Google ukončila podporu dvoch Gemini Flash API slugs a automaticky smeruje návštevnosť z každého starého názvu na novšie nahradenie, čím sa vytvorila málo vyzerajúca zmena katalógu modelov s väčšími dôsledkami pre brány, analýzy a prehľady zákazníkov.

Podľa poznámok k vydaniu Google Gemini API z 8. októbra 2026 je gemini-3.7-flash zastarané a nahradené gemini-3.8-flash. Požiadavky odoslané do zastaraného 3.7 Flash slug sú automaticky smerované do 3.8 Flash. Google tiež zastaralo gemini-3.5-flash, nahradilo ho gemini-3.6-flash s rovnakým automatickým presmerovaním.

Spoločnosť tiež ukončila podporu deep-research-pro-preview-12-2025 a tvrdí, že agent Deep Research bude 23. októbra 2026 ukončený s prechodom na novších agentov Deep Research. To poskytuje tímom krátke okno na identifikáciu produkčného použitia, zmenu pripnutých identifikátorov a overenie výstupného správania predtým, ako zmizne starý koncový bod ukážky.

Čo sa zmenilo v Gemini API

Okamžitá prevádzková zmena je jednoduchá: žiadosť môže pomenovať jeden model, zatiaľ čo Google slúži inému. To nie je to isté, ako keď vývojár zámerne upraví aplikáciu z gemini-3.7-flash na gemini-3.8-flash. Je to náhrada na strane poskytovateľa.

V prípade jednoduchých aplikácií môže byť rozdiel neviditeľný, ak odpovede zostanú prijateľné. Pre tímy, ktoré prevádzkujú hodnotenia, analýzy pre zákazníkov, regulované pracovné postupy alebo priraďovanie nákladov, je to dôležité. Záznam denníka, ktorý zaznamenáva iba požadovaný model, môže spôsobiť, že to bude vyzerať, akoby zastaraný model stále spracovával premávku. Palubná doska, ktorá zaznamenáva iba obsluhovaný model, môže zakryť fakt, že zákazníci stále volajú starého slimáka. Obidve zobrazenia sú neúplné.

To je miesto, kde sa aliasy modelov AI stávajú viac než len pohodlím vývojárov. Brány musia rozlišovať aspoň tri prípady: stabilný alias zákazníka vytvorený platformou, alias poskytovateľa, ktorý zámerne pláva, a spôsob ukončenia podpory poskytovateľa, ktorý v tichosti mapuje starý verejný model ID na nový. Považovanie všetkých troch za rovnaké pole vytvára nejednoznačnú analýzu.

Prečo je automatické presmerovanie užitočné, ale riskantné

Automatické presmerovanie znižuje okamžité poškodenie. Ak má zákazník napevno zakódovaný gemini-3.7-flash, náhradná trasa Google môže udržiavať požiadavky v prevádzke, kým tím aktualizuje konfiguráciu. Je to praktická voľba kontinuity služieb, najmä pre aplikácie, kde sú ID modelov distribuované cez skripty, partnerské integrácie, výzvy alebo zákaznícke nastavenia.

Výhodou je strata explicitnej kontroly. Výmena modelu môže zmeniť latenciu, výstupný štýl, bezpečnostné správanie, vzory používania nástrojov alebo spoľahlivosť okrajového prípadu, aj keď je volanie API stále úspešné. Vývojári si zmenu nemusia všimnúť, kým sa hodnotenie nezmení, výzva sa nespráva inak alebo sa zákazník nespýta, prečo nahlásené používanie už nezodpovedá dokumentácii.

Riziko je vyššie v prípade platforiem, ktoré odhaľujú Google modely prostredníctvom multimodelovej API brány pre tímy. Tieto produkty ležia medzi poskytovateľom a koncovým používateľom, takže sa musia rozhodnúť, aká časť smerovania poskytovateľa sa prejaví. Brána, ktorá jednoducho preposiela starý slimák a účtuje výsledný hovor ako zvyčajne, môže zachovať kompatibilitu, no tímom podpory a financií ponecháva slabý audit.

Aké brány a platformy predajcov by mali zaznamenávať

Najčistejším vzorom je uložiť požadovaný model, vyriešený model poskytovateľa a pravidlo aliasu, ktoré spôsobilo rozlíšenie. Pre zmenu Gemini Flash to znamená, že záznam o používaní by mal byť schopný ukázať, že zákazník požadoval gemini-3.7-flash, Google slúžilo gemini-3.8-flash a dôvodom bolo presmerovanie ukončenia podpory Google, a nie zákazníkom definované záložné pravidlo.

Tento rozdiel ovplyvňuje podporu fakturácie, plánovanie migrácie a dôveru k produktu. Ak sa zákazník spýta, či jeho aplikácia stále používa zastaraný model, odpoveď by nemala vyžadovať manuálnu archeológiu denníka. Ak predajca potrebuje upozorniť na nadväzujúce účty, mal by byť schopný segmentovať podľa požadovaného staršieho servera. Ak interný vyhodnocovací balík začne zlyhávať, inžinieri by mali byť schopní porovnať výsledky pred a po zmene modelu poskytovania služieb bez toho, aby hádali, kedy sa návštevnosť zmenila.

Pri produktoch v štýle Model Gate je praktická práca v analýze používania a vytváraní prehľadov zákazníkov. Panel analýzy používania by sa mal vyhnúť zloženiu požadovaného a poskytovaného modelu do jedného štítka. Tiež by mala dostatočne zviditeľniť zastarané identifikátory, aby mohli vlastníci účtov posunúť migráciu pred ukončením podpory poskytovateľa.

Odstavenie agenta Deep Research pridáva druhý druh termínu. Na rozdiel od presmerovania Flash, Google hovorí, že deep-research-pro-preview-12-2025 sa vypne 23. októbra 2026. Tímy používajúce tohto agenta ukážky musia radšej migrovať, než sa spoliehať na neobmedzené smerovanie kompatibility. Keďže pracovné postupy Deep Research môžu byť súčasťou dlhšie trvajúceho výskumu alebo automatizácie, kontrola migrácie by mala zahŕňať výzvy, predpoklady nástrojov, výstupné formáty a všetky uložené zoznamy povolených modelov.

Čo zostáva neisté

Poznámky k vydaniu

Google identifikujú zastarané sluky, výmeny a presmerovanie, ale neriešia všetky prevádzkové otázky pre nadväzujúce platformy. Poznámky neposkytujú široké porovnanie správania medzi starými a náhradnými modelmi Flash v citovanom zázname protokolu zmien. Taktiež neuvádzajú dátum vypnutia pre zastarané Flash slugs rovnakým spôsobom ako v prípade agenta na ukážku Deep Research.

Tímy tak majú známy API-manažérsky problém: kompatibilita môže zatiaľ pokračovať, no stabilným stavom je stále migrácia. Vývojári by mali aktualizovať explicitné výbery modelov, znova spustiť kritické hodnoty v porovnaní s náhradnými identifikátormi a zabezpečiť, aby denníky obsahovali dostatok podrobností na vysvetlenie toho, čo sa stalo počas prechodu.

Širšia lekcia je, že ID modelov už nie sú jednoduché názvy produktov. Môžu to byť stabilné vydania, pohyblivé aliasy, podložky kompatibility alebo pasce na zastaranie. Brány, ktoré chcú zákazníkom poskytnúť spoľahlivú kontrolu, potrebujú dátový model, ktorý dokáže tieto rozdiely priamo reprezentovať.