Ratenlimits direkt in AI Studio.

Wenn 429-Fehler regelmäßig auftreten, aktivieren Sie Stufe 1 durch die Verknüpfung der Abrechnung. Nutzen Sie Batch für asynchrone Aufgaben und Caching für wiederkehrende Kontexte. Mit 0,375 $ pro Million Input-Token bis Dezember 2026 kann der erste kostenpflichtige Monat günstiger sein als die Wartezeit auf das nächste kostenlose Kontingent.

Anleitung: Gemini Omni 1.1 Flash API verwenden

Emre Demir — Thu, 03 Sep 2026 05:19:36 +0000

Sie rufen Gemini Omni 1.1 Flash mit der Modell-ID gemini-omni-1.1-flash über Googles Interactions API auf – nicht über den generateContent-Endpunkt für Textmodelle. Wer lediglich ein Gemini-Textbeispiel kopiert und den Modellnamen ersetzt, erhält daher einen 404-Fehler.

Apidog heute ausprobieren

Diese Anleitung führt Sie vom leeren Terminal zu einer getesteten Videoerzeugungsanfrage. Sie erstellen einen API-Schlüssel, senden den ersten Request mit curl und Python, konfigurieren Ausgabeparameter, behandeln große Antworten und speichern den Ablauf als wiederholbaren Test.

Gemini Omni 1.1 Flash ist seit dem 27. August 2026 allgemein verfügbar (GA). Die Änderungen dieser Version finden Sie in Was ist neu in Gemini Omni 1.1 Flash.

Voraussetzungen

Sie benötigen:

ein Google-Konto für Google AI Studio,
einen Gemini-API-Schlüssel,
aktivierte Abrechnung,
curl, das Python SDK oder einen anderen HTTP-Client.

Omni bietet keine kostenlose Stufe. Ihre erste Anfrage wird abgerechnet – anders als bei der kostenlosen Nutzung der Gemini-Textmodelle.

Speichern Sie den Schlüssel als Umgebungsvariable:

export GEMINI_API_KEY="your_key_here"

Die offiziellen SDKs lesen diese Variable automatisch aus der Umgebung. So gelangt das Geheimnis nicht in Ihr Repository.

Erste Videoerzeugung mit curl

Der Endpunkt ist POST /v1beta/interactions:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions?key=$GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.1-flash",
    "input": "A marble rolling fast on a chain reaction style track, continuous smooth shot."
  }'

Die minimale Anfrage benötigt nur zwei Felder:

model
input

Das generierte Video wird als Base64-Daten in output_video.data zurückgegeben.

Video mit Python speichern

Installieren Sie zuerst das SDK:

pip install google-genai

Anschließend können Sie das Video dekodieren und speichern:

import base64
from google import genai

client = genai.Client()  # liest GEMINI_API_KEY aus der Umgebung

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="A marble rolling fast on a chain reaction style track, continuous smooth shot.",
)

with open("marble.mp4", "wb") as f:
    f.write(base64.b64decode(interaction.output_video.data))

JavaScript

Mit @google/genai funktioniert der Ablauf genauso:

import { GoogleGenAI } from '@google/genai';
import * as fs from 'fs';

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: 'gemini-omni-1.1-flash',
  input: 'A marble rolling fast on a chain reaction style track, continuous smooth shot.',
});

if (interaction.output_video?.data) {
  fs.writeFileSync('marble.mp4', Buffer.from(interaction.output_video.data, 'base64'));
}

Die Generierung kann einige Zeit dauern. Die Latenz hängt unter anderem von Dauer, Auflösung und aktueller API-Auslastung ab. Setzen Sie daher ein großzügiges Client-Timeout, bevor Sie einen langsamen Request als Fehler bewerten.

Auflösung und Seitenverhältnis

Das Ausgabeformat konfigurieren Sie über response_format:

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="A drone shot of a mountain landscape at sunrise.",
    response_format={
        "type": "video",
        "aspect_ratio": "16:9",
        "resolution": "1080p",
    },
)

Feld	Werte	Standard
`type`	`video`	`video`
`aspect_ratio`	`16:9`, `9:16`	`16:9`
`resolution`	`360p`, `720p`, `1080p`, `4k`	`720p`
`delivery`	Inline-Base64, `uri`	Inline

Verwenden Sie 360p für schnelle und günstige Prompt-Entwürfe. Die Generierung ist bis zu 60 % schneller als bei 720p und kostet nur ein Drittel. Rendern Sie erst den finalen Prompt in höherer Auflösung. 1080p und 4k sind Upscales der generierten Frames, keine nativen Renderings.

Die Preisübersicht zeigt die Kosten pro Sekunde für jede Stufe.

Nicht unterstützte Parameter

Gemini Omni unterstützt folgende Textmodell-Parameter nicht:

Systemanweisungen
temperature
top_p
Stoppsequenzen
negative Prompts

Wenn ein Element nicht im Video erscheinen soll, formulieren Sie den Ausschluss direkt im Prompt. Ein Beispiel aus der Dokumentation:

Verwenden Sie die Zeichnung nur als Anleitung für die Bewegung, zeigen Sie die Zeichnung nicht im endgültigen Video.

Bilder, Keyframes und Referenzen

Für Medien übergeben Sie eine Liste statt eines einzelnen Strings.

Bild zu Video

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input=[
        {"type": "image", "data": base64_image, "mime_type": "image/jpeg"},
        {"type": "text", "text": "turn this into realistic footage, using the drawing only as a guide for movement, do not show the drawing in the final video"},
    ],
)

Bei zwei Bildern verwendet das Modell das erste und letzte Bild als Keyframes und generiert die Bewegung dazwischen:

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input=[
        {"type": "image", "data": first_frame_b64, "mime_type": "image/jpeg"},
        {"type": "image", "data": last_frame_b64, "mime_type": "image/jpeg"},
        {"type": "text", "text": "A smooth cinematic transition from a lush green forest at sunrise to a snowy forest under a starry night sky."},
    ],
)

Videoreferenzen funktionieren über die Files API. Sie können bis zu drei Clips mit jeweils drei Sekunden übergeben. Audio in den Clips wird ignoriert; das Modell verwendet sie für Bewegung und Erscheinungsbild.

Mehrstufige Bearbeitung

Omni unterstützt konversationelle Bearbeitung über die ID der vorherigen Interaktion:

res1 = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="A woman playing violin outdoors.",
)

res2 = client.interactions.create(
    model="gemini-omni-1.1-flash",
    previous_interaction_id=res1.id,
    input="Make the violin invisible.",
)

Sie müssen die Szene nicht erneut hochladen oder beschreiben. Derselbe Mechanismus ermöglicht die Szenenerweiterung, die im Leitfaden zur Erweiterung auf 40 Sekunden beschrieben wird.

Videos über 4 MB verarbeiten

Antworten für Videos über 4 MB enthalten standardmäßig eine URI statt Inline-Base64. Die Datei muss vollständig verarbeitet sein, bevor Sie sie herunterladen können.

Fordern Sie die URI-Bereitstellung explizit an und pollen Sie den Dateistatus:

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    input="A beautiful sunset.",
    response_format={"type": "video", "delivery": "uri"},
)

video_output = interaction.output_video
file_name = video_output.uri.split("/")[-1]

while True:
    f_info = client.files.get(name=f"files/{file_name}")
    if f_info.state.name == "ACTIVE":
        break
    if f_info.state.name == "FAILED":
        raise RuntimeError("Generierung fehlgeschlagen.")
    time.sleep(5)

video_bytes = client.files.download(file=video_output.uri)
with open("output.mp4", "wb") as f:
    f.write(video_bytes)

Ihr Response-Handler sollte von Anfang an beide Varianten unterstützen:

output_video.data für Inline-Base64,
output_video.uri für größere Dateien.

Requests in Apidog testen

Sobald der erste Request funktioniert, sollten Sie ihn reproduzierbar testen. Videoerzeugung ist langsam, teuer und nicht deterministisch. Ad-hoc-curl-Befehle im Shell-Verlauf zeigen Ihnen nicht, wann sich das Verhalten der API ändert.

Richten Sie den Ablauf einmal in Apidog ein:

Erstellen Sie ein Projekt und eine Umgebung.
Speichern Sie GEMINI_API_KEY und MODEL_ID als Umgebungsvariablen, damit der Schlüssel nicht in der gespeicherten Anfrage landet.
Erstellen Sie einen POST-Request an https://generativelanguage.googleapis.com/v1beta/interactions.
Verwenden Sie einen JSON-Body mit model und input; referenzieren Sie das Modell über {{MODEL_ID}}.
Erhöhen Sie das Client-Timeout.
Fügen Sie Zusicherungen für Statuscode, output_video und die erwartete Antwortform hinzu.
Legen Sie separate Requests für Text-zu-Video, Bild-zu-Video und Szenenerweiterung an.

Wenn Google Omni 1.2 veröffentlicht, können Sie alle drei Requests ausführen und schnell erkennen, was sich geändert hat.

Apidog generiert keine Videos und ist kein KI-Framework. Es hilft Ihnen, Requests zu speichern, auszuführen und Antworten gegen einen definierten Standard zu prüfen. Laden Sie Apidog herunter, bevor Sie Ihre Ausgaben hochskalieren.

Häufige Fehler

404 am Endpunkt: Sie verwenden /v1beta/models/gemini-omni-1.1-flash:generateContent. Omni verwendet /v1beta/interactions und erwartet das Modell im Request-Body.
Leeres output_video.data: Das Video überschreitet 4 MB und wird als URI zurückgegeben. Lesen Sie output_video.uri und laden Sie die Datei über die Files API herunter.
Modell nicht gefunden: Prüfen Sie, ob Ihre Konfiguration noch gemini-omni-flash-preview verwendet. Dieser Endpunkt wird am 30. September 2026 eingestellt.
Bearbeitung eines hochgeladenen Videos schlägt fehl: Die Bearbeitung hochgeladener Videos ist im EWR, in der Schweiz und im Vereinigten Königreich nicht verfügbar. Modellgenerierte Videos funktionieren dort weiterhin.
Erweiterungsanfrage wird abgelehnt: Eingabevideos dürfen höchstens zehn Sekunden lang sein. Die Erweiterung wird nur am Ende angefügt. Bei einer Upload-Erweiterung können Sie keinen Dialog hinzufügen.

FAQ

Welchen Endpunkt verwendet Gemini Omni?

POST https://generativelanguage.googleapis.com/v1beta/interactions mit gemini-omni-1.1-flash im Request-Body.

Gibt es eine kostenlose Stufe?

Nein. Jede Generierung wird abgerechnet. Eine kostenlose AI-Studio-Stufe gibt es bei den Textmodellen.

Kann ich `temperature` oder einen negativen Prompt einstellen?

Nein. Systemanweisungen, temperature, top_p, Stoppsequenzen und negative Prompts werden nicht unterstützt. Formulieren Sie Ausschlüsse direkt im Prompt.

Wie generiere ich vertikale Videos?

Setzen Sie aspect_ratio in response_format auf 9:16.

Haben die Videos ein Wasserzeichen?

Ja. Alle Ausgaben enthalten SynthID, das für Zuschauer unsichtbar, aber programmatisch erkennbar ist.

Wie unterscheidet sich Omni von der Veo API?

Endpunkt, Preisgestaltung und Stärken unterscheiden sich. Gemini Omni 1.1 Flash vs. Veo 3.1 beschreibt die wichtigsten Abwägungen. Der Veo-3.1-API-Leitfaden behandelt die spezifischen Integrationsdetails.

Die minimale Integration besteht aus zwei Pflichtfeldern plus einem Response-Handler, der Inline- und URI-Lieferung unterstützt. Starten Sie mit einem 360p-Request, speichern Sie ihn mit Zusicherungen und erhöhen Sie die Auflösung erst nach erfolgreicher Validierung. Die offizielle Omni-Dokumentation enthält die aktuelle Parameterliste.

Claude Fable 5.1 Preserved Thinking: Der Block ist an eine andere Konversation gebunden beheben

Emre Demir — Wed, 02 Sep 2026 04:49:10 +0000

Claude Fable 5.1: Thinking-Block-Fehler in eigenen Agent-Harnesses beheben

Wenn Sie einen Agent-Harness auf Claude Fable 5.1 umgestellt haben und einen 400er-Fehler erhalten, wonach ein Thinking-Block „an eine andere Konversation gebunden ist“, verändert Ihr Code den Konversationsverlauf zwischen zwei Anfragen. Fable 5.1 ist das erste Claude-Modell, das diese Änderung beanstandet. Dieser Leitfaden zeigt, wie die Prüfung funktioniert, wen sie betrifft, was sie auslöst und wie Sie mit append-only-Mustern sowohl den Fehler als auch unnötige Prompt-Cache-Misses vermeiden.

Jetzt Apidog ausprobieren

Die Prüfung ist in preserved thinking und What’s new in Claude Fable 5.1 dokumentiert. Sie ist die dritte von drei grundlegenden Änderungen in Fable 5.1 und die einzige, die einen eigenen Harness unbemerkt beeinträchtigen kann. Die anderen beiden Änderungen beschreibt der Migrationsleitfaden.

Der Fehler

messages.5.content.0: Ungültige `signature` im `thinking` Block.
Der Block ist an eine andere Konversation gebunden. Entfernen Sie den
Block oder setzen Sie `thinking.block_binding.prefix_mismatch_behavior`
auf "drop_block". Diese Einstellung erfordert den Wert
`thinking-binding-controls-2026-08-01` im `anthropic-beta` Header.

Es handelt sich um einen 400 invalid_request_error, der vor jeder Ausgabe entsteht. Ein erneuter Versuch mit demselben Request-Body schlägt ebenfalls fehl.

Der Pfad messages.5.content.0 verweist auf den ersten Thinking-Block, der nicht mehr zum gesendeten Verlauf passt. Die Fehlermeldung kann zusätzlich die erste geänderte Nachricht nennen – genau diese Information ist für die Diagnose hilfreich. Der Token-Zähl-Endpunkt führt dieselbe Prüfung durch.

Ein ähnlicher, aber anderer Fehler enthält nicht den Satz „an eine andere Konversation gebunden“. Dann wurde die Signatur selbst manipuliert oder ist nicht entschlüsselbar; prefix_mismatch_behavior hilft in diesem Fall nicht.

Was die Prüfung kontrolliert

Jeder Thinking-Block von Fable 5.1 enthält eine Signatur. Sie zeichnet zwei Dinge auf:

das Modell, das den Block erzeugt hat;
das exakte Konversationspräfix vor dem Block.

Zum Präfix gehören:

der Top-Level-system-Prompt,
das tools-Array,
jede Nachricht vor dem Thinking-Block.

Jeder Block ist außerdem mit dem vorherigen Thinking-Block verknüpft. Wenn Sie den Verlauf erneut senden, prüft die API, ob das Präfix bytegenau dem Präfix entspricht, mit dem der Block erzeugt wurde.

Anthropic nennt dafür zwei Gründe:

Anti-Destillation: Der Launch-Post beschreibt, dass neue API-Konten Claudes früheren Kontext in einer Multi-Turn-Konversation nicht mehr manuell bearbeiten können, während das frühere Thinking erhalten bleibt. Damit wird eine dokumentierte Destillationstechnik ausgeschlossen.
Prompt-Cache-Integrität: Dieselben Änderungen, die die Prüfung brechen, starten meist auch den Prompt-Cache neu. Ein Harness, das die Prüfung besteht, liest sein Präfix weiterhin aus dem Cache – bei Fable 5.1 für 0,25 US-Dollar pro Million Cache-Read-Tokens.

Für wen die Prüfung gilt

Standardmäßig erzwungen: Konten, die am oder nach dem 31. August 2026 erstellt wurden. Dazu gehören Claude-API-Organisationen, Amazon-Bedrock-Konten, Google-Cloud-Projekte und Microsoft-Foundry-Ressourcen.
Aufgezeichnet, aber nicht erzwungen: Ältere Konten. Die API registriert Abweichungen, greift aber nur ein, wenn der Request thinking.block_binding.prefix_mismatch_behavior auf irgendeinen Wert setzt – auch auf "error". Laut Anthropic werden zukünftige Modelle die Prüfung für alle Konten erzwingen.
Nicht betroffen: Claude Code, claude.ai, Claude Managed Agents und das Claude Agent SDK. Diese Oberflächen halten das Präfix für Sie intakt.
Nicht geprüft: Claude Mythos 5.1 führt diese Konversationsprüfung nicht durch. Änderungen am Verlauf starten dort jedoch weiterhin den Cache neu.
Betroffen: Jeder Code, der das messages-Array selbst aufbaut – etwa eigene Agentenschleifen, Chat-Backends oder Frameworks, die die Messages API kapseln.

Die Falle für Tool-Autoren

Wenn Sie ein Tool veröffentlichen, das Nutzer mit eigenen API-Schlüsseln ausführen, liegt Ihr Schlüssel möglicherweise auf einem älteren Konto, der Schlüssel Ihrer Nutzer aber nicht.

Testen Sie deshalb mit gesetztem prefix_mismatch_behavior, damit Sie die Prüfung bereits während der Entwicklung auslösen. Um festzustellen, ob Ihr eigenes Konto die Prüfung erzwingt, bearbeiten Sie den Verlauf ohne Beta-Header. Ein 400er, der den Header thinking-binding-controls-2026-08-01 nennt, zeigt an, dass die Prüfung erzwungen wird.

Was spätere Thinking-Blöcke ungültig macht

Jede Änderung vor einem bereits erzeugten Thinking-Block kann alle nachfolgenden Blöcke ungültig machen:

Eine frühere Runde bearbeiten, neu anordnen oder entfernen. Dazu gehören gelöschte Tool-Ergebnisse, herausgeschnittene mittlere Runden und clientseitige Verdichtung, bei der die letzten Runden wörtlich hinter einer Zusammenfassung erhalten bleiben.
Inhalte einfügen, die nicht dauerhaft gespeichert werden, zum Beispiel eine pro-Runden-Erinnerung, die nach den Tool-Ergebnissen angehängt und beim nächsten Request entfernt wird.
Eine Statuszeile oder eine verbleibende Token-Anzahl einfügen, die sich zwischen Requests verändert.
system oder tools zwischen Requests neu erzeugen, etwa durch ein aktualisiertes Datum im System-Prompt oder durch das Hinzufügen beziehungsweise Entfernen eines Tools.
Eine Bild- oder Dokument-URL wiederverwenden, die später andere Bytes liefert. Gebunden sind die Bytes, nicht die URL-Zeichenfolge; eine rotierende signierte URL für dieselbe Datei ist daher in Ordnung.
Einen Thinking-Block aus der Mitte des Verlaufs entfernen. Führende Blöcke dürfen nur am Anfang und in der Reihenfolge vom ältesten Block an entfernt werden.

Was gültig bleibt

Folgende Änderungen erhalten die Bindung:

eine append-only-Historie;
angehängte role: "system"-Nachrichten;
gelöschte rundenbasierte Nachrichten, die an ihrer ursprünglichen Position verbleiben;
das Entfernen einer führenden Sequenz von Thinking-Blöcken, beginnend mit dem ältesten;
Änderungen an Parametern außerhalb von system, tools und messages, etwa max_tokens, output_config einschließlich effort, tool_choice und metadata;
das Hinzufügen, Verschieben oder Entfernen von cache_control-Markierungen;
serverseitige Verdichtung und Kontextbearbeitung, einschließlich des Löschens von Thinking-Blöcken.

Serverseitige Bearbeitung zählt nicht als clientseitige Änderung, weil die Prüfung den Verlauf so vergleicht, wie Sie ihn senden – nicht die intern bearbeitete Kopie des Servers. Nach einer Verdichtung beginnt das geprüfte Präfix mit dem Verdichtungsblock.

Der Notausgang: `drop_block`

Wenn Sie den Verlauf nicht sofort reparieren können, senden Sie den Beta-Header und setzen Sie das Verhalten explizit:

response = client.beta.messages.create(
    model="claude-fable-5-1",
    max_tokens=16000,
    thinking={"type": "adaptive", "block_binding": {"prefix_mismatch_behavior": "drop_block"}},
    betas=["thinking-binding-controls-2026-08-01"],
    messages=history,
)
for t in response.input_transformations or []:
    print(t.type, t.path, t.reason)

Mit "drop_block" verwirft die API den ersten nicht übereinstimmenden Thinking-Block und alle danach folgenden Thinking-Blöcke. Anschließend verarbeitet sie den Request weiter und meldet jede Verwerfung in input_transformations:

{
  "input_transformations": [
    {
      "type": "thinking_dropped",
      "path": "messages.1.content.0",
      "reason": "prefix_binding_mismatch"
    }
  ]
}

Beachten Sie drei Details:

Die Einstellung gilt nur für den aktuellen Request. Senden Sie sie für den Rest der Sitzung erneut.
Die Standardwerte unterscheiden sich je nach Oberfläche. Bei einem erzwungenen Konto führt ein fehlender Header zum Fehler. Das alleinige Senden des Headers aktiviert den Beta-Standard, der drop_block verwendet. Setzen Sie den Wert deshalb immer explizit.
block_binding ohne den erforderlichen Header führt zu einem 400er mit block_binding: Extra inputs are not permitted.

Das Feld reason unterscheidet zwei Ursachen:

prefix_binding_mismatch: Der Verlauf wurde geändert.
model_binding_mismatch: Die Konversation wechselte das Modell, etwa durch einen Router, einen erneuten Versuch oder einen Fallback nach einer Verweigerung. Das ist kein Fehler in Ihrem Verlaufscode.

Mit gesetztem Header enthält jede Antwort ein input_transformations-Array. Es ist leer, wenn nichts verworfen wurde.

Ein einzelnes Verwerfen an einer Verdichtungsgrenze ist meist unproblematisch. Ein Harness, das seinen Verlauf bei jeder Anfrage ungültig macht, verliert jedoch in jeder Runde das Thinking des Modells und startet den Prompt-Cache immer wieder neu. Anthropic warnt, dass dadurch die Kosten pro Aufgabe steigen.

Verwenden Sie drop_block daher als Diagnose- und Sicherheitsnetz, nicht als dauerhafte Lösung.

Wiederherstellung ohne Beta-Header

Auf Plattformen ohne diese Kontrollen – Microsoft Foundry bot sie zum Start nicht an; Bedrock und Google Cloud führten sie modellweise ein – können Sie einmalig alle thinking- und redacted_thinking-Blöcke aus dem Verlauf entfernen.

Behalten Sie die text- und tool_use-Blöcke jeder Runde bei und senden Sie den Request erneut. Das Modell beantwortet die Runde dann ohne die zuvor enthaltene Argumentation.

Das ist eine einmalige Wiederherstellung, kein dauerhaftes Muster.

Das Drei-Schritte-Audit

1. Tatsächliche Request-Bodies erfassen

Protokollieren Sie die exakten Request-Bodies, die Ihr Harness über mehrere normale Runden sendet. Nehmen Sie auch eine Verdichtung oder Tool-Änderung auf, falls Ihr Produkt diese Funktionen besitzt.

Vergleichen Sie für jedes aufeinanderfolgende Request-Paar:

den system-Prompt;
das tools-Array;
das gemeinsame Präfix von messages.

Bis zu den neu angehängten Runden müssen diese Bereiche byteidentisch sein.

2. Mit `drop_block` testen

Führen Sie eine normale Multi-Turn-Sitzung gegen claude-fable-5-1 aus und setzen Sie:

anthropic-beta: thinking-binding-controls-2026-08-01
thinking.block_binding.prefix_mismatch_behavior: "drop_block"

Protokollieren Sie input_transformations bei jeder Antwort.

Ein leeres Array in jeder Runde bedeutet, dass der Verlauf intakt ist.
Ein Eintrag mit reason: "prefix_binding_mismatch" zeigt, dass sich etwas vor dem Block am angegebenen Pfad verändert hat.

Dieser Test funktioniert für jedes Konto, weil das gesetzte Feld die Prüfung aktiviert. In CI sollten Sie stattdessen "error" verwenden, damit jede unbeabsichtigte Bearbeitung den Lauf fehlschlagen lässt.

3. Eine Produktionseinstellung festlegen

Setzen Sie die Einstellung unter dem Beta-Header explizit:

"error", wenn eine Nichtübereinstimmung immer einen Fehler darstellen soll;
"drop_block", wenn der Request mit reduziertem Kontext weiterlaufen soll.

Überwachen Sie in beiden Fällen die 400er oder die Einträge in input_transformations. Lassen Sie das Feld auf älteren Konten nicht ungesetzt: Dort wird die Abweichung sonst möglicherweise nur serverseitig aufgezeichnet, ohne dass Ihr Monitoring sie sieht.

Der Test in Apidog

In Apidog besteht der Test aus zwei Requests:

Senden Sie eine erste Runde.
Ändern Sie den System-Prompt.
Senden Sie die nächste Runde mit gesetztem Beta-Header.
Prüfen Sie input_transformations.

Behalten Sie den Test in Ihrer Sammlung, damit jede Änderung am Harness erneut geprüft werden kann. Laden Sie Apidog herunter, um den Test zu erstellen.

Einen Harness append-only gestalten

Ersetzen Sie jede Historienbearbeitung durch ein Muster, das das Präfix unverändert lässt:

Bisher	Stattdessen
System-Prompt mitten in der Sitzung bearbeiten, etwa durch ein neues Datum oder einen neuen Modus	`system` zu Sitzungsbeginn einfrieren. Die Änderung als neue Nachricht anhängen: `{"role": "system", "content": "The current date is 2026-09-14."}`. Systemnachrichten mitten in der Konversation erhalten System-Prompt-Autorität und werden Teil des Präfixes.
`tools`-Array mitten in der Sitzung bearbeiten	Den vollständigen Satz zu Sitzungsbeginn deklarieren. Tools, die zunächst ausgeblendet sein sollen, mit `defer_loading: true` konfigurieren. Änderungen als `tool_addition`- und `tool_removal`-Blöcke in einer `role: "system"`-Nachricht senden; dafür gilt der Beta-Header `mid-conversation-tool-changes-2026-07-01`.
Eine rundenbezogene Erinnerung einfügen und beim nächsten Request löschen	Als Systemnachricht mit `clear_at: "next_user_message"` senden: `{"role": "system", "clear_at": "next_user_message", "content": "..."}`. Nach der Tool-Ergebnisnachricht einfügen und frühere Kopien an Ort und Stelle belassen. Gelöschte Kopien werden nicht gerendert und kosten nichts. Ohne Beta-Header die Erinnerung in einem Textblock nach den `tool_result`-Blöcken derselben Benutzernachricht platzieren und frühere Kopien behalten.
Alte Tool-Ergebnisse clientseitig löschen	Serverseitige Kontextbearbeitung mit Tool-Ergebnis-Löschung verwenden.
Clientseitige Verdichtung mit einem erhaltenen Verlaufsschwanz	Serverseitige Verdichtung bevorzugen: `compact-2026-01-12`; der Parameter `instructions` akzeptiert einen eigenen Zusammenfassungs-Prompt. Wenn clientseitige Verdichtung unvermeidbar ist, den gesamten Verlauf durch eine Zusammenfassungsnachricht plus die neue Benutzerrunde ersetzen und nichts anderes wiedergeben.
Ein Bild oder Dokument über eine URL über mehrere Runden referenzieren	Einmal in die Files API hochladen und die `file_id` verwenden oder die Daten als Base64 senden.

Clientseitige Verdichtung ist besonders problematisch

Zwei Varianten brechen unter der Prüfung:

Keep-tail-Verdichtung: Ältere Runden werden zusammengefasst, während die neuesten Runden wörtlich erhalten bleiben. Die Thinking-Blöcke der erhaltenen Runden wurden jedoch mit dem vollständigen ursprünglichen Verlauf erzeugt.
Hintergrund-Verdichtung: Eine Zusammenfassung wird außerhalb des kritischen Pfads erstellt und später eingefügt. Alle Runden, die zwischen dem Start der Zusammenfassung und ihrer Einfügung erzeugt wurden, passen danach nicht mehr zum Präfix.

Auch das Herausschneiden einzelner mittlerer Runden macht jeden späteren Thinking-Block ungültig. Verwenden Sie für Anweisungsänderungen Systemnachrichten mitten in der Konversation und für selektives Entfernen serverseitige Kontextbearbeitung.

Eine weitere Kostenüberlegung: Cache-Reads kosten bei Fable 5.1 nur noch 0,25 US-Dollar pro Million Tokens. Frühes Kompaktieren zur Kostensenkung ist deshalb möglicherweise nicht mehr der beste Kompromiss. Anthropic empfiehlt, mit späteren Verdichtungspunkten zu experimentieren.

Warum dies auch eine Cache-Frage ist

Alle Änderungen in der Tabelle können einen Prompt-Cache neu starten. Fable 5.1 macht Cache-Hits viermal günstiger als Fable 5 und macht Cache-Misses proportional teurer.

Ein append-only-Harness wird daher doppelt belohnt:

Das Thinking des Modells bleibt erhalten.
Das Präfix wird pro Runde für 0,25 US-Dollar pro Million Tokens gelesen, statt für 12,50 US-Dollar neu geschrieben zu werden.

Die Preisübersicht enthält die aktuellen Zahlen. Die API-Anleitung zeigt rundenbezogene und pro-Nachricht-Aufwandsanfragen. Der Prompting-Leitfaden erklärt, welche rundenbezogenen Anweisungen sich für dieses Muster eignen. Der Claude-Code-Leitfaden erläutert, warum Claude-Code-Nutzer diesen Fehler nicht sehen.

FAQ

Was bedeutet „Der Block ist an eine andere Konversation gebunden“?

Ein Thinking-Block von Claude Fable 5.1 wurde erneut gesendet, nachdem sich etwas davor geändert hat: der System-Prompt, das Tool-Array oder eine frühere Nachricht. Auf Konten, die die Prüfung erzwingen, lehnt die API den Request mit einem 400er ab.

Welche Konten erzwingen die Fable-5.1-Historienprüfung?

Konten, die am oder nach dem 31. August 2026 erstellt wurden – auf jeder unterstützten Plattform. Ältere Konten erzwingen sie nur, wenn der Request thinking.block_binding.prefix_mismatch_behavior setzt. Anthropic plant, die Prüfung für zukünftige Modelle auf alle Konten auszuweiten.

Wie behebe ich den Fehler schnell?

Senden Sie den Beta-Header thinking-binding-controls-2026-08-01 und setzen Sie prefix_mismatch_behavior auf "drop_block". Die API verwirft die betroffenen Blöcke und verarbeitet den Request weiter. Reparieren Sie anschließend die Historienbearbeitung, da das dauerhafte Verwerfen von Blöcken die Argumentation kostet und den Cache neu startet.

Macht eine Änderung von `effort` oder `max_tokens` Thinking-Blöcke ungültig?

Nein. Parameter außerhalb von system, tools und messages können frei geändert werden. Das gilt auch für cache_control-Markierungen.

Bricht serverseitige Verdichtung die Prüfung?

Nein. Verdichtung und Kontextbearbeitung erfolgen nach der Prüfung, die den von Ihnen gesendeten Verlauf vergleicht. Eine clientseitige Verdichtung, die die letzten Runden wörtlich beibehält, bricht die Prüfung dagegen.

Führt Claude Mythos 5.1 dieselbe Prüfung durch?

Nein. Mythos 5.1 prüft die Konversation nicht auf diese Weise. Thinking-Blöcke bleiben jedoch weiterhin an das produzierende Modell gebunden, und Änderungen am Verlauf starten auch dort den Cache neu.

Claude Mythos 5.1 vs Fable 5.1: Gleiches Modell, unterschiedliche Sicherheitsvorkehrungen

Emre Demir — Wed, 02 Sep 2026 04:25:35 +0000

Claude Fable 5.1 vs. Claude Mythos 5.1: Gleiches Modell, andere Sicherheitsvorkehrungen

Anthropic veröffentlichte Claude Fable 5.1 und Claude Mythos 5.1 am 1. September 2026 gemeinsam und beschrieb sie als „dasselbe Modell, jedoch mit unterschiedlichen Sicherheitsvorkehrungen“. Beide haben dieselben Gewichte, Spezifikationen, Preise von 10 $ und 50 $ sowie dieselbe API. Fable 5.1 ist allgemein verfügbar; Mythos 5.1 steht nur zugelassenen Organisationen im Projekt Glasswing offen und bildet die Grundlage für Anthropic’s Claude Security.

Apidog heute ausprobieren

Dieser Leitfaden zeigt, was identisch ist, worin sich die Modelle in vier Punkten unterscheiden, wie der Zugang zu Mythos 5.1 funktioniert und was der veröffentlichte Benchmark-Unterschied über die Kosten der Sicherheitsvorkehrungen aussagt. Grundlage sind Anthropic’s Einführungsbeitrag und der Migrationsleitfaden für Fable 5.1, der beide Modelle behandelt. Für den größeren Kontext siehe Was „Mythos-Klasse“ bedeutet und Fable 5 vs. Mythos 5.

Fable 5.1 und Mythos 5.1 im Vergleich

Merkmal	Claude Fable 5.1	Claude Mythos 5.1
Modell-ID	`claude-fable-5-1`	`claude-mythos-5-1`
Verfügbarkeit	Alle Kunden	Nur Teilnehmer des Projekts Glasswing
Zugang	Anmeldung	Cybersicherheits- oder Biowissenschafts-Verifizierungsprogramm; US-Organisationen
Preise	10 $ / 50 $; Cache-Lesevorgänge 0,25 $	Gleich
Kontext / maximale Ausgabe	1 Mio. / 128K	Gleich
Wissensstichtag	Juni 2026	Gleich
Denken	Adaptiv, immer aktiv	Gleich
Erzwungene `tool_choice`	400	400
Sicherheitsklassifikatoren	Vollständiger Fable-Satz: Cyber, Bio, Frontier-LLM, Reasoning-Extraktion und allgemeine Schäden	Programmabhängige Sicherheitsvorkehrungen; nachgiebiger bei genehmigten defensiven Arbeiten
Schwachstellenanalyse	Kann Schwachstellen identifizieren, aber keine Exploits entwickeln	Kann Exploit-Pfade für genehmigte defensive Forschung entdecken
Liest Fable-5.1-Denkblöcke	Ja	Ja; das einzige andere Modell mit dieser Fähigkeit
Überprüfung der Verlaufsbearbeitung	Ja	Nein
Plattformen	Claude API, Bedrock, Claude Plattform auf AWS, Google Cloud, Foundry	Claude API, Bedrock, Google Cloud, Foundry; nicht Claude Plattform auf AWS
Prioritätsstufe	Nein	Nein
Datenaufbewahrung	30 Tage erforderlich; Covered Model	Gleich
Terminal-Bench 4.0	55,8 %	60,9 %

Was identisch ist

Anthropic formuliert es eindeutig: Fable 5.1 und Mythos 5.1 haben dieselben zugrunde liegenden Fähigkeiten, Spezifikationen, Preise und dasselbe API-Verhalten.

Beide Modelle bieten:

ein Kontextfenster von 1 Million Token
maximal 128K Ausgabetoken
adaptives Denken
fünf Anstrengungsstufen
den Wissensstichtag Juni 2026
Cache-Lesevorgänge für 0,25 $
die drei zentralen Änderungen der Fable-5-Generation, abgesehen von der unten beschriebenen Verlaufsprüfung

Das Fable-5.1-Spezifikationsblatt beschreibt damit auch Mythos 5.1.

Beide Modelle erfordern eine Datenaufbewahrung von 30 Tagen und gelten als Covered Models. Sie sind daher nicht mit Null-Datenaufbewahrung verfügbar, sofern Anthropic keine ausdrückliche Genehmigung erteilt. Keines unterstützt die Prioritätsstufe. Beide tragen auf jeder Plattform das statistische Text-Wasserzeichen von Anthropic.

Unterschied 1: Wer das Modell nutzen kann

Fable 5.1 ist über die Claude API und alle angegebenen Partnerplattformen allgemein verfügbar.

Mythos 5.1 wird ausschließlich zugelassenen Kunden im Projekt Glasswing angeboten. Zum Start gab es zwei Zugangswege:

Das Cybersicherheits-Verifizierungsprogramm für defensive Sicherheitsexperten. Anträge laufen über das Anthropic-Portal.
Das Biowissenschafts-Verifizierungsprogramm für Biowissenschaftsorganisationen. Dieses Programm wird gemeinsam mit der US-Regierung betrieben und soll schrittweise erweitert werden.

Zum Start waren beide Programme auf US-Organisationen beschränkt. Der Zugang wird über das Anthropic-, AWS- oder Google-Cloud-Kundenbetreuungsteam arrangiert. Ob bestehender Zugang zu Mythos 5 automatisch übernommen wird, war zunächst nicht bestätigt.

Das ist eine Änderung gegenüber Mythos 5: Der Vorgänger war nur auf Einladung erhältlich und führte überhaupt keine Sicherheitsklassifikatoren aus. Mythos 5.1 verwendet weiterhin Sicherheitsvorkehrungen, die an das jeweilige Zugangsprogramm angepasst sind.

Unterschied 2: Welche Arbeiten die Sicherheitsvorkehrungen erlauben

Fable 5.1 führt den vollständigen Satz der Fable-Klassifikatoren aus. Bei einer abgelehnten Anfrage liefert die API weiterhin HTTP 200, jedoch mit:

stop_reason: "refusal"

Zusätzlich wird eine Kategorie zurückgegeben.

Anthropic berichtet, dass die Fehlalarmrate gegenüber Fable 5 deutlich gesunken ist:

Bio-Klassifikatoren werden bei harmlosen Anfragen 85 % seltener ausgelöst.
Cybersicherheitsvorkehrungen führen pro Claude-Code-Sitzung zu etwa 60 % weniger Interventionen.

Fable 5.1 kann Softwareschwachstellen identifizieren, entwickelt jedoch keine Exploits.

Mythos 5.1 ist für Aufgaben vorgesehen, die Fable 5.1 ablehnen kann: etwa die Entdeckung von Exploit-Pfaden für defensive Forschung oder legitime biowissenschaftliche Arbeiten, die den Bio-Klassifikator auslösen.

Auch Mythos 5.1 führt Sicherheitsvorkehrungen aus. Behandeln Sie deshalb Ablehnungen genauso:

stop_reason: "refusal"
stop_details.category

Planen Sie für beide Modelle einen Fallback ein.

Anthropic’s Einführungsbeitrag und die Systemkarte beschreiben außerdem:

einen Echtzeitklassifikator gegen aggressive Sondierungen und Sandbox-Fluchtversuche
stärkere Isolation für Hochrisiko-Cyber-Workloads
neue Anforderungen an die Netzwerkisolation externer Evaluatoren

Diese Maßnahmen stehen im Zusammenhang mit früheren Evaluationen, bei denen Modelle reale Systeme erreichen konnten.

Unterschied 3: Überprüfung bearbeiteter Verläufe

Fable-5.1-Denkblöcke sind an die exakte Konversation gebunden, in der sie erzeugt wurden. Für Konten, die am oder nach dem 31. August 2026 erstellt wurden, macht jede der folgenden Änderungen spätere Denkblöcke ungültig:

Bearbeiten eines früheren Zugs
Ändern des System-Prompts
Ändern des Werkzeug-Arrays

Die API meldet in diesem Fall beispielsweise einen 400-Fehler mit dem Hinweis, dass die Blöcke an eine andere Konversation gebunden sind. Der Leitfaden zu erhaltenem Denken beschreibt die Fable-5.1-Seite ausführlich.

Mythos 5.1 führt diese Überprüfung nicht durch. Die Denkblöcke bleiben trotzdem an das erzeugende Modell gebunden:

Mythos 5.1 kann Denkblöcke von Mythos 5 lesen.
Fable 5.1 und Mythos 5.1 können die Denkblöcke des jeweils anderen lesen.
Die Denkblöcke werden nicht umgekehrt von Mythos 5 auf Fable 5.1 übertragen.
Eine Verlaufsbearbeitung startet weiterhin den Prompt-Cache neu.
Der Fehler prefix_binding_mismatch tritt bei Mythos 5.1 in diesem Szenario nicht auf.

Dadurch kann eine Konversation zwischen Fable 5.1 und Mythos 5.1 wechseln, ohne die bisherige Argumentation zu verlieren. Beim Wechsel zu Opus 5 verwirft die API die Denkblöcke.

Unterschied 4: Plattformen und Ratenbegrenzungen

Fable 5.1 ist auf der Claude Plattform auf AWS verfügbar. Mythos 5.1 ist dort nicht verfügbar.

Mythos 5.1 kann stattdessen über folgende Plattformen genutzt werden:

Claude API
Amazon Bedrock als anthropic.claude-mythos-5-1
Google Cloud
Microsoft Foundry

Auf Bedrock ist das Modell in us-east-1 verfügbar, aber nicht öffentlich gelistet.

Die Modelle verwenden außerdem unterschiedliche Ratenbegrenzungspools:

Fable 5.1 teilt sich den Pool „Fable 5.x“ mit Fable 5.
Mythos 5.1 teilt sich einen Mythos-Pool mit Mythos 5.

Was die Benchmark-Lücke bedeutet

Anthropic veröffentlichte für Mythos 5.1 einen Wert von 60,9 % auf Terminal-Bench 4.0. Fable 5.1 erreichte 55,8 %.

Das ist ein Unterschied von gut fünf Prozentpunkten bei agentischem Coding – obwohl beide Modelle ansonsten identisch sind. Es handelt sich damit um die direkteste öffentliche Messung der Kosten, die Fables Sicherheitsvorkehrungen bei einer Aufgabe verursachen, die nicht speziell mit Cyber- oder Biologiearbeit zu tun hat.

Eine plausible Erklärung ist, dass Klassifikatoren während langer Terminal-Sitzungen bei einzelnen harmlosen Schritten eingreifen. Der Benchmark zeigt außerdem, dass das leistungsfähigste allgemein verfügbare Modell ein bekanntes, besser abschneidendes Geschwistermodell besitzt. Die vollständige Benchmark-Aufschlüsselung enthält die übrigen Ergebnisse.

Anthropic’s wissenschaftliche Aussagen beziehen sich sämtlich auf Mythos 5.1:

Proteinbinder mit zehnfach höherer Affinität als die besten Wettbewerbsbeiträge über drei Ziele hinweg
eine Trefferquote von fast 50 % über zwölf Ziele, verglichen mit typischen 10 bis 15 %
eine Höhenkarte der Venus mit Details im Bereich von zwei bis drei Kilometern

Diese Ergebnisse gehören zu den Workloads, für die das Biowissenschafts-Verifizierungsprogramm vorgesehen ist. Sie sind keine Ergebnisse von Fable 5.1.

Welches Modell Sie nutzen sollten

Für fast alle Anwender lautet die praktische Antwort: Fable 5.1, weil dieses Modell allgemein verfügbar ist.

Mythos 5.1 ist relevant für Organisationen, die:

defensive Sicherheitsforschung betreiben, die den Cyber-Klassifikator auslöst
legitime Biowissenschaftsarbeit durchführen, die den Bio-Klassifikator auslöst

Wenn das auf Ihre Organisation zutrifft, beantragen Sie das passende Verifizierungsprogramm. Die Migration von Fable 5.1 dürfte anschließend weitgehend aus einem Austausch der Modell-ID bestehen, da das API-Verhalten – abgesehen von der Verlaufsprüfung – identisch ist.

Ablehnungen bei Fable 5.1 reduzieren

Bevor Sie Mythos-Zugang beantragen, können Sie bei legitimer defensiver Arbeit zwei Ansätze testen:

Prompts präzisieren: Fragen Sie beispielsweise „Gibt es Fehler?“ statt „Kompiliert dies?“. Stellen Sie Dokumentation für weniger bekannte Programmiersprachen bereit und entfernen Sie Werkzeuge, die Base64-Daten in den Kontext zurückgeben.
Fallbacks konfigurieren: Mit fallbacks: "default" können abgelehnte Anfragen an Opus 5 oder Opus 4.8 weitergeleitet werden. Der Leitfaden zur Ablehnungsbehandlung erläutert die Konfiguration.

Mit welchem Modell sprechen Sie?

Da sich die Modelle ansonsten gleich verhalten, ist ein identischer Request gegen beide Modell-IDs der sauberste Vergleich. In Apidog können Sie denselben Request-Body an beide IDs senden.

1. Sicherheitsverhalten vergleichen

Senden Sie einen harmlosen Prompt zur Schwachstellenanalyse an:

claude-fable-5-1
claude-mythos-5-1

Vergleichen Sie anschließend:

stop_reason
stop_details.category

Für Mythos 5.1 benötigen Sie natürlich den entsprechenden Glasswing-Zugang.

2. Verlaufsprüfung testen

Senden Sie eine Sequenz aus zwei Requests und bearbeiten Sie den System-Prompt zwischen den Zügen mit dem Header:

thinking-binding-controls-2026-08-01

Erwartetes Verhalten:

Fable 5.1 meldet in input_transformations einen prefix_binding_mismatch.
Mythos 5.1 meldet diesen Fehler nicht.

Laden Sie Apidog herunter, um den Vergleich auszuführen.

FAQ

Ist Claude Mythos 5.1 leistungsfähiger als Fable 5.1?

Das zugrunde liegende Modell ist identisch. Der veröffentlichte Benchmark zeigt Mythos 5.1 mit 60,9 % gegenüber 55,8 % von Fable 5.1 auf Terminal-Bench 4.0. Der Unterschied spiegelt die Eingriffe der Sicherheitsvorkehrungen bei Fable 5.1 wider, nicht eine andere Modellarchitektur.

Wie erhalte ich Zugang zu Claude Mythos 5.1?

Über das Projekt Glasswing:

Cybersicherheits-Verifizierungsprogramm für defensive Sicherheitsexperten
Biowissenschafts-Verifizierungsprogramm für Biowissenschaftsorganisationen

Beide Programme waren zum Start auf US-Organisationen beschränkt. Wenden Sie sich an Ihr Anthropic-, AWS- oder Google-Cloud-Kundenbetreuungsteam.

Kostet Mythos 5.1 mehr als Fable 5.1?

Nein. Beide Modelle kosten 10 $ beziehungsweise 50 $ pro Million Token und verwenden dieselben Cache- und Batch-Raten.

Lehnt Claude Mythos 5.1 Anfragen ab?

Ja. Anders als Mythos 5 führt Mythos 5.1 Sicherheitsvorkehrungen aus, die an das Zugangsprogramm angepasst sind. Behandeln Sie daher stop_reason: "refusal" genauso wie bei Fable 5.1.

Kann ich eine Konversation zwischen Fable 5.1 und Mythos 5.1 wechseln?

Ja. Beide Modelle können die Denkblöcke des jeweils anderen lesen, sodass die Argumentation beim Wechsel erhalten bleibt.

Ist Mythos 5.1 auf Amazon Bedrock verfügbar?

Ja. Das Modell ist als anthropic.claude-mythos-5-1 in us-east-1 verfügbar, obwohl es nicht öffentlich gelistet ist. Auf der Claude Plattform auf AWS steht es nicht zur Verfügung.

DEV Community: Emre Demir

GPT-6 Astra nutzt Ihren Computer? Besser: Ihre OpenAPI-Spezifikation.

GPT-6 Astra für API-Tests: Vertrag statt Bildschirm

TL;DR

Was Astra mit Computernutzung leisten kann

Benchmarks

Was eine 40-minütige Aufgabe kostet

Computernutzung oder Vertrag?

So übergeben Sie Astra Ihren API-Vertrag

1. Spezifikation direkt übergeben

2. Projekt über MCP verbinden

3. Spezifikation in Tools umwandeln

4. Szenarien ohne Modell ausführen

Schutzmechanismen beibehalten

Wo Computernutzung weiterhin sinnvoll ist

FAQ

Funktioniert die Computernutzung von GPT-6 Astra über die API?

Wie groß darf eine Spezifikation sein?

Wird Astra Endpunkte halluzinieren?

Ist Astra für die Testerstellung günstiger als GPT-5.6 Sol?

Fazit

Weiterführende Links

GPT-6 Astra durchbrach OpenAIs rote Sicherheitslinie: Auswirkungen auf Ihre APIs

GPT-6 Astra und die neue Realität für API-Sicherheit

TL;DR

Was „kritisch“ bedeutet

Die veröffentlichten Belege

Was standardmäßig verfügbar ist

1. Ablehnungen

2. Überwachung

3. Zugangsstufen

Wie es dazu kam

Warum API-Betreiber betroffen sind

Sechs API-Sicherheitsprüfungen für diese Woche

1. Authentifizierungsgrenzen prüfen

2. Autorisierung auf Objektebene testen

3. Schema-Durchsetzung validieren

4. Ratenbegrenzung und Sperren testen

5. Geheimnisse aus Antworten entfernen

6. Vertragsregressionen einplanen

Astra als defensiven Prüfer einsetzen

FAQ

Ist GPT-6 Astra gefährlich zu verwenden?

Kann ich Astra für Penetrationstests verwenden?

Wie unterscheidet sich Astra von GPT-5.6-Cyber?

Was ist mit Googles Cyber-Modell?

Blockiert der Monitor normalen API-Verkehr?

Fazit

GPT-6 Astra Praxistest: Nach zwei Tagen Wartezeit – AGI (Künstliche Allgemeine Intelligenz) ist Realität

Donnerstagabend: Die erste Anfrage

Freitagmorgen: Als Astra aufhörte zu klicken

Freitagnacht: Die nächtliche Refaktorierung

Was schiefging

1. Ausrichtungsprüfungen können lange Läufe stoppen

2. Die Kosten steigen schnell

Also: AGI?

Die wichtige Einschränkung

Gemini 3.7 Flash zu 3.8 Flash: API Migrationsleitfaden

Gemini 3.8 Flash migrieren: 9 Checks für API, Tools und Token-Budget

Was ändert sich?

Schritt 0: Prüfen, ob eine Migration nötig ist

Schritt 1: Modell-ID in beiden API-Formen austauschen

Interactions API

Älterer generateContent-Endpunkt

Python SDK

Die neun Migrations-Checks

Interactions API: vorher

Interactions API: nachher

generateContent: nachher

2. temperature, top_p und top_k entfernen

3. thinking_budget durch thinking_level ersetzen

Vorher

Nachher

4. candidate_count entfernen

Vorher

Nachher

5. call_id und name bei jedem Funktionsergebnis mitsenden

Interactions API: Funktionsergebnis

6. Denk-Signaturen unverändert zurückgeben

7. Mehr Token pro Route einplanen

Älterer `generateContent`-Endpunkt

`generateContent`: nachher

2. `temperature`, `top_p` und `top_k` entfernen

3. `thinking_budget` durch `thinking_level` ersetzen

4. `candidate_count` entfernen

5. `call_id` und `name` bei jedem Funktionsergebnis mitsenden

8. `media_resolution_high` für PDFs und Videos getrennt testen

Was passiert bei `thinking_level: "minimal"`?

`thinking_level: "minimal"` wird abgelehnt

Funktionsantworten brauchen `call_id` und `name`