专题 · FULL STORY

Gemini 3.8 Flash：爆料、发布与实测风波

谷歌 Gemini 3.8 Flash 先经媒体爆料即将影子发布，9 月 2 日官方联手推出标准版与网安 Cyber 版；随后开发者实测分歧明显：有人质疑其针对公开基准过拟合，也有实测称赞其多模态推理登顶且提速三成，六周三连更的节奏同样引发吐槽。

2026-09-02 ~ 2026-09-04 · 6 集 · 164 条

第 1 集 · Gemini 3.8 Flash 影子发布在即，跑分与定价爆料齐飞(2026-09-02,45 条)

据《华尔街日报》报道，谷歌计划最早周三发布代号 "Skimaki" 的 Gemini 3.8 Flash，主打编码能力，内部人士称其在 Agent 编码方面有重大进展；同时官方已放弃 3.5 Pro 检查点。截至发帖时谷歌尚未发布正式公告，但大量证据显示该模型已通过影子发布/灰度方式出现在消费端应用、部署环境与 Google Cloud 控制台中，多份泄露跑分已在社区广泛流传，Artificial Analysis 也放出了第三方评测成绩。

已确认

  • WSJ 报道称 Gemini 3.8 Flash 在 Agent 编码方面有重大进展，编码能力显著升级，最早周三上线（@kimmonismus、@Hesamation、@xiaohu 等转述）
  • 在 Google 内部编码工具 Jetski 的对比测试中，Google 工程师更偏好 Gemini 3.8 Flash 而非 Anthropic 的 Opus 模型（@kimmonismus 引 WSJ）
  • 多位用户观察到 Gemini 3.8 Flash 已现身消费端应用（@markk、@IamNotGorbachev 的 WebUI 截图等）；@Able-Line2683 通过 Free 与 Pro/Ultra 账号截图对比，证实该模型已面向付费账号推送、免费账号尚未开放，属影子发布/灰度测试
  • @testingcatalog 发现 Gemini 3.8 Flash 已出现在 Google Cloud Console 的配额页面，这通常是新模型发布前的例行准备动作
  • @clmt 称该模型已发布，在 agentic coding 和通用知识工作上较 3.7 Flash 大幅提升，并已在 Antigravity 上向所有用户开放（谷歌官方公告当时尚未见到）
  • WSJ 称官方已正式放弃 3.5 Pro 检查点，理由是其性能相比 Flash 系列提升有限

尚未确认

  • @teortaxesTex 转述的爆料称定价与 3.7 Flash 持平：输入 0.75 美元/Mtok、输出 3.75 美元/Mtok、缓存输入 0.075 美元/Mtok，并称模型约 7 小时后发布，均未经官方证实
  • @kimmonismus 爆料（自称未经 Google 官方证实）的跑分显示该模型在 Terminal Bench 2.1、HLE 等基准上超越 Opus 5 与 "Sol 5.6"；@flavioAd 对成绩表示惊叹并附自己的分析；@Able-Line2683 多次贴出的跑分截图内容重复，均无法核实成绩真伪
  • @ExpensiveSyrup6529 分享了 Artificial Analysis 对 Gemini 3.8 Flash 的第三方基准测试成绩（图集形式），可用于横向对比竞品，具体数字未经官方确认
  • @OfficialLoganK 晒出 Gemini 3.8 Flash 在 DeepSWE 1.1 编程基准上取得 73.7% 的成绩并附评测链接；@vedantmisra、@haider1 转述的帖子称其在 DeepSWE v1.1 榜单以 74% 与最顶尖模型并列第一（较 3.7 Flash 的 65% 明显提升），但代价是输出 token 用量偏高；@ChrisGPT 亦称 Terminal-Bench 2.1 得分 89.4%（同时指出该榜单已过时，现已更新至 Terminal-Bench 4）。以上成绩均为第三方流传，Google 官方未确认
  • @Hesamation 转述的报道推测谷歌可能跳过 3.5 Pro，待 Gemini 4 完成训练后直接推出，属媒体推测
  • @markk 预测并称今日发布、@TheZachMueller 转发的 Andrew Curran 称 "数小时内发布"（同帖还提及商务部长 Lutnick 向 CNBC 证实半导体关税将落地等背景消息），实质信息均以 WSJ 原始报道为准，未经官方证实

为什么重要

  • 若内部测试中 Flash 模型已胜过 Anthropic 旗舰模型，将改变中小尺寸模型的竞争格局；外部流传的 Terminal Bench 2.1、HLE 及 DeepSWE 73.7%74% 的成绩若属实将进一步佐证，但 token 用量偏高的问题可能影响实际使用成本
  • 3.5 Pro 被弃意味着谷歌路线可能转向 "Flash 轻量 + Gemini 4 旗舰" 的两级结构，跳过中间版本
  • 爆料定价与 3.7 Flash 完全持平，若属实意味着以同价位提供更强编码能力，对竞品定价构成压力；Antigravity 全量开放也显示谷歌正把 agentic coding 作为核心分发场景

还有 25 条相关讨论 →

第 2 集 · Google 推出 Gemini 3.8 Flash 与网络安全专用 Cyber 版(2026-09-02,110 条)

Google 于 9 月 2 日官宣发布 Gemini 3.8 Flash 与面向网络安全的 3.8 Flash Cyber 两款模型，CEO Sundar Pichai、Google DeepMind、Google AI、GeminiApp 及高管 Logan Kilpatrick 均亲自官宣。这是 Gemini 系列六周内的第三次 Flash 更新、四个月内的第四款 Flash 模型，显示 Google 前所未有的高频迭代节奏。3.8 Flash 已在 Gemini 应用、Google AI Studio 和 API 上线，向 Pro 和 Ultra 订阅用户开放，并已进入 Antigravity，定位为面向长程编码与自主智能体的「主力工作马」模型。

已确认

  • 3.8 Flash：官方称迄今最智能的 Flash 模型，相比 3.7 Flash 在软件工程、智能体任务和多步推理上显著提升；DeepSWE 1.1 基准得分 71%，逼近 Opus 5 水平，且价格低得多、速度极快（用户侧评价）。Artificial Analysis 测得其高推理档智能指数 59（3.7 Flash 为 56），单任务成本 $0.58，登性价比 Pareto 前沿。
  • 定价与速度：输入 $0.75、输出 $3.75，与 3.7 Flash 上市价持平、不加价。据 Reddit 用户 NewVeterinarian5384 整理的官方博客数据，输出速度达 305 tokens/秒，接近第二名 Muse Spark 1.2（154 t/s）的两倍，也远超 GPT-5.6。
  • 能力细节：Google AI 官方介绍其面向复杂智能体与多步任务，覆盖编码、视频理解与日常建议、文本分析等场景；保留 effort controls（思考量与 token 成本成比例），演示包括自主搭建 3D 游戏并自我修错。
  • 3.8 Flash Cyber：由 Sundar Pichai、DeepMind 与 Google AI 官宣，定位 Google 最强网络安全模型，主打专家级漏洞检测、自主修补（autonomous patching）与大规模补丁生成；相较 3.5 代，Chrome 补丁正确率提升 2.6 倍，在 CWE-Bench 漏洞修补测试上处于 Pareto 前沿，同时保持 Flash 系列的速度与定价。koraykv 亦转述该版本将前沿漏洞发现与修复能力开放给安全防御方。

为什么重要

  • 同价不加价的性能与速度跃升直接压缩竞品性价比空间：YouTube 频道 Prompt Engineering 评测称其为 Google 目前最强的 agentic coding 模型；博主 SabooShubham 认为这种快速迭代节奏尤其利好 AI Agent 工作流。
  • Cyber 版将前沿漏洞发现与自主修补能力以 Flash 级价格开放给安全防御团队，可能显著改变安全运营的自动化程度。

还有 90 条相关讨论 →

第 3 集 · HF 工程师称已用上 Gemini 3.8，评价其为全能型 Agent 模型(2026-09-03,3 条)

Hugging Face 工程师 Omar Sanseviero 发帖分享称已用 Gemini 3.8 构建数天，体验非常有趣，并称赞 Google 近几个月进展显著。他评价 3.8 是一个非常均衡的 agentic 模型，在金融、法务、多模态等多个领域表现均衡。不过该体验分享来自第三方，Google 官方尚未证实 Gemini 3.8 的存在，相关消息可信度有待验证。

第 4 集 · Gemini Flash 六周三连更，3.8 版发布引发迭代过快吐槽(2026-09-03,2 条)

Google 的 Gemini Flash 系列在约六周内连续发布 3.6、3.7、3.8 三个版本，几乎每隔一周就有新 checkpoint 上线。有评论者吐槽更新过于频繁但提升有限，称评测者还没跑完一轮 eval，新模型就已经发布。此外有人提到传闻中的 Fable 模型尚未现身，令这种快速迭代的节奏更显奇怪。

第 5 集 · 开发者实测：Gemini 3.8 Flash 疑似刷榜过拟合(2026-09-03,2 条)

开发者 Bindu Reddy 实测称，谷歌 Gemini 3.8 Flash 疑似针对公开基准过拟合（「bench maxxed」）。在其自建的私有基准上，3.8 Flash 的表现反而不如 3.7 Flash，数据分析能力出现回退，隐藏问题集上的成绩也有所下滑。这一说法引发对厂商刷榜行为的讨论。

第 6 集 · Gemini 3.8 Flash 实测：图像推理登顶且提速 30%(2026-09-04,2 条)

Roboflow 的 Skalski 发布 Gemini 3.8 Flash 深度实测，称其可能是他最喜欢的一代 Gemini 模型。结果显示该模型现实多模态实用性极强：图像推理与数据提取均排名第一，目标检测排名第二，速度比上一代 Gemini 3.7 Flash 快约 30%。