Gemini 3.8 Flash 登顶 DeepSWE 达 74%,但输出 token 用量偏高
haider1 · x · 2026-09-03
- DeepSWE 榜首:Gemini 3.8 Flash 在测试长时程软件工程任务的 DeepSWE 榜单上以 74% 与最顶尖模型并列第一,较 3.7 Flash 的 65% 有明显提升。
- 代价是 token 效率:3.8 Flash 每任务输出约 143k token,3.7 Flash 为 107k,输出 token 用量是上一代的 1.34 倍。
- 横向对比:作者引用称其在 AA Intelligence Index 得 59 分,较 Flash 3.7 大幅跳升,但每任务输出 token 比 GPT-5.6 系列、Opus 5、Fable 5 甚至 Fable 5.1 都更多——智能涨了,token 效率却很粗糙。
所属事件:Gemini 3.8 Flash 影子发布在即，跑分与定价爆料齐飞(45 条相关)→
「模型」频道最新
- 仅微调最后两层，模型就能察觉只读探针的存在 — Sauers_ · 2026-10-18
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18