Google 发布 Gemini 3.8 Flash 与 Cyber 版：加量不加价，主打智能体与网安

六周时间，连续甩出三个模型版本，Google 在自家 Flash 系列上的迭代速度简直像在赶高铁。

Google 正式推出 Gemini 3.8 系列，带来了两款核心模型：主力型号 Gemini 3.8 Flash，以及专门面向网络安全防御的 Gemini 3.8 Flash Cyber。官方把这次更新定调为旗下迄今为止推理和编程能力最强的一代，关键是价格纹丝不动，输入每百万 token 依然是 0.75 美元，输出每百万 token 3.75 美元。

所谓更聪明，其实是让模型多动脑子

很多人好奇，怎么在几周内把小模型的能力突然往上拔了一大截？Google 坦白得有点可爱：因为 3.8 Flash 学会了更努力地干活。

遇到复杂任务时，模型不会急着给答案，而是会在后台执行更多推理步骤，并且反反复复调用工具。换句话说，单价确实没涨，但你的实际账单可能会变长。根据第三方机构 Artificial Analysis 的测算，虽然单 token 定价没变，但因为每个任务输出的 token 增加了约 30%，加上智能体交互轮次增多，单项任务的总体成本其实上升了大约 40%。好在速度依旧维持在怪兽级别，每秒最高能吞吐 348 个 token。

这种苦干换来了非常硬核的战果。在考察长程自主编程能力的 DeepSWE v1.1 测试里，3.8 Flash 拿下了全球第一，直接把一众体积大得多的前沿大模型甩在身后。在考察跨学科极限多步推理的 HLE-Verified 上，它拿下了 54.9% 的成绩。在金融领域的 Vals 和法律领域的 Harvey 基准测试里，它的表现同样压过了上一代 3.7 Flash。

业内对此反馈相当热烈，Aigora.ai 首席执行官 John Ennis 直言它具备了类似 Opus 5 级别的编程质感，但速度快得多、成本低得多。不过社区里也有质疑声，有人指出它在 LiveBench 上的排名甚至不如前代 3.7 Flash，怀疑部分基准测试可能存在针对性优化。

专职防守的 Cyber 版，还有一套准入名单

比起常规版本，这次更耐人寻味的是 3.8 Flash Cyber。Google 从一开始就明确表态：这个版本只做防守，不做进攻渗透。

在涉及 20 种编程语言的代码库测试中，Cyber 版的漏洞发现成功率超过 70%。在行业公认的打补丁基准 CWE-Bench 上，它的首轮修复通过率达到 47.2%，几乎追平了最昂贵的顶尖前沿模型，但算力开销小了一大截。

Google 已经在内部吃上了这颗药丸。Chrome 安全团队给出的数据显示，3.8 Flash Cyber 修补 Chrome 漏洞时生成的正确补丁数量，是那些体量更大的商业模型的 2.6 倍；云漏洞研究团队甚至用它在不到两小时内挖出了一个通常要耗时数月的底层关键漏洞；安全公司 Wiz 也测出它的召回率提升了 7.5% 到 9.7%。

正因为破坏力同样不容小觑，Google 对 Cyber 版卡得很严。它只通过新的 Fairwind 计划提供，目前准入的 650 家伙伴主要包括 CrowdStrike、互联网安全中心以及关键基础设施运维方，普通开发者摸不到它，但能用上常规的 3.8 Flash。

为什么重要

我们认为，Google 这步棋走得非常聪明。

在大多数厂商还在死磕千亿甚至万亿参数通用模型的今天，Google 正在把竞争拉向另一个战场：用廉价的高速轻量模型，通过智能体循环和更长推理步骤，把端到端任务彻底啃下来。

对开发者和企业来说，它的价值立竿见影。过去做自主编程或复杂数据流，如果每次调用都要用昂贵的顶流模型，钱包根本扛不住；现在用 3.8 Flash，就算它多花了 30% 的 token 去思考，综合成本依然比大模型划算太多。只要你的业务容忍一定的 token 膨胀，它就是目前性价比最高的自动化劳动力。

但这里也有隐患。当模型靠「更勤快」来提升上限，开发者的调用成本就变得更难预测，稍微没写好约束条件，模型就可能在后台疯狂调用工具刷爆账单。而且从不同榜单的巨大分歧来看，这类轻量模型在极端场景下的稳定性依然需要打个问号。

无论如何，Gemini 3.8 Flash 再次证明了一点：决定 AI 生产力的不再只是参数体积，谁能把推理工蜂的成本压到极致，谁就能先让智能体落地生根。