Gemini 3.8 Flash és a Google-ökoszisztéma: mikor elég a Google AI-ja egy KKV-nak?

A Google 2026. szeptember 2-án kiadta a Gemini 3.8 Flash modellt, amely a cég szerint a szoftverfejlesztésben, az ügynöki feladatokban és a szakterületi, több lépésben levezetett gondolkodásban lépett nagyot előre a közvetlen elődjéhez, a 3.7 Flashhez képest. Mellé érkezett a Gemini 3.8 Flash Cyber is, egy kifejezetten sérülékenységkeresésre hangolt változat, amely a Google belső mérésén 20 programozási nyelvben 70% feletti sikeraránnyal találta meg a valós hibákat. A hír egy magyar kisvállalkozásnak elsőre távolinak tűnhet, pedig ha a céged Gmailben levelez, Google Drive-on tárolja az ajánlatokat és Meetben tartja a heti megbeszélést, akkor a Gemini már most ott ül a képernyőd sarkában, csak talán még senki nem nézte meg alaposan, mire képes.

A valódi kérdés ezért nem az, hogy a Google megnyerte-e az AI-modellek versenyét, hiszen több területen az OpenAI és az Anthropic ma is előrébb jár. Egy 5 és 50 fő közötti, Workspace-en dolgozó cégnek sokkal fontosabb tudni, mikor elég az, amit a Google amúgy is a csomagba tesz, illetve mikor éri meg mellé egy másik szolgáltatót is bevonni. A folytatásban 2026. szeptember 22-i állapot szerint végigvesszük, mit tud a 3.8 Flash, mennyibe kerül forintban az API-n, mit kapsz a Workspace Business-csomagokban és hol vannak a kvóták határai, végül egy döntési táblázattal és egy lépésről lépésre haladó bevezetési útmutatóval zárunk.

Röviden

• A Gemini 3.8 Flash a Google 2026. szeptember 2-án bemutatott gyors és olcsó modellje, amely a hivatalos bejelentés szerint a 3.7 Flashnél jobban teljesít a szoftverfejlesztésben, az ügynöki feladatokban és a többlépéses szakmai gondolkodásban, miközben 1 millió tokenes kontextusablakkal dolgozik.
• Az API-ára 2026. december 31-ig 0,75 dollár millió bemeneti és 3,75 dollár millió kimeneti tokenenként, ami kerekített 320 Ft-os árfolyammal 240 Ft-ot, illetve 1 200 Ft-ot jelent; 2027. január 1-jétől az ár a duplájára nő, de még így is csak 15%-a az OpenAI GPT-6 Astra árának.
• A Google Workspace Business Starter csomagban a Gemini főleg a Gmailben és a Vidsben dolgozik, a Business Standard és a Business Plus csomagban viszont a Dokumentumokban, a Táblázatokban, a Diákban és a Meetben is ott van, a Workspace súgója szerint például havi 5 000 Táblázatok-AI-függvényhívással.
• A Workspace Business-csomagjaiban a Gemini alkalmazás vállalati szintű adatvédelemmel működik: a Google súgója szerint a beszélgetéseket és a feltöltött fájlokat nem nézik át emberek és nem használják fel a generatív modellek fejlesztésére.
• Számítógép-használatban az OpenAI GPT-6 Astra, szabálykövető üzleti automatizálásban és irodai munkafelületekben az Anthropic Claude ma is előrébb jár, ezért aki böngészős adminmunkát akar egy ügynökre bízni, annak a Google önmagában kevés lehet.
• Egy Workspace-en dolgozó KKV-nak a Google AI-ja akkor elég, ha a cél a levelezés, a megbeszélések, a dokumentumok és a táblázatok gyorsítása, valamint az olcsó, nagy tömegű szöveg- és dokumentumfeldolgozás, a több rendszert átívelő ügynököknél viszont érdemes más modellt is tesztelni.

Mi az a Gemini 3.8 Flash és mi változott a 3.7 Flashhez képest?

A Gemini 3.8 Flash a Google Flash-családjának legújabb tagja: gyors és olcsó modell 1 millió tokenes kontextusablakkal, amely szöveget, képet, hangot, videót és PDF-et is fogad. A Google szerint a 3.7 Flash alapjaira épül, de a szoftverfejlesztésben, az ügynöki munkában és a szakterületi, többlépéses gondolkodásban jelentősen jobb nála.

A Flash a Google modellpalettáján a munkaló szerepét tölti be: nem ez a cég legerősebb modellje, hanem az, amelyet a Google a gyors, kedvező árú, nagy tömegű hétköznapi használatra szán. A 3.8-as verziót Tulsee Doshi, a Google termékmenedzsment-igazgatója és Raluca Ada Popa, a Google DeepMind Gemini-biztonsági vezetője jelentette be a Google blogján 2026. szeptember 2-án. A bejelentés szerint a modell a Gemini alkalmazásban a Pro és Ultra előfizetőknek, a Google Keresés AI Mode felületén, a Google Táblázatokban, a Google AI Studióban, az Android Studióban, a Stitch felülettervezőben, a Google Antigravity fejlesztői környezetben és a vállalati Gemini Enterprise platformon érhető el.

A kontextusablak az a szövegmennyiség, amelyet a modell egyetlen kérésben egyszerre át tud tekinteni. A Gemini API dokumentációja szerint a 3.8 Flash bemeneti korlátja 1 048 576 token, míg egy válasz legfeljebb 65 536 token hosszú lehet. Durva becsléssel 1 millió token nagyságrendileg ezeroldalnyi szöveg, magyar nyelven valamivel kevesebb, mert a magyar szavak jellemzően több tokenre esnek szét, mint az angolok. Egy közepes cég belső szabályzatgyűjteménye vagy egy több száz oldalas pályázati dokumentáció így jellemzően egyben beadható a modellnek, darabolás nélkül.

A fejlesztői dokumentáció szerint a 3.8 Flash tud függvényeket hívni (vagyis más programokat, adatbázisokat elérni), a Google Keresés és a Google Térkép adataival megalapozni a válaszait, kódot futtatni, strukturált, gépileg feldolgozható kimenetet adni, fájlokban keresni, valamint előnézeti státuszban számítógépet is használni. A gondolkodási szint alacsony, közepes és magas fokozatra állítható, a legkisebb, úgynevezett minimális fokozat ennél a modellnél nem érhető el. Amit nem tud: képet vagy hangot nem generál és a valós idejű hangos beszélgetést lehetővé tevő Live API sem támogatott.

Mit tud a Gemini 3.8 Flash a szoftverfejlesztésben és a többlépéses gondolkodásban?

A Gemini 3.8 Flash a Google szerint a DeepSWE v1.1 fejlesztési teszten a legtöbb nagyobb frontmodellt is megelőzi, a pénzügyi és jogi ügynöki teszteken pedig a Claude Opus 5-öt is. A gyakorlatban ez olcsó és gyors kódolási, elemzési segítséget jelent, a nehéz, nyitott végű kérdéseknél viszont a DataCamp elemzése szerint nem mindig éri meg a többlet tokenköltséget.

A számok egy része a Google saját bejelentéséből, más része független összesítésekből származik, ezért érdemes forrásonként olvasni őket. A DeepSWE v1.1 teszten a Google nem közölt pontos százalékot, csak annyit állít, hogy a 3.8 Flash a nagyobb frontmodellek többségénél jobban old meg önállóan összetett mérnöki problémákat az elejétől a végéig. A DataCamp összesítése szerint a modell a Terminal-Bench 2.1 parancssoros teszten 90,8%-ot, a SWE-Bench Pro teszten 61,6%-ot ért el. Összevetésképp a Meta szeptember 3-án kiadott, kifejezetten ügynöki kódolásra épített Muse Spark 1.3 modellje a MarkTechPost szerint 88,8-at ért el a Terminal-Bench 2.1-en, vagyis a Google olcsó modellje ezen a mérésen a specialista kódolómodellel is versenyben van.

A táblázat első három sora a Google által közölt összevetés az eesel.ai összefoglalójában, az utolsó két sor a DataCamp összesítése.

A pénzügyi és jogi sorok egy KKV-nak többet mondanak, mint a kódolási eredmények. A Vals Finance Agent v2 olyan feladatokat ad a modellnek, amelyekben pénzügyi dokumentumokból kell adatot kikeresni, számolni és következtetést levonni, itt a 3.8 Flash 61,4%-kal a Claude Opus 5-öt is megelőzte. A Harvey jogi ügynöki tesztjén ugyanakkor a győztes is csak a feladatok 10%-át oldotta meg, vagyis tíz jogi ügynöki feladatból kilencben még a legjobb modell is elbukik. Ebből nem az következik, hogy a Gemini rossz jogász, hanem az, hogy a szerződésvizsgálatot és a jogi következtetést egyik mai modellre sem szabad felügyelet nélkül rábízni.

Többet gondolkodik, ezért több tokent is fogyaszt

Az eesel.ai összefoglalója szerint a 3.8 Flash összetett feladatoknál tudatosan alaposabban dolgozik: több gondolkodási lépést tesz és többször hív meg eszközöket, mielőtt választ ad. Ugyanez az elemzés az Artificial Analysis független méréseire hivatkozva azt írja, hogy a modell az intelligenciaindex lefuttatása során nagyjából 70%-kal több kimeneti tokent termelt, mint a vele egy kategóriába tartozó modellek mediánja, magas gondolkodási szinten pedig az első érdemi válasz akár 10 másodpercnél is később érkezhet. A Google maga is elismeri ezt a kompromisszumot: a bejelentés szerint ahol a számítási hatékonyság a legfontosabb szempont, ott érdemes alacsonyabb gondolkodási szintet választani vagy maradni a 3.7 Flashnél, amelyet a cég továbbra is teljes körűen támogat.

Ez a pénztárcádon is látszik, mert a DataCamp összesítése szerint a gondolkodási tokenek a kimeneti ár részét képezik. Ha a modell egy háromsoros válasz előtt kétezer tokennyi gondolkodást végez, azt is kifizeted. Az ügyfélszolgálati levelek, a termékleírások vagy az egyszerű összefoglalók jellemzően nem igénylik a magas gondolkodási szintet, egy többlépéses pénzügyi elemzés vagy egy hibakeresés viszont igen.

Mit jelent ez egy nem fejlesztő cégnek?

Vegyünk egy képzeletbeli 12 fős kecskeméti asztalosüzemet, ahol az árajánlatokat egy Google Táblázat számolja, amelyet évek óta egy lelkes, de nem programozó kolléga tart életben. A Google bejelentése szerint a 3.8 Flash a Google Táblázatokban is elérhető, így a képletek magyarázata, egy hibás hivatkozás megtalálása vagy egy apró Apps Script (a Google saját, Workspace-automatizálásra szánt szkriptnyelve) megírása ma már néhány perces feladat. Az erősebb kódolási képesség itt nem azt jelenti, hogy az asztalosüzem szoftvercéggé válik, hanem azt, hogy a Gemini által javasolt képlet vagy szkript elsőre gyakrabban működik.

A többlépéses gondolkodás a pénzügyi és az adminisztratív munkában hasznos. Mondjuk egy 8 fős szegedi könyvelőiroda feltölti egy ügyfele beszállítói árlistáját és az elmúlt negyedév számláit, majd megkérdezi, melyik tételeknél emelkedett az ár 10%-nál jobban. Az ilyen feladat több lépésből áll (kikeresés, párosítás, számolás, rangsorolás), a Vals Finance Agent-eredmények pedig azt sugallják, hogy a 3.8 Flash ebben már az élmezőnyben van. A végeredményt ettől még ember ellenőrzi, de a nyers munkára órák helyett elég néhány percet szánni.

A modellkártya alapján az eesel.ai arra is felhívja a figyelmet, hogy a többnyelvű biztonsági mutatóban 5,4 százalékpontos romlás látszik az elődhöz képest (itt a kisebb érték a jobb). Ha magyar nyelvű, ügyfeleknek szóló chatbotot építenél a 3.8 Flashre, a próbaidőszakban külön teszteld a kényes kérdésekre adott magyar válaszokat.

Gemini 3.8 Flash Cyber: kinek szól a védőknek szánt változat?

A Gemini 3.8 Flash Cyber a Google sérülékenységkeresésre és -javításra hangolt modellje, amelyet kizárólag a Fairwind programon keresztül kapnak meg a megbízható védők: kormányzati szervek, kritikus infrastruktúra-üzemeltetők és szoftverkarbantartók. Egy átlagos magyar KKV közvetlenül nem fér hozzá, közvetve viszont a szoftverszállítóin keresztül profitálhat belőle.

A Google 2026. szeptember 2-i bejelentése szerint a Cyber változatot 20 programozási nyelven írt, összetett kódbázisokon tesztelték, ahol a belső mérésen 70% feletti sikeraránnyal azonosította a valós sérülékenységeket. A CWE-Bench hibajavítási teszten elsőre 47,2%-ban adott helyes javítást, a Google Chrome-biztonsági csapata szerint pedig 2,6-szor több helyes javítást írt a Chrome sérülékenységeire, mint a legjobb kereskedelmi modellek. A Wiz felhőbiztonsági cég mérésén 7,5 és 9,7% közötti mértékben több hibát talált meg, 2,3 és 5,2-szer kisebb költséggel.

A KKV-szempont ennél jóval egyszerűbb: a biztonsági hibák felkutatásában az AI mostantól mindkét oldalon ott van (az OpenAI GPT-6 Astra kiberbiztonsági képességeiről külön cikkben írunk), ezért a hibák felfedezése és a javítások kiadása is felgyorsul. A te feladatod ebből annyi, hogy a frissítéseket ne hetekig görgesd magad előtt: a WordPress, a böngészők, a webshopmotor és a bővítmények javításai egyre rövidebb idő alatt jelennek meg, a támadók pedig ugyanazokat a javítási jegyzékeket olvassák, mint a védők.

Workspace, Google Home MCP, WeatherNext: az integráció ereje

A Google legnagyobb előnye egy KKV számára nem a modell nyers ereje, hanem az, hogy a Gemini ott van, ahol a cég amúgy is dolgozik: a Gmailben, a Drive-on, a Meetben, a Naptárban és a Táblázatokban. A Workspace-hez kapcsolódó ügynökök, a Google Home MCP és a WeatherNext 3 pedig azt mutatják, hogy a Google az irodán túli adatokat is elérhetővé akarja tenni az AI számára.

Egy külső AI-eszköz bevezetésénél a legtöbb munkát nem a modell kiválasztása, hanem a biztonságos, jogosultságokat tiszteletben tartó hozzáférés megszervezése adja a cég leveleihez, dokumentumaihoz és naptárához, a Workspace-en belül viszont ez nagyrészt el van végezve. A Gemini a felhasználó meglévő Workspace-fiókjával dolgozik, a Business-csomagokban pedig a Google Gemini-súgója szerint a beszélgetéseket és a feltöltött fájlokat nem nézik át emberek és nem használják fel a generatív modellek fejlesztésére.

A Google-ökoszisztéma a vásárlói oldalon is számít, hiszen az AI Overviews (a találatok fölötti AI-összefoglaló) havonta 2,5 milliárd, az AI Mode több mint 1 milliárd felhasználót ér el. Mivel az AI Mode már a 3.8 Flasht használja, a leendő ügyfeleid egy része ennek a modellnek a válaszain keresztül találkozik a céged nevével. Hogy ez hogyan hat a weboldalad forgalmára, arról külön cikkeinkben írunk.

Gemini a Workspace-alkalmazásokban

A Google Workspace Business-kiadásokat összehasonlító súgóoldal szerint a Business Starter csomagban a Gemini elsősorban a Gmailben dolgozik (levélírás, válaszjavaslat, levélszál-összefoglaló, helyesírás-ellenőrzés), mellette a Google Vids videószerkesztő AI-funkciói érhetők el. A Business Standard csomagtól a Gemini a Meetben jegyzetel és élőben fordít, a Chatben összefoglal, a Naptárban időpontot keres, a Dokumentumokban és a Diákban szöveget, illetve teljes prezentációt ír. A Táblázatokban pedig megjelenik az AI-függvény, amellyel egy cellába írt utasítással soronként kategorizálhatsz, kivonatolhatsz vagy átfogalmazhatsz adatokat.

Tegyük fel, hogy egy képzeletbeli 20 fős budapesti ingatlaniroda minden hétfőn egyórás online értékesítési megbeszélést tart, utána valaki fél órán át írja az emlékeztetőt. A Meet jegyzetelő funkciója ezt a fél órát nagyrészt megspórolja, a Táblázatok AI-függvénye pedig például 800 ügyfél-visszajelzést tud témák szerint felcímkézni anélkül, hogy bárki kimásolná őket egy külső chatbotba. Az ilyen apró, de naponta ismétlődő megtakarításokban a Google házon belüli AI-ja nehezen verhető, mert nincs szükség exportra, új fiókra vagy újabb szállító bevonására.

Workspace Studio: ügynökök kódírás nélkül

A Google Workspace Studio a Google kódírás nélküli felülete, amelyben hétköznapi nyelven megfogalmazott utasításokból lehet Workspace-ügynököket és automatizált folyamatokat építeni. A súgó szerint egy folyamat egy indítóból (esemény, időzítés vagy kézi indítás) és lépésekből áll, a lépés lehet művelet, például egy válaszlevél megfogalmazása, vagy értesítés, például egy Chat-üzenet. A Studio a Gemini mellett a Gmaillel, a Naptárral, a Chattel, a Drive-val, a Dokumentumokkal, az Űrlapokkal, a Táblázatokkal és a Feladatokkal dolgozik, külső szolgáltatásként pedig az Asanát, a Mailchimpet és a Salesforce-ot is eléri. Egy képzeletbeli folyamat így szólhat: ha egy beérkező levélben árajánlatkérés van, a Gemini foglalja össze a lényegét és küldjön róla értesítést az értékesítő Chat-csatornájába.

A Studio a súgó szerint a Business Starter, Standard és Plus, valamint az Enterprise Standard és Plus kiadásban érhető el. Egy fontos korlát a magyar cégeknek: a súgó nyolc támogatott nyelvet sorol fel (angol, német, spanyol, francia, olasz, portugál, japán és koreai), a magyar nincs köztük. Ez nem feltétlenül zárja ki a magyar nyelvű levelek feldolgozását, de érdemes angol nyelvű utasításokkal és alapos teszteléssel számolni.

Google Home MCP és WeatherNext 3: ügynökök a fizikai világban

Az MCP (Model Context Protocol) olyan nyílt szabvány, amelyen keresztül egy AI-modell egységes módon érhet el külső eszközöket és adatforrásokat. A Google 2026. szeptember 17-én korai hozzáféréssel elindította a Google Home MCP-t, amellyel AI-ügynökök lekérdezhetik és vezérelhetik a Nest-eszközöket, ehhez Premium Advanced előfizetés és egy Google Cloud-projekt szükséges. Mondjuk egy balatoni panzió, ahol a szobákban Nest termosztátok vannak, a jövőben összeköthetné a foglalási naptárát a fűtéssel, így az üres szobák nem fűtenének feleslegesen. Ez ma még korai hozzáférésű fejlesztői lehetőség, a szolgáltató cégekre gyakorolt hatásáról külön cikkben írunk.

A WeatherNext 3 a Google időjárás-előrejelző modellje, amely 5 km-es térbeli felbontással, óránkénti bontásban ad energiaspecifikus előrejelzést. Egy napelemes telepítőnek vagy egy energiaigényes üzemnek ez hosszabb távon a tervezés része lehet, egy átlagos irodának viszont egyelőre inkább érdekesség.

Fejlesztőknek: felügyelt ügynökök a Gemini API-ban

A Google 2026. szeptember 19-én a Gemini API-ban is bevezette a saját infrastruktúráján futó, felügyelt (managed) ügynököket, amelyek az Antigravity fejlesztői környezet ügynökvezérlő keretére (harness) épülnek. A harness az a keretprogram, amely az ügynök lépéseit szervezi, vagyis meghívja a modellt, végrehajtja az eszközhívásokat és visszaadja az eredményt. Mellé új Files és Credentials API érkezett a fájlok és a hozzáférési adatok kezelésére, így egy egyedi fejlesztésnél az ügynök futtatásához szükséges infrastruktúrát nem neked kell megépítened, hasonlóan az OpenAI szeptember 10-én bétába lépett Agents API-jához.

Mennyibe kerül a Gemini a Workspace Business-előfizetésekben és mekkora a kvóta?

A Gemini ma nem külön megvásárolható kiegészítő, hanem a Google Workspace Business-csomagok része: a Starterben korlátozott, a Standardban és a Plusban bővített hozzáféréssel. A pontos árat a Google helyi pénznemben, csomagonként és fizetési konstrukció szerint adja meg, a funkciókat pedig havi és napi kvóták határolják.

A Google hivatalos árazási oldala négy csomagot sorol fel (Business Starter, Business Standard, Business Plus és Enterprise), ezek közül a Business-csomagok legfeljebb 300 felhasználóig használhatók. Éves elköteleződés esetén a Google 16%-os megtakarítást ígér a havi fizetéshez képest. A konkrét forintárat mindig a Google hivatalos árazási oldalán, a saját fiókodhoz tartozó pénznemben nézd meg, mert az a fizetési konstrukciótól és az aktuális ajánlatoktól is függ.

A táblázat a Google Workspace súgójának 2026. szeptember 18-án frissített kvótaoldala, a Business-kiadásokat összehasonlító oldal és az AI Expanded Access leírása alapján készült. Az AI Expanded Access csak a Business Standard, a Business Plus, az Enterprise Standard és az Enterprise Plus mellé vásárolható meg, a Starter mellé nem.

Hogyan működnek a kvóták?

A kvóta az a felhasználónkénti keret, amelyen belül egy AI-funkció adott időszakban használható. A Workspace súgója szerint a napi keretek csendes-óceáni idő szerint éjfélkor nullázódnak, ami magyar idő szerint nagyjából reggel 9 óra, a havi keretek pedig a hónap első napján indulnak újra. A fel nem használt keret nem vihető át a következő időszakra és nem adható át egy kollégának. Minden sikeres válasz beleszámít a keretbe, egy újrapróbálás vagy egy pontosító kérdés ugyanazon a beszélgetésen belül is. Ha elfogy a havi képgenerálási keret a Diákban vagy a Vidsben, a képek a súgó szerint továbbra is elkészülnek, csak egy korábbi modellel.

A Gemini alkalmazás használati keretei hozzáférési szintenként eltérnek. A Google Gemini-súgója szerint a Pro modellnél a keret a négyóránkénti 25 prompttól a napi 500 promptig, a Deep Research (mélykutatás) jelentéseknél a havi öttől a napi 120-ig terjed attól függően, milyen szintű hozzáférés tartozik a fiókhoz. A súgó azt is hozzáteszi, hogy a keretek előzetes értesítés nélkül, például kapacitáshiány miatt is változhatnak, vagyis egy kvótára épített folyamatot nem érdemes a határig kitölteni.

Adatvédelem és adminisztráció

A Gemini-súgó szerint a Business Starter, Standard és Plus, valamint az Enterprise-kiadások vállalati szintű adatvédelmet kapnak: a Gemini alkalmazásban folytatott beszélgetéseket és a feltöltött fájlokat nem nézik át emberek és nem használják fel a generatív modellek fejlesztésére. Néhány alapszintű hozzáférést adó konstrukcióban, például a Workspace Individualban ez nem így van, ott a beszélgetések emberi áttekintésre kerülhetnek. Az adminisztrátor külön kapcsolhatja ki vagy be a Gemini alkalmazást, a tevékenységnapló alapértelmezetten be van kapcsolva és csak az admin kapcsolhatja ki, a beszélgetések megőrzési ideje pedig 3, 18 vagy 36 hónapra állítható. GDPR-szempontból ez kényelmes kiindulópont, de az adatkezelési tájékoztatót és a belső AI-szabályzatot ettől még neked kell naprakészen tartanod.

Kinek melyik csomag éri meg?

A Starter annak elég, akinek a csapata főleg levelez, a megbeszéléseket és a dokumentumokat pedig nem akarja AI-jal gyorsítani. Ha viszont a heti rutin része a Meet-megbeszélés, a hosszú dokumentum és a táblázatos adatfeldolgozás, a Standard jó eséllyel behozza a különbözetet. Egyszerű számolással ellenőrizheted: tegyük fel, hogy egy munkatárs a Meet-jegyzetekkel, a levélösszefoglalókkal és a Táblázatok AI-függvényével havonta csak 3 órát spórol meg és óránkénti teljes bérköltsége 6 000 Ft. Ez becslésünk szerint havi 18 000 Ft érték fejenként, amelyet a Starter és a Standard között a Google oldalán aktuálisan szereplő különbözettel kell összevetni. Az AI Expanded Access tapasztalatunk szerint csak azoknak a munkatársaknak éri meg, akik rendszeresen generálnak videót, képet vagy nagy tömegű táblázatos AI-feldolgozást futtatnak, a teljes csapatnak ritkán.

Gemini 3.8 Flash API-ár forintban: három kiszámolt példa

A Gemini 3.8 Flash az API-n 2026. december 31-ig 0,75 dollárba kerül millió bemeneti és 3,75 dollárba millió kimeneti tokenenként, 2027. január 1-jétől pedig 1,50, illetve 7,50 dollárba. Kerekített 320 Ft-os dollárárfolyammal ez most 240 Ft és 1 200 Ft, jövőre 480 Ft és 2 400 Ft millió tokenenként.

Az API-árazás akkor érdekes, ha nem a Workspace felületén beszélgetsz a Geminivel, hanem saját alkalmazásba, webshopba, n8n-folyamatba vagy egyedi szoftverbe építed be a modellt. Ilyenkor nem felhasználónként fizetsz, hanem a feldolgozott szövegmennyiség után. A token a szövegfeldolgozás alapegysége, nagyjából egy rövid szó vagy szótöredék, a bemeneti token az, amit a modellnek átadsz, a kimeneti pedig az, amit visszaír. Az eesel.ai összefoglalója szerint a kötegelt (Batch és Flex) feldolgozás a normál ár feléért fut, az elsőbbségi (Priority) szint 1,8-szoros áron. A gyorsítótárból (cache) olvasott bemenet millió tokenenként 0,075 dollárba kerül.

A forintösszegek kerekített, 320 Ft-os dollárárfolyammal készült saját számítások (a 2026. szeptember 21-i tényleges árfolyam 317 Ft körül volt).

Első példa: ügyfélszolgálati levelek

Vegyünk egy képzeletbeli debreceni webshopot, amely havonta 1 000 ügyfélszolgálati levelet válaszol meg AI-segítséggel. Becslésünk szerint egy levél a rendszerutasítással és a rendelési adatokkal együtt nagyjából 1 200 bemeneti tokent jelent, a válasz 400 tokent, közepes gondolkodási szinten pedig további 1 500 körüli gondolkodási token keletkezik, amelyet a kimeneti ár szerint számláznak. A 3.8 Flash bevezető árán a bemenet 1 200 × 240 / 1 000 000 = 0,29 Ft, a kimenet 1 900 × 1 200 / 1 000 000 = 2,28 Ft, egy levél tehát körülbelül 2,6 Ft, ezer levél havonta nagyjából 2 570 Ft.

Ugyanez a GPT-6 Astrával levelenként körülbelül 34 Ft (3,84 Ft bemenet és 30,40 Ft kimenet), ezer levélre havonta 34 240 Ft körül alakul. 2027. január 1-jétől a Gemini-számla a duplájára, nagyjából 5 140 Ft-ra nő, ami még mindig bőven belefér egy webshop költségvetésébe. Egy udvarias szállítási tájékoztató megírásáért tehát nem érdemes tizenháromszoros árat fizetni a csúcsmodellnek.

Második példa: beérkező számlák kivonatolása

Tegyük fel, hogy egy 15 fős építőipari alvállalkozó havonta 300 beérkező PDF-számlából és szállítólevélből nyeri ki a szállítót, a dátumot, a tételeket és az összegeket egy táblázatba. Becslésünk szerint egy dokumentum 3 000 bemeneti és alacsony gondolkodási szinten 800 körüli kimeneti tokent jelent, így darabonként 0,72 + 0,96 = 1,68 Ft a költség, havonta 300 dokumentumra pedig nagyjából 504 Ft, kötegelt feldolgozással ennek is csak a fele. Itt a modell díja szinte elhanyagolható, a valódi költség a bekötés, az ellenőrzés és a hibás kinyerések javítása, a számlafeldolgozásról külön cikkünk szól.

Harmadik példa: hosszú dokumentum és gyorsítótár

Az 1 millió tokenes kontextus akkor igazán hasznos, ha ugyanarra a hosszú anyagra sokszor kérdezel rá. Mondjuk egy gépforgalmazó cég egy 300 000 tokenes termékkatalógust és műszaki leírást ad a modellnek, a munkatársak pedig napi 50 kérdést tesznek fel hozzá. Gyorsítótár nélkül minden kérdésnél újra kifizeted a teljes bemenetet (300 000 × 240 / 1 000 000 = 72 Ft) és a nagyjából 1,2 Ft-os választ, ez napi 50 kérdésre 3 660 Ft körül van. Az eesel.ai által közölt gyorsítótár-árakon a bemenet olvasása millió tokenenként 0,075 dollár (24 Ft), ami kérdésenként 7,2 Ft. A tárolás millió tokenenként óránként 0,50 dollár (160 Ft), ami 300 000 tokenre egy nyolcórás munkanapon 384 Ft. A napi összköltség így 804 Ft körül alakul, a gyorsítótár tehát már óránként egyetlen kérdésnél is megtérül.

Hol jobb ma az OpenAI vagy az Anthropic, mint a Google?

Az OpenAI GPT-6 Astra ma a számítógép-használatban, vagyis a böngészős és asztali programok önálló kezelésében vezet, az Anthropic Claude modelljei pedig a szabálykövető üzleti automatizálásban és az irodai munkafelületekben erősek. A Google előnye az ár, a hosszú kontextus és a Workspace-integráció, nem a csúcsteljesítmény minden területen.

Számítógép-használat: a GPT-6 Astra terepe

Az OpenAI 2026. szeptember 3-án bemutatott GPT-6 Astra modelljét a cég „a világ legjobb számítógép-használó modelljeként” ajánlja: űrlapot tölt ki, CRM-et frissít, naptárat szervez és online kutat, az OpenAI szerint 47%-kal gyorsabban, mint az elődje, a GPT-5.6 Sol. Az OSWorld 2.0 teszten, amely valódi asztali és böngészős feladatokat mér, 72,6%-ot ért el. A Gemini 3.8 Flash számítógép-használati képessége ezzel szemben a Gemini API dokumentációja szerint még előnézeti státuszú. Ha a céged legnagyobb időrablója egy olyan portál vagy régi ügyviteli program, amelynek nincs API-ja (vagyis más szoftver nem tud vele közvetlenül beszélgetni), akkor az Astrát érdemes tesztelni, nem a Flasht. A vállalati ChatGPT-fiókokban az Astra alapból ki van kapcsolva, az adminnak kell engedélyeznie.

Szabálykövető automatizálás: a Claude erőssége

Az Artificial Analysis és a Zapier 2026. július 6-án közzétett AutomationBench-AA tesztje 657 feladatot futtatott hat üzleti területen, 40 szimulált SaaS-alkalmazásban. Az élen két Anthropic-modell végzett, a Claude Fable 5 48,6%-kal és a Claude Opus 4.8 48,5%-kal, a Gemini 3.5 Flash 42,6%-ot, a GPT-5.5 42,1%-ot ért el. Érdekes, hogy a Gemini 3.5 Flash volt a leghatékonyabb: nála minden üzleti szabálysértésre 15,0 teljesített cél jutott, ami a mezőny legjobb aránya. Minden modell megsértett üzleti szabályokat, feladatonként átlagosan 0,46 és 1,26 közötti alkalommal, a pénzügyi folyamatokban pedig fele akkora volt a sikerarány, mint az ügyfélszolgálatban és az operációban. A teszt a július eleji modelleket mérte, azóta a Gemini 3.8 Flash, a Claude Opus 5 és a GPT-6 Astra is megjelent, a tanulság viszont áll: ahol egy ügynök pénzügyi vagy ügyféladatokhoz nyúl, ott a szabálykövetést saját teszteken kell mérni.

Irodai munkafelület és fejlesztői eszközök

Az Anthropic 2026. szeptember 17-én egyetlen ablakba vonta össze a Claude chatet, a Cowork, az Artifacts és a Design felületet, ráadásul a diák PDF-be és PowerPointba is exportálhatók; a bevezetés a Pro és Max előfizetőknél kezdődött. A július 24-én megjelent Claude Opus 5-nél a felhasználó maga választhat a költség és a képesség között. Tapasztalatunk szerint aki a munkáját nem a Google Dokumentumokban, hanem egy AI-központú munkafelületen szervezi, annak ez ma kiforrottabb élmény, mint a Workspace-be épített oldalpanel. A fejlesztésben az OpenAI Codex és az Anthropic Claude Code is erős versenytárs. Olcsó kódolási alternatíva a Meta Muse Spark 1.3, amely a DeepSWE v1.1 teszten 75,4-et ért el, a Claude Opus 5 74,0-es eredménye fölött.

Ahol a Google marad a jobb választás

A Google ott nyer, ahol az ár, a tömeg és az integráció számít. A 3.8 Flash bemeneti ára a GPT-6 Astra árának 7,5%-a, a modell natívan fogad videót, hangot és PDF-et, a válaszait a Google Keresés és a Google Térkép adataival tudja megalapozni, a Workspace-ben pedig a cég saját leveleiből és fájljaiból dolgozik anélkül, hogy bármit ki kellene exportálni. Úgy látjuk, hogy egy KKV legtöbb AI-feladata (levélírás, összefoglalás, kivonatolás, kategorizálás, fordítás) nem igényel csúcsmodellt. A kérdés ritkán az, melyik a legokosabb modell, sokkal inkább az, melyik a legolcsóbb, amelyik még megbízhatóan elvégzi a feladatot.

Egyetlen szolgáltatóra építeni kockázatos, bármelyikről legyen szó: 2026. szeptember 22-én például a Claude állapotoldala megnövekedett hibaarányt jelzett az Opus 5 modellen. Az API-ra épített folyamatoknál érdemes egy tartalékmodellt is beállítani, amelyre a rendszer kiesés esetén átvált.

Mikor elég egy KKV-nak a Google AI-ja?

Egy Workspace-en dolgozó KKV-nak a Google AI-ja akkor elég, ha a cél a napi irodai munka gyorsítása és az olcsó, nagy tömegű szövegfeldolgozás. Ha viszont böngészős adminmunkát akarsz ügynökre bízni vagy több rendszert átívelő, szigorú szabályokat követő automatizálást építesz, érdemes más modellt is tesztelni.

A táblázatot két képzeletbeli cégen érdemes kipróbálni. Az első egy 9 fős győri mérnökiroda, amely Workspace Business Standardot használ, a munka nagy része ajánlatírás, egyeztetés és műszaki dokumentáció. Náluk a Google AI-ja szinte mindent lefed, a Meet-jegyzetek, a Dokumentumok összefoglalói és egy-két Workspace Studio-folyamat hetente órákat takaríthat meg, külön szolgáltatóra nincs szükség. A második egy 35 fős miskolci szerelőcég, amely a munkalapokat egy régi, API nélküli ügyviteli programban, a számlákat Odoo-ban, az ügyfélkommunikációt Gmailben kezeli. Itt a Google a levelezésben és a dokumentumokban elég, a munkalapok áttöltéséhez viszont egy számítógép-használó modell vagy egy egyedi integráció kell, az Odoo és a Gmail közötti folyamatokhoz pedig egy automatizációs platform. A jó válasz ilyenkor ritkán egyetlen szolgáltató, sokkal inkább egy tudatosan összerakott, két-három elemből álló készlet.

Hogyan vezesd be lépésről lépésre a Google AI-t egy Workspace-es cégnél?

A bevezetés egy leltárral és az adminisztrátori beállításokkal kezdődik, majd két-három mérhető próbafeladattal és egy 30 napos próbaidőszakkal folytatódik. Az API-t és más szolgáltatókat akkor érdemes bevonni, ha a Workspace beépített funkciói egy konkrét feladatra már kevésnek bizonyultak.

• Készíts leltárt. Nézd meg, melyik Workspace-csomagon és hány felhasználóval dolgozik a céged, majd kérdezd meg a kollégákat, ki használ már magánfiókos AI-eszközt céges anyagokkal. Ez utóbbi az úgynevezett árnyék-AI, amely adatvédelmi szempontból a legnagyobb vakfolt.
• Állítsd be az admin-konzolt. Döntsd el, kinek legyen bekapcsolva a Gemini alkalmazás, állítsd be a beszélgetések megőrzési idejét (3, 18 vagy 36 hónap) és nézd át, mely szolgáltatásokban engedélyezed a Gemini-funkciókat.
• Írj egyoldalas AI-szabályzatot. Rögzítsd, milyen adat kerülhet a Geminibe, ki felel a kimenet ellenőrzéséért és mi a teendő hibás válasz esetén. Ha ügyfeleknek szóló chatbotot tervezel, az EU AI Act 50. cikke 2026. augusztus 2. óta előírja, hogy a felhasználó tudja: AI-rendszerrel beszél.
• Válassz két-három mérhető próbafeladatot. Jó jelölt a Meet-emlékeztető, a hosszú levélszálak összefoglalása és egy táblázatos kategorizálás az AI-függvénnyel. Mérd le két héten át, mennyi időt visznek el ma.
• Futtass 30 napos próbát egy kis csoporttal. Figyeld a kvóták fogyását (a napi keret magyar idő szerint nagyjából reggel 9-kor nullázódik) és gyűjtsd össze, hol hibázott a Gemini magyar nyelven.
• Építs egy egyszerű Workspace Studio-folyamatot. Kezdd valami kockázatmentessel, például a beérkező árajánlatkérések címkézésével és egy Chat-értesítéssel, angol nyelvű utasítással és magyar tesztlevelekkel.
• Mérd fel az API-igényt. Ha tömeges feldolgozásra vagy saját rendszerbe épített AI-ra van szükség, a Google AI Studióban kipróbálhatod a 3.8 Flasht, állíts be költségkorlátot és tudatosan válaszd meg a gondolkodási szintet.
• Hasonlítsd össze más modellel. Ugyanazt a 20 vagy 30 valós feladatot futtasd le a Geminivel és legalább egy másik szolgáltató modelljével, a saját mérésed többet ér bármilyen gyártói benchmarknál.
• Dönts számok alapján és tűzz ki felülvizsgálatot. A 30. napon vesd össze a megtakarított órákat, a hibaarányt és a költséget, döntsd el, kinek kell Standard vagy AI Expanded Access, a naptárba pedig írd be a 2027. január 1-jei API-árváltozást is.

A leggyakoribb buktatók Google-alapú AI-bevezetésnél

A Google-ökoszisztéma kényelme könnyen elaltatja az éberséget, pedig néhány csapda szinte minden bevezetésnél előjön. Ezek egyike sem ok a halogatásra, de mindegyikre érdemes előre felkészülni.

• Árduplázás januárban. A 3.8 Flash API-ára 2027. január 1-jén a duplájára nő, ezért a mostani számítások alapján készült költségvetést már most két forgatókönyvvel érdemes megírni.
• Mozgó kvóták. A Google súgója kifejezetten jelzi, hogy a Gemini alkalmazás keretei előzetes értesítés nélkül is változhatnak, ezért egy üzletileg kritikus folyamat ne a napi keret utolsó promptjain múljon.
• A Starter korlátai. A Business Starter csomagban nincs Gemini a Dokumentumokban, a Táblázatokban, a Diákban és a Meetben, így egy Starteren végzett próba a Standard képességeiről semmit nem mond.
• Magyar nyelv. A Workspace Studio támogatott nyelvei között nincs magyar, a 3.8 Flash többnyelvű biztonsági mutatója pedig romlott, ezért a magyar nyelvű kimeneteket mindig külön tesztelni kell.
• Gyors modellváltások. A Flash-család 2026-ban sűrű ütemben frissül, ezért API-használatnál rögzítsd a modell pontos azonosítóját (például gemini-3.8-flash) és csak tesztelés után válts újabbra.
• Rejtett gondolkodási költség. A magas gondolkodási szint lassabb és több kimeneti tokent éget, amelyet ugyanúgy kifizetsz, mint a látható választ.
• Magánfiókok. Ha a kolléga a saját Gmail-fiókjában kéri meg a Geminit egy ügyfélszerződés összefoglalására, arra más adatkezelési feltételek vonatkoznak, mint a céges Business-fiókra, ezért ezt a belső szabályzatban egyértelműen rendezd.

Miben segít a Convergo?

Ha azt szeretnéd tudni, hogy a céged meglévő Google Workspace-e mennyit tud már AI-ban és hol érdemes más modellt bevonni, az AI-felmérés és stratégia szolgáltatásunk keretében végigmegyünk a folyamataidon, a csomagjaidon és az adatkezelési kérdéseken. A kiválasztott feladatokra workflow automatizációt építünk (Workspace Studióval, n8n-nel vagy egyedi AI-integrációval, amikor a Gemini API-ra vagy több modellre van szükség), a csapatodnak pedig gyakorlati képzést tartunk a Gemini biztonságos, hatékony használatáról. Az első lépés egy ingyenes egyeztetés, ahol közösen kiválasztjuk azt a két-három feladatot, amelyen a próbaidőszak számokkal mérhető.