Alphabet兼谷歌CEO桑达尔·皮查伊。图片经由AI生成
时隔三周，谷歌于美国时间9月2日发布了新一代Gemini 3.8系列模型。
此次发布涵盖两款产品：用于通用任务的Gemini 3.8 Flash，以及针对网络安全防御的专用版本Gemini 3.8 Flash Cyber。
Gemini 3.8 Flash被定位为Flash系列的新一代主力方案。该模型在维持与前代相同的运行速度和成本投入的基础上，强化了代码生成、多步骤推理和自动化智能体等方面的能力。
定价策略上，谷歌继续保持竞争力：API每百万Token的输入费用为0.75美元，输出费用3.75美元，这一优惠价位旨在促进中型模型在实际工程应用和自动化领域的广泛采用。
值得注意的是，当旗舰级产品Gemini 3.5 Pro更新放缓之际，谷歌却在短短六周内三度迭代Flash系列。这一转变凸显了其战略重心：加速中端模型的演进周期，同步降低成本，通过在工程应用、智能体自动化和专业安全领域的深入布局，打造完整的产品生态。
01 编程与长链条推理：增加计算投入以提升任务完成率
技术设计方面，Gemini 3.8 Flash进行了架构优化。面对复杂问题，新模型会进行更密集的推理步骤，并循环调用内置工具。
这意味着某些复杂任务会产生更多Token消耗，但代价是大幅提升一次成功率，避免重复试错和人工修正。若开发者需要最小化成本，可调整推理深度或沿用前代模型。
图注：Gemini 3.8 Flash 与主流前沿模型在 API 价格及各项基准测试中的性能对比数据
权衡评估中，Gemini 3.8 Flash在长链条工程任务和智能体自动化的测试表现上逼近昂贵模型的水平：
DeepSWE v1.1长链条工程测试中，该模型能独立应对复杂的全流程开发挑战，成绩超出若干参数量更大的竞品，而总体成本更具优势。
图注：Gemini 3.8 Flash 在 DeepSWE v1.1 长程软件工程基准测试中的准确率与单任务成本对比，处于帕累托最优前沿
专业领域评估上，面对金融和法律等需要高精度判断的场景，新模型在业界标准测试中的表现均超越前代及多个竞争方案。
图注：Gemini 3.8 Flash 在金融（Vals Finance）、法律（Harvey’s Legal）及跨学科专家推理（HLE-Verified）基准测试中的表现对比
跨学科综合能力方面，HLE-Verified测试中的54.9%成绩展现了其在STEM、人文与专业领域复杂多步骤推理的掌握程度。
为了验证工程能力，谷歌发布了多项基于该模型实现的真实应用案例：
仅从文本指令出发，便能在Google Antigravity中自动生成完整的3D魔法师游戏，包括关卡设计、环境背景与谜题机制，配合Nano Banana实时渲染角色和纹理。
单条指令即可创作怀旧DOS风格的谷歌地图应用，具备位置查询、导航和街景浏览等功能。
结合USGS真实地理数据，动态生成著名景点的地质剖面、二维投影及科学说明。
利用Three.js框架，自动生成精确比例的硬件结构拆解图，支持交互式动态分层与细节查看。
02 Gemini 3.8 Flash Cyber：面向防御场景的网络安全模型
作为姊妹版本，Gemini 3.8 Flash Cyber系谷歌针对网络防御场景的专业解决方案，融合了Flash系列的高效迭代特性与防御导向的能力设计，面向授权安全人员提供。
有别于侵攻测试取向，Gemini 3.8 Flash Cyber的训练重点是漏洞挖掘和自动化修复。
CyberGym漏洞发现评测中表现领先前版本和多款参数量更大的方案。在谷歌内部覆盖20种编程语言的代码库测试里，识别成功率突破70%。
图注：Gemini 3.8 Flash Cyber 在 CyberGym 漏洞挖掘基准测试中的 Pass@1 表现对比
CWE-Bench自动补丁修复评估中，3.8 Flash Cyber的pass@1成绩达47.2%，处于性能与成本的最优平衡点，能力接近业界最强方案，而费用则显著更低。
图注：Gemini 3.8 Flash Cyber 在 CWE-Bench 自动化漏洞修复测试中的 Pass@1 准确率与单次成本对比，处于帕累托前沿
该模型已在谷歌内部代码保护流程中投入使用。
Chrome团队报告补丁生成效率是主流商业模型的2.6倍；Wiz的测试表明召回率增长7.5至9.7个百分点，而成本仅为竞品的0.19至0.43；谷歌云安全小组仅用2小时发现了某个原需数月才能定位的核心漏洞。
03 安全防护与生态落地
图注：Gemini 3.8 Flash在Gray Swan测试中的表现
安全设计上，该模型采纳谷歌的前沿防护框架，配置了应对化学、生物、核等领域风险以及网络攻击滥用的防御机制。
Gray Swan测试显示其对提示词注入攻击的抵御力显著增强。鉴于Cyber版本的防护规则较为灵活，谷歌推出Fairwind项目，向经过认证的政府部门、基础设施运营机构和开源项目维护人有针对性地提供访问权限。
发布后，该系列已嵌入谷歌的完整工具链和用户产品中：
开发者可经由Google AI Studio、Android Studio和官方API快速集成，或在Google Antigravity中进行智能体工作流实验，通过Stitch自动化生成界面代码。
企业用户可借助Gemini Enterprise平台实施业务集成。
消费者方面，订阅Google AI Pro或Ultra的用户将在Gemini应用、搜索AI模式及Sheets表格中获得该模型的能力支持。
04 架构创新扩展：视频多模态同步引入智能体理解
Agentic 视频理解工作流程架构图（Agentic Loop）
不仅如此，谷歌还将智能体架构拓展至视频多模态理解。在之前的Flash系列升级中，推出了智能体视频理解技术。
这一突破打破了传统等间距采样（如每秒1帧）的方式。借助智能体循环机制，模型可因人而异地选择观察范围、调节播放速率，按需获取视觉、音频或文本信息。
图注： Gemini 3.7 Flash 在 Minerva、1H-VideoQA、LVBench 三个基准测试中，Token 消耗最高降低88.0% 以及准确率最高提升7.2%的具体对比数据
在API费率不变的情况下，这种智能采样方案将输入消耗最多削减88%，综合成本最多下降66%，理解效果最多提升7%。该能力已用于毫秒级搜索、长视频内容查询、异常监测和动作识别等应用，后续将整合至Gemini App和YouTube的「Ask YouTube」模块。
