Gemini 3.8 Flash Cyber

Fiche modèle · Google · gemini-3.8-flash-cyber

Gemini 3.8 Flash Cyber is Google's most capable specialized cybersecurity model, designed for autonomous vulnerability discovery and automated patching. Google reports 86.2% pass@1 on CyberGym, 71.0% recall on an internal real-world vulnerability-discovery benchmark spanning more than 1,200 vulnerabilities and 20 programming languages, and 47.2% pass@1 on CWE-Bench. Its more permissive cybersecurity safeguards make it available only to trusted government authorities, critical-infrastructure operators, and software maintainers through Google's Fairwind Program; it is not publicly available through the Gemini API or ZeroEval.

Fiches modèles

Identité

Organisation	Google
Pays	—
Famille	—
Type	llm
Date de sortie	2026-09-02
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	—
Fenêtre de contexte	1 048 576
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-09-02T16:31:12.434064Z
Mis à jour le	2026-11-04T06:05:14.460867Z
Source	LLM Stats
URL	https://llm-stats.com/models/gemini-3.8-flash-cyber

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
safety	0.70
general	0.70
agents	0.70
code	0.70

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
cwe-bench	code	0.47	1.00	0.47	non	oui	2026-11-04T06:05:14.470613Z
cybergym	code	0.86	1.00	0.86	non	oui	2026-11-04T06:05:14.464364Z
google-real-world-vulnerability-discovery	code	0.71	1.00	0.71	non	oui	2026-11-04T06:05:14.467122Z
gray-swan-ipi	agents	0.06	1.00	0.94	non	oui	2026-11-04T06:05:14.473842Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
agents	51	—	28.43	1	trueskill	2026-10-19	model_history
code	49	—	32.07	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04