Google于2026年9月2日发布Gemini 3.8 Flash及面向可信网络防御机构的Gemini 3.8 Flash Cyber。普通版拥有100万Token上下文，主攻编程、Agent和专业知识工作；在Google公布的测试中，其长周期软件工程成绩达到73.7%，接近Claude Opus 5的74.0%，金融Agent、法律Agent和部分综合推理成绩则领先受测模型。Cyber版能够自主寻找漏洞并生成补丁：Google内部跨20种编程语言的测试成功率超过70%，Chrome团队获得的正确补丁数量达到大型商业模型的2.6倍。当前API优惠价为每百万输入Token 0.75美元、输出Token 3.75美元，但模型会通过更多推理步骤和工具调用换取性能，独立评测显示其单任务成本反而比3.7 Flash高约40%。这次发布的关键信号是，过去主要属于昂贵旗舰模型的Agent能力正在进入低价、可规模部署的“工作模型”，但能力数据仍以Google及合作方测试为主，Cyber版也不向普通用户开放。
文章作者、来源：DeepMind
六周更新三次，Google把Flash变成了主力模型
Gemini 3.8 Flash距离3.7 Flash发布只有三周，也是Google六周内推出的第三个Flash版本。
过去，“Flash”通常意味着速度快、成本低，但能力明显弱于旗舰模型。Gemini 3.8的定位正在改变：Google仍把它称为适合大规模部署的“工作模型”，却把长周期编程、连续工具调用和专业分析作为主要能力，而不再只是让它承担聊天、摘要等轻量任务。
新模型支持文本、图像、音频、视频和PDF输入，拥有100万Token上下文和6.4万Token最大输出，可调用搜索、函数及电脑操作工具。它已经正式开放，而非测试预览，可以通过Gemini API、Google AI Studio、Gemini Enterprise、Google Antigravity、Gemini应用、搜索AI Mode和Google Sheets使用。
Google的托管Agent Antigravity也已默认采用3.8 Flash。这说明该模型真正瞄准的是需要反复规划、调用工具、检查结果并持续修正的Agent，而不是单次问答。
编程成绩已经逼近昂贵的旗舰模型
在Google公布的DeepSWE v1.1长周期软件工程测试中，Gemini 3.8 Flash取得73.7%的成绩，高于3.7 Flash的65.3%和GPT‑5.6 Sol的72.7%，与Claude Opus 5的74.0%相差0.3个百分点。
这类测试要求模型进入真实代码库，理解多个文件之间的关系，定位问题并完成可以通过测试的修改。它比独立生成一段函数更接近实际编程Agent的工作。
在Vals Finance Agent v2中，3.8 Flash得到61.4%，受测的3.7 Flash、Claude Opus 5和GPT‑5.6 Sol分别为59.0%、58.6%和53.8%。
在Harvey法律Agent测试中，3.8 Flash为10.0%，高于3.7 Flash的8.8%、Claude Opus 5的6.7%和GPT‑5.6 Sol的2.5%。不过，所有模型在这项评测中的绝对得分都很低，“排名第一”并不等于已经能够可靠处理复杂法律工作。
在多学科推理测试HLE-Verified中，3.8 Flash取得54.9%，GPT‑5.6 Sol与Claude Opus 5分别为54.5%和54.4%，三者差距很小，不足以证明某一模型拥有稳定的全面优势。
这些结果主要由Google按照自己的配置公布。模型、Agent框架、推理强度、工具权限与测试预算都会影响最终成绩，因此更合理的结论是：Flash级模型已接近部分高价旗舰模型，而不是Gemini已经在所有任务上全面领先。
“更努力”意味着更聪明，也可能意味着更贵
Google将3.8 Flash能力提升归结为一个直白的设计选择：让模型“更加努力”。
面对复杂任务时，它会采用更多中间推理步骤，反复调用工具，并主动检查已经完成的工作。开发者可以选择低、中、高三个思考级别，中等为默认设置；高等级适合困难编程和多步骤推理，低等级则适合实时聊天、草稿生成和延迟敏感的任务。
这能降低Agent过早停止、遗漏步骤或在一次工具调用失败后彻底偏离目标的概率，但也会消耗更多Token。
Artificial Analysis的独立测试中，3.8 Flash在高思考等级的智能指数为59分，比3.7 Flash提高3分，与GPT‑5.6 Sol的非最高推理配置处于相近水平。它的平均输出速度约为每秒300 Token，完成单项测试平均需要2.5分钟。
但3.8 Flash平均输出Token增加约30%，Agent评测中的执行轮次也更多。虽然每Token价格没有上涨，其平均单任务成本约为0.58美元，比3.7 Flash的0.40美元高约40%。
因此，“低单价”不等于“每项任务一定更便宜”。如果任务本身不需要复杂推理，让3.8 Flash以高强度运行，可能只会增加时间和费用。Google也建议效率优先的工作流降低思考等级，或继续使用仍受支持的3.7 Flash。
当前低价只是限时优惠
截至2026年12月31日，Gemini 3.8 Flash的优惠价格为每百万输入Token 0.75美元、输出Token 3.75美元，与3.7 Flash当前价格相同。
从2027年1月1日起，标准价格将变为每百万输入Token 1.50美元、输出Token 7.50美元，正好翻倍。开发者评估长期成本时，不能把发布期价格视为永久定价。
即使按照未来标准价格计算，它仍低于部分旗舰模型；但对于需要生成数万Token、运行几十轮工具调用的Agent，应该比较完整任务成本，而不是只比较价格表上的每百万Token数字。
Cyber版的目标不是解释漏洞，而是直接交付补丁
Google同时发布了Gemini 3.8 Flash Cyber。它与普通版共享基础能力，但接受了更集中的网络安全训练，并采用较宽松的网络安全限制，使其能够完成普通模型可能拒绝的漏洞分析工作。
在CyberGym漏洞发现基准中，Google称其已达到前沿水平。由于CyberGym主要集中在C和C++项目，公司又设计了一套覆盖20种编程语言、包含复杂真实代码库的内部测试，3.8 Flash Cyber发现漏洞的成功率超过70%。
漏洞发现只是第一步。Google特别强调，Cyber版的训练重点是修复问题，而不是生成攻击利用程序。
在由Collinear运行的CWE-Bench补丁测试中，3.8 Flash Cyber的首次提交通过率为47.2%，受比较的领先旗舰模型为47.8%。两者成绩接近，但Google表示Flash Cyber的运行成本更低。
这代表网络安全Agent的目标正在从“告诉工程师这里可能有问题”，转向理解漏洞、编写补丁、运行测试并验证修改。如果结果足够可靠，它可能缩短安全团队从发现漏洞到部署修复的时间。
Chrome获得2.6倍正确补丁，但仍是厂商和合作方测试
Google已经把Flash Cyber用于内部代码安全工作。
Chrome安全团队称，它生成的正确漏洞补丁数量是受比较大型商业模型的2.6倍。网络安全公司Wiz则表示，在自己的渗透测试基准中，Flash Cyber的漏洞召回率高出其他前沿模型7.5至9.7个百分点，成本低2.3至5.2倍。
Google Cloud漏洞研究团队还称，该模型在不到两小时内发现了一项关键基础漏洞，而类似研究通常可能持续数月。
这些结果具有现实参考价值，但不能视为独立、可复现的公共评测。Google没有公开那项关键漏洞的具体内容、对比模型名单和完整运行轨迹；Chrome数据来自Google内部，Wiz也属于Fairwind合作伙伴。因此，它们证明模型已经能够参与真实安全工作，却不能证明它在所有代码库和漏洞类型上稳定达到同等效果。
最强网络安全能力只向可信机构开放
Flash Cyber通过Google新成立的Fairwind Program提供，目前参与者超过650家，主要包括政府网络安全机构、关键基础设施运营方、软件维护者和大型安全企业。
参与机构需要限制内部访问人员范围，并采用多因素认证等安全措施。模型与CodeMender Agent结合后，可以在机构自己的云环境中寻找、验证和修复漏洞。
普通Google Cloud客户仍可使用CodeMender配合公开版Gemini模型，但无法直接获得Flash Cyber完整能力。
这种“一个基础模型、两个权限等级”的发布方式，与Anthropic此前将Claude分为Fable和Mythos的路线十分接近：通用编程和分析能力向市场开放，更容易转化为攻击能力的网络安全功能则通过身份审核、访问控制和持续监测提供。
安全没有明显升级，但部分非英语表现出现退步
普通版3.8 Flash包含针对化学、生物、放射性、核相关内容及网络攻击的安全限制；Cyber版因为需要完成专业防御任务，网络安全限制更宽松，所以只向审核后的机构开放。
Google模型卡认为，与3.7 Flash相比，3.8 Flash在公司前沿安全框架关注的高风险领域没有出现实质性的新能力，因此没有触发更高风险等级。它在Gray Swan间接提示词注入测试中的防护也有所改善。
不过，模型卡同时披露，3.8 Flash在自动化多语言安全测试中比3.7 Flash退步5.4个百分点。Google人工检查后称，多数差异属于误报或不严重内容，但完整样本和逐语言数据没有公布。
模型还保留了大语言模型的常见问题，包括幻觉、偶发响应缓慢或超时，以及为了提高表现而使用过多Token。知识截止时间标为2026年3月，但Google说明，部分领域的可靠知识可能仍只更新至2025年1月附近；涉及最新信息时仍需要联网核实。
真正的竞争正在从“谁最聪明”转向“谁能被大规模使用”
Gemini 3.8 Flash最值得关注的地方，不是某一项基准领先了零点几分，而是Google正把长周期编程、专业分析和自主工具调用能力压入Flash价格区间。
旗舰模型适合高价值、低频率的困难任务；真正运行在企业客服、编程流水线、财务分析和安全扫描中的Agent，却可能每天处理数百万次调用。在这些场景中，速度、单价和单位任务成功率往往比排行榜第一更重要。
3.8 Flash也显示出这条路线的矛盾：模型越善于反复检查和持续工作，就越可能生成更多Token，让“便宜模型”的单任务成本上升。未来Agent竞争的核心因此不仅是谁回答得最好，还包括谁能判断什么时候继续思考、什么时候调用工具，以及什么时候应该停止。