突发！Gemini 3.8登顶，谷歌迈出RSI一大步

就在刚刚，谷歌杀回来了！

今夜，谷歌正式发布了Gemini 3.8 Flash，以及专攻网络安全的Gemini 3.8 Flash Cyber。

这是谷歌在短短六周内，连续发布的第三个Flash版本。

前两次更新，看起来只是热身，因为这一次，谷歌直接把性价比推到最前沿——

单任务成本0.58美元！输入仅仅0.75美元/百万Tokens！

就是这么一个「白菜价」的小模型，在多项核心基准测试中，硬生生摸到了全球最强旗舰Opus 5、GPT-5.6 Sol以及Grok 4.6的门槛。

谷歌DeepMind大牛姚顺宇评价说：对模型而言，这只是迈出了一小步；但对于 RSI来说，这是一次巨大飞跃。

X上，开发者们已经炸了。

有人实测后，发出灵魂拷问：「天哪，谷歌是不是发错货了？这不就是一直没放出来的Gemini 3.5 Pro吗？拿着Flash的价格，干着Pro的活！」

「DeepMind团队里，大概有人从7月份开始就没合过眼。」

所有人还在消化Fable 5.1的时候，谷歌又一次掀翻了牌桌。

谷歌「卷王」回来了：性价比之王

沉寂许久的谷歌，用极其内卷的方式，向世界宣告：大魔王杀回来了。

要理解Gemini 3.8 Flash带来的震撼，我们必须先看看当今AI市场的格局。

本来，在Artificial Analysis测试中，已经形成了极其森严的壁垒。你要想拥有顶级的智力（Intelligence Index达60分左右），就必须付出高昂的Token成本。

结果，Gemini 3.8 Flash就像一个刺客，简直不讲武德。

在Artificial Analysis的高推理模式下，Gemini 3.8 Flash的智力指数飙升到了59分！ 

这是什么概念？这距离最顶级的GPT-5.6 Sol和Grok 4.6仅有一步之遥，甚至在某些维度上超越了Claude Opus 5！

而做到这一切的代价呢？它的单任务成本仅为0.58美元。

具体来说，输入成本维持在0.75美元/百万Tokens，输出3.75美元/百万Tokens。

谷歌做了一张图：在智力与成本的帕累托前沿上，Gemini 3.8 Flash那个代表「最高效」的蓝点位于软件工程基准DeepSWE的右上角，把第二名甩出了一条街。

Gemini 3.8 Flash不仅聪明，还快得离谱。它的生成速度达到了惊人的 305 tokens/s，而下一档的模型才勉强跑到154 tokens/s。

「又快、又聪明、还便宜得像不要钱，这才是人类真正能天天用的模型。」

尤其在长周期软件工程基准（DeepSWE v1.1）上，3.8 Flash打出了 73.7% 的惊人成绩。

在这个需要AI自主解决复杂工程问题、端到端写代码的测试中，它不仅超越了大多数昂贵的前沿大模型，而且成本仅仅是后者的零头。

要知道，这只是「Flash」版，并不是「Pro」，更不是「Ultra」。

这一次，谷歌又一次让小模型抢了旗舰模型的饭碗。

有人亲测了Gemini 3.8 Flash和Opus 5做同一任务。

这种在编程能力上的大幅跃升绝非偶然。

这种在编程能力上的大幅跃升绝非偶然。

据报道，在谷歌内部的代码工具Jetski的测试中，谷歌工程师们甚至已经更倾向于使用3.8 Flash，而不是Anthropic的Opus模型。

这背后是谷歌从年初开始就在强化学习上猛砸资源——也就是模型训练的「后期打磨」阶段，让模型在试错中真正学会干活。

Google DeepMind组建了一支代码突击队，专注于提升编程模型能力，这个团队由DeepMind CTO领导，联创谢尔盖·布林直接监督。

他们的目标是，逼出递归自我进化，把编程模型硬生生改造成全自动AI研究员，彻底打通整个研发闭环。

在内部备忘录，谷歌直接说了：

为了赢得最后的冲刺，我们必须紧急弥合智能体执行方面的差距，把我们的模型变成主力开发者。

另外，谷歌还挖来了Barret Zoph——Thinking Machines Lab联合创始人，曾任OpenAI后训练负责人，现在出任研究副总裁，主管强化学习和后训练方向。这波操作，摆明了是要死磕到底。

上个月，联合创始人、诺奖得主Demis Hassabis卸任CEO，接棒的Koray Kavukcuoglu上来就放话：提速、提速、再提速。

基准「注水」，还是实力超群？

不过，在赞叹声中，谷歌普遍被指提前开香槟，高兴的太早。

最不爽的是Meta——

Meta的Muse Spark 1.3和Gemini 3.8 Flash狭路相逢，前者在Artificial Analysis的智能指数上获得了62分，与Claude Fable 5持平，跻身顶尖行列。

而Muse的输入成本比Fable 5低8倍，输出成本低近12倍，性价比拉满。

Meta的首席AI官Alexandr Wang直接阴阳起来：在Artificial Analysis智能指数上，Gemini啥也不是，只能吃别家模型的汽车尾气。

Muse Spark 1.3得分高于GPT-5.6 Sol、Grok 4.6和Gemini 3.8 Flash，但目前只是受限预览。

有人指出，虽然3.8 Flash的基准测试图好看，但实战起来，就未必了。

的确，Gemini 3.8 Flash在Terminal-Bench 2.1、HLE等测试中超越了GPT-5.6 Sol和Opus 5，但TBench 2.1与TBench 4之间的巨大分数差距，暴露了这其中可能存在一定的「刷榜」成分。

也就是说，当面对陌生的、尚未被包含在训练集中的真实世界Zero-shot挑战时，3.8 Flash大概率还是不如Opus 5这种参数巨兽。

但谷歌的解法极其聪明——勤能补拙。

正如谷歌在官方博客中所言：「这些性能的提升源于核心的设计选择：3.8 Flash工作得更努力。」

面对复杂任务时，3.8 Flash被设计成了会执行额外的推理步骤、不断迭代调用工具。当遇到不懂的问题，它不会直接摆烂，而是通过消耗更多的Token，在内部进行高速的自我验证和反思。

即便它通过多次循环思考消耗了更多的Token，由于其基础单价实在太便宜（0.75刀/百万tokens），算总账下来，它依然比你直接调用一次GPT-5.6要便宜得多！

这种策略，直接打破了过去「大参数=强能力」的单一维度竞争。

它证明了：在一个完美的Agent循环中，速度和极低的推理成本，本身就是一种强大的智力。

为什么发Flash？「被毙掉的」Pro版

谷歌这次，真的没发错货吗？

Gemini 3.5 Pro到现在连影子都没有。下一代的王牌Gemini 4倒是预训练数据挺漂亮，但后训练阶段还没走完。

事实上，谷歌迟迟不发Pro版本，背后有着一段辛酸史。

劈柴曾在今年5月夸下海口，说「下个月」就会推出更强大的Pro系列，但一直在鸽。

其实，谷歌内部原本有几个 3.5 Pro 的候选模型，但最终都被无情「毙掉」了——因为它们并没有比现在的 Flash 系强出足够多的身位！

同时，大家翘首以盼的下一代旗舰 Gemini 4 虽然在预训练评估中表现良好，但目前仍卡在最关键的后训练阶段。

总之，一切阴差阳错地造就了Flash系列的疯狂迭代。

2小时挖出数月才能发现的漏洞：网络安全版屠榜了

谷歌这次，只是让3.8 Flash在常规任务上卷价格吗？

远远不止。

这次发布会真正的杀器，是它的双生兄弟——Gemini 3.8 Flash Cyber。

连开发者都在惊呼：「到底是什么样的安全任务，值得谷歌专门为Flash推出一个Cyber专属变体？」

谷歌的答案就是：为了对抗未来的AI黑客。

在发现漏洞的基准测试 CyberGym 上，3.8 Flash Cyber 跑出了 86.2% 的分数，直接屠榜，将之前的大模型远远甩在身后。

不仅如此，现实世界中的代码可不止C/C++。

在谷歌内部横跨20种编程语言的复杂代码库综合测试中，这个模型发现广泛漏洞的成功率竟然超过了70%。

更惊人的，是它在真实世界的实战战绩。

Chrome安全团队拿它去测，发现它生成的正确修复补丁数量，是之前市面上最好、且体积大得多的商业模型的 2.6倍。

Wiz安全公司测试发现，它在渗透测试中的召回率提高了7.5-9.7%，而成本降低了2.3到5.2倍。

最让人惊讶的是，谷歌云漏洞研究团队利用它，在短短 2小时内，就发现了一个关键的基础性漏洞——而以往，人类顶级专家找到这样的漏洞，通常需要几个月的时间！

在CWE-Bench（打补丁能力测试）中，3.8 Flash Cyber的首次通过率达到了47.2%，与最领先的前沿大模型（47.8%）几乎不相上下，但价格比起来只有九牛一毛。

也正因为3.8 Flash Cyber的网络攻防破坏力过于惊人，谷歌并没有选择将其完全开源，而是通过全新的 Fairwind计划 ，仅向受信任机构开放。

OpenAI、Anthropic与谷歌：大模型三国杀进入分水岭

透过Gemini 3.8 Flash的发布，可以看出当今AI三巨头已经走上了三条截然不同的进化路线。

Anthropic (Claude系)，死磕的是「知识可靠性与稳定」。

在偏向知识覆盖和事实准确率的测试（如AA-Omniscience）中，Claude依然是降维打击。

前七名全是Claude系，他们现在明显在强化企业级任务中的不犯错能力，力求稳定输出。

OpenAI (GPT系)，押注的是「深度推理与顿悟」。

在偏向物理、数学推导的CritPt测试中，GPT-5.6 Sol断崖式领先。

OpenAI像是在追求一种纯粹的智力涌现，要求模型在没人告诉它答案时，自己能像科学家一样「想」出来。

Google (Gemini系)，打造的是「无尽循环的超高速打工人」。

谷歌这次给出了第三种答案：也许我一次想不通最难的物理题，但我反应极快、成本极低。

在Agent的时代，我可以一秒钟思考100次，写代码、运行、报错、修改，用极低成本的暴力迭代，硬生生砸出正确结果。

Agen在现实中遇到的麻烦，需要反复试错、调用工具、动态调整。

而Gemini 3.8 Flash，简直就是为这种「长程工作流」量身定制的。

你可以在Google Antigravity中，仅用一个提示词加上循环指令，就让3.8 Flash自动生成一个包含谜题、环境贴图和3D关卡的完整游戏。

你可以用它一键生成带有街景和导航的DOS版谷歌地图。

显然，Gemini 3.8 Flash的易用性和成本，已经突破了某个奇点。

Gemini 3.8 Flash的到来，仿佛谷歌向全行业宣告：大模型正在摆脱「只有巨头才用得起」，向着算力普惠狂奔。

那些原本需要耗费几万美金、跑上几天几夜的智能体任务，现在只需要几杯咖啡的钱，几分钟就能完成。

属于普通人的超级个体时代，真的来了。

这是属于小模型的觉醒时刻。

参考资料：

https://x.com/alexandr_wang/status/2095266112212754659?s=20

https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

文章来自于微信公众号 “新智元”，作者 “新智元”