今天凌晨，谷歌再度出手，Gemini 3.8 Flash毫无征兆地正式上线。距离上一代3.7 Flash发布仅仅过去三周——这是谷歌在短短六周内端出的第三款Flash系列模型。平均两周一代，这速度放在过去的大模型圈子里，几乎难以想象。更让人意外的是价格。输入每百万Token 0.75美元，输出3.75美元，与……

本文来自微信公众号： 第一新声 ，作者：第一新声，原文标题：《Gemini 3.8 Flash深夜突袭，六周三更，谷歌到底在急什么？》

今天凌晨，谷歌再度出手，Gemini 3.8 Flash毫无征兆地正式上线。

距离上一代3.7 Flash发布仅仅过去三周——这是谷歌在短短六周内端出的第三款Flash系列模型。平均两周一代，这速度放在过去的大模型圈子里，几乎难以想象。

更让人意外的是价格。输入每百万Token 0.75美元，输出3.75美元，与3.7 Flash完全一致，”白菜价”的标签死死焊在脸上。同步登场的还有专攻网络安全的Gemini 3.8 Flash Cyber，通过全新的Fairwind计划向受信防御者开放。

官方摆出的数据足够唬人：DeepSWE长程编程追平Claude Opus 5，Terminal-Bench 2.1（终端操作基准测试）逼近90%大关，HLE推理分数甚至反超了GPT-5.6 Sol。谷歌DeepMind核心成员姚顺宇更是留下一句耐人寻味的话：“对模型而言，这只是迈出了一小步；但对于RSI（递归自我改进）来说，却是一次巨大的飞跃。”

话虽如此，跑分终究是跑分。当这款被谷歌推到C位的“性价比杀器”落到真实开发者手里，社区反馈却远没有官方通稿那么乐观——做得快、交得多，和真正做得好，眼下还不是一回事。

01

Gemini 3.8 Flash白菜价越级反杀顶流旗舰

先看谷歌摆出的硬货。

Gemini 3.8 Flash被定位为”迄今最聪明的Flash模型”，重点强化长周期软件工程、自主Agent任务和复杂多步骤推理。官方给出的基准测试成绩单相当亮眼：

第一，编程能力逼近行业天花板。在DeepSWE v1.1长周期软件工程测试中，3.8 Flash拿下73.7%，上一代3.7 Flash是65.3%，直接追平了Claude Opus 5的74.0%。第三方机构Datacurve的独立验证同样显示，两者通过率均为74%，但3.8 Flash每题平均成本仅2.36美元，Opus 5要花11.84美元——差了整整五倍。

在Terminal-Bench 2.1（终端操作基准测试）上，3.8 Flash拿下89.4%，超过了Opus 5的89.1%，成为首个在该基准上逼近90%大关的Flash级模型。

第二，跨学科推理挤进第一梯队。HLE-Verified（人类终极考试）测试中，3.8 Flash拿到54.9%，略高于Opus 5的54.4%和GPT-5.6 Sol的54.5%。涵盖STEM、人文和专业领域的多步推理，一个Flash价格的模型已经能和旗舰坐在同一张桌子上。

第三，垂直专业Agent场景反超旗舰。在Vals金融Agent V2评测中，3.8 Flash取得61.4%，超过了3.7 Flash的59.0%、Opus 5的58.6%和GPT-5.6 Sol的53.8%。

Harvey法律Agent基准上，它的完整任务通过率达到10.0%，而Opus 5只有6.7%。

这些成绩背后藏着一个核心设计选择：3.8 Flash在复杂任务上会”更努力”。面对难题，它不再急于仓促给答案，而是执行更多推理步骤、反复调用工具、验证自己的结果。DeepSWE任务中，3.7 Flash平均输出10.7万Token、执行125个步骤；3.8 Flash则是14.3万Token、166个步骤。代价是：单价没变，但复杂任务实际成本从0.40美元涨到约0.58美元。

再说说Cyber版。在CyberGym漏洞发现基准上，它以86.2%的Pass@1超过了GPT-5.5-Cyber；CWE-Bench自动修复测试中，47.2%的成绩与行业领先的47.8%几乎持平，成本却低出一大截。实战层面，Chrome安全团队用它生成的正确补丁数量是其他商业模型的2.6倍；谷歌云团队借助它不到2小时就定位了一个以往需要数月才能发现的关键漏洞。不过，这款模型并不公开发布，只通过Fairwind计划向受信防御者开放。

跑分归跑分，社区实测是另一回事。当这款”性价比杀器”落到真实开发者手里，反馈却远没有官方通稿那么乐观。

02

跑分屠榜的学霸，一上考场就露怯？

谷歌官方演示里，3.8 Flash能搭出3D魔法城堡，能做一个DOS界面的Google Maps——效果炫酷，像模像样。但落到真实开发者手里，画风立刻变了。

首先，官方演示用的那套配置，普通用户根本拿不到。

爱范儿让3.8 Flash用Three.js建一架空客H145直升机，109秒确实出了东西——可打开一看，机身部件关系粗糙，运动方式别扭；3D水流模拟的火山口甚至还在”漏水”。同样的提示词，官方能做出城堡，用户只能得到一个半成品。

差别在哪？官方案例不是把提示词一丢就完事，而是模型在Antigravity平台里持续循环指令，还调用了Nano Banana生成纹理。换句话说，跑分里那个73.7%，是”模型+Agent框架+多轮验证+工具调用”这套系统的成绩，不是模型单打独斗考出来的。

其次，Flash引以为傲的”快”，也经不起推敲。

开发者Aditya用3.8 Flash和Kimi K3做同一个Sticky Ball游戏——Flash确实出得快，Token也省，但最终游戏的运动机制、移动表现全面落后。

博主AI Pulse Daily的纽约城市场景测试更是”公开处刑”：同样提示词下，3.8 Flash只放了6棵树——比三周前3.7 Flash的10棵还少——而Opus 5塞进了1840棵。提示词明确要求的人行横道条纹、水下焦散全部被略过，它却主动加了5个摄像机预设、3个后处理开关——用户要的不给，用户没要的瞎加。

再者，短跑惊艳，长跑露怯。

Terminal-Bench 4.0上，3.8 Flash只有19.1%，Opus 5是51.8%；OSWorld 2.0电脑操作任务里，Flash拿59.0%，Opus 5是75.4%。Artificial Analysis综合智力榜上，3.8 Flash排第八、59分，和Kimi K3、GLM-5.3同一档——代码单项能摸到第二，但一到需要耐力、多步骤、跨领域的长任务，底子不够厚的问题就全暴露了。

这就引出一个更扎心的问题：既然实测落差这么明显，谷歌为什么还这么急着把3.8 Flash推出来？

03

六周三款Flash，谷歌到底在急什么？

六周三款Flash，表面是技术迭代，背后全是无奈。

旗舰Pro难产，进度一鸽再鸽。皮查伊今年5月就透露新版Pro可能”随后一个月”到来，结果谷歌内部准备的Gemini 3.5 Pro方案最终被取消——核心原因居然是相对于Flash系列的提升不够明显。从五月鸽到九月，鸽到大家懒得催了。更远的Gemini 4虽然完成部分预训练，目前仍卡在后训练阶段，距离正式发布遥遥无期。

核心技术人员流失，组织动荡。过去一个半月，谷歌经历了一窝人事变动。Noam Shazeer、Jeff Dean等重要技术人物在今年夏天陆续离开，甚至连”二进制能力拥有者”Jeff Dean都离职了。谷歌随后调整了DeepMind管理层，Koray Kavukcuoglu接手更多管理职责，新管理层给出的明确要求是：进一步加快模型研发与发布速度。

Flash规模相对较小，修改和重新训练所需算力远低于Pro系列。据《华尔街日报》披露：谷歌内部可以让多个团队同时在Flash上尝试不同的后训练方案，三周左右就能完成一轮迭代。换成Pro系列，每一次调整都涉及更多GPU、更长的训练时间和跨团队资源协调，试错成本天差地别。

换句话说，谷歌之所以能在短短六周内连发三款Flash，不是因为技术突然爆发，而是因为Flash这条线本身就比Pro更适合”小步快跑”。旗舰难产的局面下，Flash自然成了唯一能持续输出新版本的产品线。

所以，谷歌在旗舰难产、Flash又天然适合”小步快跑”的双重压力下，选择了”以小博大”，让Flash扛起这面大旗。六周三款，高频迭代，能跑多快跑多快。

04

不争第一，反而可能赢得更多

跑分越级、实测露怯——这些矛盾放在一起看，反而把Flash的真实处境说得更清楚了。

它还不是旗舰，却已经开始承担旗舰的任务；它还不够全能，却足够便宜、足够快，还能不断迭代。这说明Flash距离真正的旗舰级全能模型还有差距，但对现在的谷歌来说，这已经够用了。

Pro迟迟不到，Gemini 4还在路上，Flash就是谷歌眼下最快的一张牌。六周三更，表面是Flash在狂飙，背后其实是谷歌在抢时间。

它能不能赢下终局，还得看Pro和Gemini 4；但至少现在，Flash正在替谷歌守住牌桌。