谷歌于9月2日发布Gemini 3.8 Flash，距离上一代3.7 Flash上线仅过去三周。过去六周内，Flash系列已完成三次迭代。新模型在长程软件工程和Agent任务上的表现接近Anthropic的Opus 5，API价格维持不变，但由于推理强度提升，实际单任务成本较上代上涨约40％。
谷歌公布的基准测试显示，Gemini 3.8 Flash在长程软件工程测试DeepSWE v1.1中取得73.7％的成绩，较3.7 Flash的65.3％提升8.4个百分点，与Opus 5的74.0％仅差0.3个百分点。在命令行Agent测试Terminal-Bench 2.1中，3.8 Flash以89.4％的成绩超过Opus 5的89.1％。金融分析任务Vals Finance Agent v2中，3.8 Flash得分为61.4％，高于Opus 5的58.6％。Harvey法律Agent测试中，3.8 Flash为10.0％，Opus 5为6.7％。HLE-Verified多学科推理测试中，两者分别为54.9％和54.4％。
谷歌将3.8 Flash定位为当前“最智能的Flash主力模型”，重点面向长程软件工程、自治Agent和复杂企业工作流。不过，在更强调通用Agent能力的测试中，3.8 Flash与Opus 5仍有明显差距。Terminal-Bench 4.0上，3.8 Flash得分19.1％，Opus 5为51.8％。GDPVal-AA v2知识工作测试中，3.8 Flash为1545 Elo，Opus 5为1824。OSWorld 2.0电脑操作测试中，两者分别为59.0％和75.4％。
独立评测机构Artificial Analysis完成了3.8 Flash在low、medium和high三档推理强度下的测试。其中high档在Artificial Analysis Intelligence Index上获得59分，Opus 5 max为63分。前一天发布的Anthropic Fable 5.1 max已达到66分，当前榜单前七位均被Anthropic模型的不同推理档位占据。
速度方面，3.8 Flash保持了Flash系列的定位优势。在Artificial Analysis通过Google API进行的测试中，3.8 Flash high档输出速度达304.6 Token/秒，在其比较组的195个模型中排名第一。核心产品规格与上代一致，维持约100万Token上下文窗口和65,536 Token最大输出。谷歌模型卡说明，3.8 Flash建立在3.7 Flash之上，属于迭代更新而非底层模型换代。
与3.8 Flash同时发布的还有Gemini 3.8 Flash Cyber。该版本在CyberGym漏洞发现测试中超过上代3.5 Flash Cyber，在谷歌覆盖20种编程语言的内部真实漏洞测试中成功率超过70％，在CWE-Bench自动漏洞修补测试中达到47.2％，超过GPT 5.6 Sol。谷歌从3.5 Flash开始单独设立Cyber支线，在Flash基础上针对漏洞发现、验证和修补进行专项微调。谷歌表示，3.8 Flash与3.8 Flash Cyber共享同一基础智能核心，本代在Coding和Reasoning上的提升部分来自网络安全领域的训练。
价格方面，Gemini 3.8 Flash的API输入价格维持0.75美元/百万Token，输出价格3.75美元/百万Token，缓存读取0.075美元/百万Token，与3.7 Flash完全一致。但实际使用成本有所上升。Artificial Analysis测试显示，3.8 Flash high完成一个Intelligence Index任务的平均成本为0.58美元，3.7 Flash约为0.40美元，单任务成本上涨约四成。原因在于3.8 Flash每个任务平均生成约4.8万个输出Token，较3.7 Flash增加30％，Agent测试中交互次数也更多。
模型定价逻辑正在从Token单价转向任务总成本。性能提升伴随推理深度增加，意味着完成同一任务需要消耗更多计算资源。这一趋势在多家模型厂商的产品策略中均有体现，企业用户在评估模型选型时，除单价外还需考虑实际任务开销。谷歌需要在性能竞争与成本控制之间找到平衡点，以维持Flash系列在性价比市场的竞争力。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
