45天连更三轮，Gemini 3.8 Flash未必更好用了……

研究员｜卢杨

Gemini 3.7 Flash上线仅三周，谷歌又又又有新动作了。

当地时间9月2日，谷歌正式发布Gemini 3.8 Flash及面向网络安全领域的Gemini 3.8 Flash Cyber。这已是谷歌在45天内发布的第三款Flash模型。

几小时后，Meta于9月3日发布了其迄今最强大的AI模型Muse Spark 1.3，专为延长智能体工作流与增强编码能力设计。

AI大模型的迭代节奏开始从“月更”逼近“周更”。

谷歌把Gemini 3.8 Flash定位为“迄今最聪明的推理与编程模型”，在保持与3.7 Flash相同速度与成本的前提下，提升了软件工程、复杂智能体任务以及特定领域多步骤推理的性能。

X上的吐槽声不绝于耳，最搞笑的一个梗图莫过于：

三周时间到底能有多大实质性改进？我们从多个维度实测了Gemini 3.8 Flash的性能。

01 性能对比：跑分亮眼 代价是什么？

从基准测试来看，Gemini 3.8 Flash有所提升，且价格保持不变。

在衡量长程软件工程能力的DeepSWE v1.1测试中，3.8 Flash得分达73.7%，相比3.7 Flash的65.3%提高了约8个百分点。距离Claude Opus 5的74.0%只剩一步之遥，一个半月前的3.6 Flash仅得49%。

在跨学科知识推理的HLE-Verified测试中，3.8 Flash得分54.9%，略高于Opus 5的54.4%。多模态方面的优势更为明显：复杂图表理解测试CharXiv Reasoning得分86.2%，超过Opus 5的83.7%；Agent模式处理长视频时LVBench得分87.8%，超越GPT-5.6 Sol和Opus 5等一众顶级模型。金融和法律领域同样有提升，3.8 Flash在Vals Finance Agent V2和Harvey’s Legal Agent Benchmark中均超过3.7 Flash及其他更昂贵的前沿模型。

然而，性能提升并非没有代价。谷歌坦承，3.8 Flash“工作更加努力”：面对复杂任务时，它会执行更多推理步骤、反复调用工具。这意味着它可能比3.7 Flash消耗更多的Token。

Artificial Analysis的评测显示，尽管单Token定价未变，3.8 Flash的单任务成本相比3.7 Flash上涨了约40%，主要原因是每任务输出Token增加了30%，且在Agent评测中需要更多轮次。谷歌甚至建议，如果任务更重视计算效率，可以选择降低推理档位，或者继续使用3.7 Flash。

简而言之，3.8 Flash用更高的单任务成本换来了更强的推理深度和任务完成质量。它不再是单纯的“快且便宜”，而是在性能和成本之间重新画了一条线。

02 实测：两个任务，两种表现

我们设计了两组对比测试，提示词完全一致，观察3.7 Flash与3.8 Flash两款模型的实际表现。

任务一：贪吃蛇游戏开发

两款模型均在10秒内完成了任务，速度难分高下。生成的游戏界面视觉效果相近，核心功能都可正常运行。

唯一的区别在于交互细节：3.7 Flash仅提供了上下左右的方向控制；而3.8 Flash额外增加了按空格键暂停和WASD控制方向的功能。这个小差异给人的感觉是3.8 Flash在理解用户潜在需求方面更为周全：它“多想了一步”。

任务二：市场调研分析文章大纲

这个任务中两款模型的表现出现了明显分化。3.7 Flash一次性跑通任务，约10秒完成，输出了结构完整的大纲并附带了Markdown格式，但未提供排版。3.8 Flash首次执行时却未能完成任务，系统反馈称“由于程序代码的局限，无法提供这方面的帮助”。经我们追问后，3.8 Flash才成功生成了大纲。

这里需要着重提一下。3.8 Flash在DeepSWE等编程基准上跑分远超3.7 Flash，但在实际的市场调研分析这类知识型任务中，首次响应却出现了“拒答”的情况。虽然追问后能够补上，但这种不稳定体验在3.7 Flash上并未出现。跑分的领先并不等同于所有场景下更可靠的使用体验。

综合两次实测，两款模型在简单游戏任务（贪吃蛇）上表现接近，3.8 Flash在细节上略胜一筹；在中等复杂度的知识型任务（市场调研大纲）上，3.7 Flash表现更稳定，而3.8 Flash存在首次响应不稳定的问题。

03 单价不变，账单未必不变

价格方面，Gemini 3.8 Flash与3.7 Flash保持相同的限时 introductory 定价：每百万输入Token 0.75美元，每百万输出Token 3.75美元。该优惠价格持续至2026年12月31日，2027年1月1日起将恢复至输入1.50美元、输出7.50美元。

需要指出的是，单价不变不等于总成本不变。3.8 Flash因执行更多推理步骤，单任务Token消耗量更大，实际单任务成本可能比3.7 Flash高出约40%。对于高频调用场景，这笔账需要仔细核算。

作为参照，同期发布的Meta Muse Spark 1.3定价为每百万输入Token 1.25美元、输出4.25美元。相比之下，Gemini 3.8 Flash在输入侧的价格优势明显（0.75 vs 1.25美元），输出侧差距较小（3.75 vs 4.25美元）。Claude Opus 5的定价则为输入5美元、输出25美元每百万Token。Gemini 3.8 Flash即使恢复原价后，价格仍远低于头部旗舰模型。

Gemini 3.8 Flash的升级逻辑很清晰：在保持单价不变的前提下，通过“更努力地工作”（更多推理步骤、更多工具调用）来提升任务完成质量，在编程、推理和多模态等基准测试上取得了可量化的进步。但这种“大力出奇迹”的策略也带来了单任务成本上升和部分场景响应不稳定的问题。

对于开发者而言，选择哪款模型取决于具体场景：追求极致性价比和稳定性的简单任务，3.7 Flash依然是可靠选择；需要更强推理能力和任务完成质量的复杂场景，3.8 Flash值得尝试，但需为更高的单任务成本和潜在的不稳定响应做好准备。

45天三款模型密集发布，能否彻底扭转外界对谷歌“佛系更新”的刻板印象呢？时间会给出答案，但整体而言，谷歌看起来已经在改变的路上了。

（文中内容和观点仅供参考，不构成投资建议。投资有风险，入市需谨慎。）

编辑｜邱慧 张猛