Gemini 3.8 Flash trafia do AI Mode. Trzeci model Google w sześć tygodni

Google podmienił model napędzający AI Mode w wyszukiwarce. 2 września 2026 roku Gemini 3.8 Flash trafił do menu wyboru modeli w AI Mode, tego samego dnia, w którym miał oficjalną premierę. To trzecia odsłona linii Flash w ciągu sześciu tygodni, a dla branży SEO oznacza to coś więcej niż kolejny numerek w changelogu: warstwa, która generuje odpowiedzi i dobiera cytowane źródła, zmienia się teraz szybciej niż typowy cykl raportowania widoczności.

O rolloucie poinformował Robby Stein, wiceprezes ds. produktu w Google Search, publikując krótki wpis w serwisie X. Napisał, że „Gemini 3.8 Flash wylądował w Search” i że model jest „dostępny od dziś w AI Mode dla subskrybentów Google AI Pro i Ultra na całym świecie”. Informację potwierdziły niezależnie serwisy Search Engine Land i Search Engine Journal.

Kontekst: trzy modele Flash w sześć tygodni

Tempo, w jakim Google wymienia modele pod AI Mode, jest bezprecedensowe. Gemini 3.7 Flash zadebiutował 14 sierpnia 2026 roku, czyli niecałe trzy tygodnie przed 3.8. Wcześniej, jak pisaliśmy przy okazji konferencji Google I/O 2026, gdzie pokazano nowy Search box, Gemini 3.5 Flash i agentów wyszukiwania, cykl wydawniczy liczył się jeszcze w kwartałach. Dziś liczy się w tygodniach.

Warto zrozumieć, dlaczego akurat linia Flash jest tak istotna dla wyszukiwarki. Flash to w nomenklaturze Google model „workhorse”, czyli koń roboczy: zoptymalizowany pod koszt i przepustowość, a nie pod maksymalną jakość za wszelką cenę. Przy skali AI Mode, który według danych podawanych przez Google przekroczył miliard użytkowników miesięcznie, koszt jednego wywołania modelu decyduje o tym, czy funkcja w ogóle jest opłacalna. Każda poprawa stosunku jakości do ceny w linii Flash przekłada się bezpośrednio na to, ile rozumowania Google może sobie pozwolić włożyć w pojedynczą odpowiedź w wynikach wyszukiwania.

Stein opisał nowy model jako „nasz najinteligentniejszy model roboczy jak dotąd, przynoszący znaczące usprawnienia względem 3.7 Flash w inżynierii oprogramowania, zadaniach agentowych i rozumowaniu wieloetapowym”. To sformułowanie jest istotne, bo wskazuje kierunek: Google nie optymalizuje już Flasha wyłącznie pod szybkość, tylko pod zdolność do prowadzenia wieloetapowych łańcuchów rozumowania i wywoływania narzędzi.

Kluczowe fakty

Co dokładnie dostali użytkownicy AI Mode

Zmiana jest widoczna w interfejsie. W pasku „Ask anything” w AI Mode, pod ikoną plusa, znajduje się rozwijane menu wyboru modelu. Nowy wpis pojawia się w sekcji „Gemini 3 models”, pomiędzy pozycją „Auto” a pozycją „Pro”. Serwis Search Engine Journal zwrócił uwagę na szczegół, który łatwo przeoczyć: na zrzucie ekranu nowego menu nie widać już Gemini 3.7 Flash. Poprzednia wersja została po prostu zdjęta z listy, co oznacza, że użytkownik nie ma możliwości świadomego pozostania przy starszym modelu.

Selektor modeli jest funkcją płatną. Subskrybenci Google AI Pro i Ultra mogą wybrać model ręcznie, natomiast użytkownicy darmowego planu w ogóle nie widzą tej opcji i korzystają z modelu domyślnego wybieranego przez Google. To rozróżnienie ma praktyczne konsekwencje dla każdego, kto testuje widoczność swojej marki w AI Mode: wynik zależy od tego, na jakim koncie i w jakim planie prowadzono test.

Historia poprzednich wdrożeń sugeruje, że model trafi z czasem do wszystkich użytkowników, także darmowych, jako opcja domyślna. Search Engine Land ocenia, że stanie się to w ciągu najbliższych tygodni lub miesięcy. Do tego momentu w wyszukiwarce równolegle działają dwie generacje modeli: nowa dla płacących, starsza dla reszty.

Liczby, które warto znać

Google opublikował zestaw benchmarków, które w kilku obszarach przesuwają Flasha nietypowo blisko modeli z górnej półki cenowej. Na Terminal-Bench 2.1 model osiągnął 90,8 proc. wobec 81,6 proc. dla 3.7 Flash, co jest skokiem o ponad dziewięć punktów procentowych między wersjami wydanymi w odstępie trzech tygodni. W teście HLE-Verified, mierzącym rozumowanie wieloetapowe w naukach ścisłych, humanistyce i dziedzinach zawodowych, model uzyskał 54,9 proc. Dobre wyniki raportowano też na DeepSWE v1.1, w benchmarku agentowym Vals Finance Agent V2 oraz w prawniczym benchmarku firmy Harvey.

Niezależne zestawienia rynkowe plasują model na poziomie 59 punktów w indeksie Artificial Analysis Intelligence Index, przy przepustowości rzędu 305 tokenów na sekundę. W części kategorii, głównie w finansach, prawie i badaniach biologicznych, wyniki zbliżają się do modeli takich jak Claude Opus 5 czy GPT-5.6 Sol. W złożonym, autonomicznym kodowaniu i obsłudze komputera przewaga droższych modeli nadal jest wyraźna, więc „Flash dogonił frontier” byłoby nadinterpretacją.

Osobno Google wypuścił wariant Gemini 3.8 Flash Cyber, wyspecjalizowany w wykrywaniu podatności. Zespół Chrome Security podał, że model generował 2,6 razy więcej poprawnych łatek na podatności niż większe modele komercyjne. To sygnał szerszego trendu: zamiast jednego uniwersalnego modelu Google buduje rodzinę wariantów dostrojonych pod konkretne domeny.

Co to znaczy dla SEO i AIO

Cytowania przestają być stabilną metryką w skali miesiąca

To najważniejszy praktyczny wniosek z tej premiery i warto go postawić wprost. Jeżeli prowadzisz miesięczny raport widoczności w AI Mode, to w obrębie jednego okresu raportowego odpowiedzi generowały co najmniej dwa różne modele, a przy trzech wydaniach w sześć tygodni bywa, że trzy. Spadek liczby cytowań marki między sierpniem a wrześniem może więc nie mieć nic wspólnego z jakością treści, linkami czy zmianami technicznymi na stronie. Może być artefaktem podmiany modelu.

Search Engine Journal formułuje z tego konkretną rekomendację dla osób testujących widoczność: przy każdym teście zapisuj nazwę modelu, na którym test był wykonany. Bez tego pola w arkuszu porównywanie wyników z różnych tygodni jest porównywaniem rzeczy nieporównywalnych. Jeśli budujesz własny monitoring widoczności AI w Google Sheets, kolumna z wersją modelu i planem konta powinna być obowiązkowa, obok daty i zapytania.

Więcej rozumowania oznacza inny dobór źródeł

Google podkreśla postęp w „zadaniach agentowych” i „rozumowaniu wieloetapowym”. W praktyce oznacza to, że model chętniej rozbija zapytanie na kroki, częściej wywołuje narzędzia i wykonuje więcej cykli pobierania informacji, zanim sformułuje odpowiedź. Dla widoczności w AI Mode ma to dwie konsekwencje.

• Rośnie liczba zapytań pomocniczych generowanych pod jedną frazą użytkownika, więc pula stron, które mogą zostać dotknięte przez model, jest większa. Strony odpowiadające na wąskie podpytania zyskują szansę, której nie miały przy prostszym modelu.
• Jednocześnie model ma więcej okazji, by odrzucić źródło słabo dopasowane do konkretnego kroku rozumowania. Ogólne, powierzchowne teksty typu „wszystko o X” tracą, bo nie odpowiadają precyzyjnie na żaden pojedynczy krok.

Kierunek jest zgodny z tym, co obserwujemy od kilku miesięcy: wygrywają treści, w których pojedyncza sekcja zawiera kompletną, samodzielną odpowiedź na jedno konkretne pytanie, a nie treści, które budują argument przez dziesięć akapitów.

Tańszy model to więcej AI w wynikach, nie mniej

Cena 0,75 USD za milion tokenów wejściowych i 3,75 USD za milion wyjściowych to poziom, przy którym generowanie odpowiedzi AI dla ogromnego wolumenu zapytań przestaje być problemem budżetowym. Warto jednak zwrócić uwagę na zapis o okresie promocyjnym: stawki obowiązują do 31 grudnia 2026, a od 1 stycznia 2027 mają wzrosnąć dwukrotnie, do 1,50 USD i 7,50 USD. Dotyczy to cennika API, nie wyszukiwarki, ale pokazuje, jaka jest realna ekonomika tej klasy modeli.

Dla właścicieli witryn wniosek jest niewygodny, ale jednoznaczny: każdy kolejny spadek kosztu wnioskowania zwiększa powierzchnię wyników, którą Google może wypełnić odpowiedzią generowaną, zamiast dziesięcioma niebieskimi linkami. To ten sam mechanizm, który stoi za obserwowanym wcześniej zjawiskiem, gdy AI Overviews zaczęły rozwijać się automatycznie i spychać wyniki organiczne w dół strony.

Co zrobić z treścią, zanim przyjdzie kolejny model

Skoro silnik zmienia się co trzy tygodnie, sensowna strategia treści musi być odporna na tę rotację. W praktyce oznacza to przesunięcie wysiłku z optymalizacji pod konkretne zachowanie jednego modelu na warstwy, które każdy kolejny model odczyta tak samo.

• Jedna sekcja, jedna kompletna odpowiedź. Nagłówek H3 sformułowany jako pytanie i akapit, który odpowiada na nie w całości, bez odsyłania do dalszej części tekstu. To format, który model może pobrać jako samodzielny fragment na dowolnym kroku rozumowania.
• Spójność danych o encji. Nazwa marki, adres, autorzy, opisy usług i dane kontaktowe powinny brzmieć identycznie na stronie, w danych strukturalnych i w profilach zewnętrznych. Modele o silniejszym rozumowaniu częściej weryfikują fakty krzyżowo, a rozbieżność jest wtedy kosztowna.
• Świeżość liczb i dat. Przy niejednolitej dacie odcięcia wiedzy model mocniej polega na pobieraniu danych z sieci. Strona z jawnie oznaczoną datą aktualizacji i konkretnymi liczbami ma przewagę nad tekstem, który mówi ogólnikami.
• Dane strukturalne bez błędów. To najtańszy sygnał, jaki możesz podać, i jedyny, który nie zależy od tego, jak dobrze model rozumie prozę.

Żaden z tych punktów nie jest nowy i to jest właśnie ich zaleta. Są to inwestycje, które nie tracą wartości przy podmianie modelu, w przeciwieństwie do taktyk dostrojonych do zaobserwowanych zachowań konkretnej wersji.

Pomiar jest wreszcie możliwy, choć niekompletny

Dobrą wiadomością jest to, że od niedawna dane o AI Mode są dostępne w Search Console. Przypominamy, że Google udostępnił raporty AI globalnie, choć z istotnym zastrzeżeniem dotyczącym atrybucji kliknięć. Przy tak szybkiej rotacji modeli te raporty stają się jedynym w miarę stabilnym punktem odniesienia, bo mierzą wyświetlenia i kliknięcia, a nie subiektywnie oceniane cytowania w pojedynczych testach.

Reakcje branży

W komentarzach specjalistów dominują dwa wątki. Pierwszy dotyczy metodologii pomiaru. Coraz częściej pojawia się argument, że narzędzia do monitoringu widoczności w AI, które nie logują wersji modelu, sprzedają klientom szum jako trend. Przy trzech wydaniach linii Flash w sześć tygodni różnica między raportem a przypadkiem staje się trudna do obrony.

Drugi wątek dotyczy strategii treści. Powracającym głosem branżowym jest teza, że skróty w SEO i w wyszukiwaniu AI rzadko wygrywają w dłuższym horyzoncie, a fundamentem pozostaje praca nad encjami, spójnością danych o marce i realną eksperckością, czyli warstwami, które przetrwają wymianę modelu pod spodem. Ta perspektywa jest wygodna dla wydawców, bo jest jedyną, przy której inwestycja w treść nie dewaluuje się co trzy tygodnie.

Pojawiają się też głosy sceptyczne wobec samego tempa wydań. Model o oknie kontekstu 1 mln tokenów i deklarowanych zdolnościach agentowych trafia do produkcyjnej wyszukiwarki tego samego dnia, w którym ma premierę, bez zewnętrznego okresu testowego. Data odcięcia wiedzy jest przy tym niejednolita: marzec 2026 dla części dziedzin i styczeń 2025 dla pozostałych, co przy zapytaniach o świeże wydarzenia oznacza silniejsze poleganie na pobieraniu danych z sieci w czasie rzeczywistym, a więc i na Twojej stronie.

Co dalej

Trzy rzeczy warto obserwować w najbliższych tygodniach.

• Rozszerzenie na plan darmowy. Moment, w którym Gemini 3.8 Flash stanie się modelem domyślnym dla wszystkich, będzie realnym punktem zwrotnym dla ruchu. Do tego czasu zmiana dotyczy mniejszości użytkowników.
• Wsparcie językowe. Komunikaty nie precyzują zakresu językowego wdrożenia w Search. Dla polskiego rynku to kluczowa niewiadoma, bo funkcje AI Mode historycznie docierały do zapytań w języku polskim z opóźnieniem.
• Stabilność cytowań. Jeżeli w ciągu dwóch, trzech tygodni zobaczysz w swoich danych skokową zmianę liczby wzmianek marki w AI Mode, pierwszym podejrzanym powinna być podmiana modelu, a nie Twoja treść.

Praktyczna rekomendacja na teraz jest prosta. Dodaj do arkusza monitoringu kolumnę z wersją modelu i typem konta, przestaw raportowanie widoczności w AI z cyklu miesięcznego na tygodniowy z wyraźnie oznaczonymi datami wydań modeli, a decyzje o zmianach w treści opieraj na raportach Search Console, nie na pojedynczych promptach. Przy obecnym tempie wydań to jedyny sposób, by odróżnić efekt Twojej pracy od efektu podmiany silnika.