谷歌携新模型强势回归就在刚刚谷歌杀回来了今夜谷歌正式发布了Gemini 3.8 Flash以及专攻网络安全的Gemini 3.8 Flash Cyber。这是谷歌在短短六周内连续发布的第三个Flash版本。前两次更新看起来只是热身因为这一次谷歌直接把性价比推到最前沿。性价比之王实力惊人单任务成本0.58美元输入仅仅0.75美元/百万Tokens就是这么一个「白菜价」的小模型在多项核心基准测试中硬生生摸到了全球最强旗舰Opus 5、GPT-5.6 Sol以及Grok 4.6的门槛。谷歌DeepMind大牛姚顺宇评价说对模型而言这只是迈出了一小步但对于RSI来说这是一次巨大飞跃。X上开发者们已经炸了。有人实测后发出灵魂拷问「天哪谷歌是不是发错货了这不就是一直没放出来的Gemini 3.5 Pro吗拿着Flash的价格干着Pro的活」「DeepMind团队里大概有人从7月份开始就没合过眼。」所有人还在消化Fable 5.1的时候谷歌又一次掀翻了牌桌。要理解Gemini 3.8 Flash带来的震撼我们必须先看看当今AI市场的格局。本来在Artificial Analysis测试中已经形成了极其森严的壁垒。你要想拥有顶级的智力Intelligence Index达60分左右就必须付出高昂的Token成本。结果Gemini 3.8 Flash就像一个刺客简直不讲武德。在Artificial Analysis的高推理模式下Gemini 3.8 Flash的智力指数飙升到了59分这距离最顶级的GPT-5.6 Sol和Grok 4.6仅有一步之遥甚至在某些维度上超越了Claude Opus 5而做到这一切的代价呢它的单任务成本仅为0.58美元输入成本维持在0.75美元/百万Tokens输出3.75美元/百万Tokens。谷歌做了一张图在智力与成本的帕累托前沿上Gemini 3.8 Flash那个代表「最高效」的蓝点位于软件工程基准DeepSWE的右上角把第二名甩出了一条街。Gemini 3.8 Flash不仅聪明还快得离谱。它的生成速度达到了惊人的305 tokens/s而下一档的模型才勉强跑到154 tokens/s。「又快、又聪明、还便宜得像不要钱这才是人类真正能天天用的模型。」尤其在长周期软件工程基准DeepSWE v1.1上3.8 Flash打出了73.7%的惊人成绩。在这个需要AI自主解决复杂工程问题、端到端写代码的测试中它不仅超越了大多数昂贵的前沿大模型而且成本仅仅是后者的零头。要知道这只是「Flash」版并不是「Pro」更不是「Ultra」。这一次谷歌又一次让小模型抢了旗舰模型的饭碗。编程能力跃升背后的努力有人亲测了Gemini 3.8 Flash和Opus 5做同一任务。这种在编程能力上的大幅跃升绝非偶然。据报道在谷歌内部的代码工具Jetski的测试中谷歌工程师们甚至已经更倾向于使用3.8 Flash而不是Anthropic的Opus模型。这背后是谷歌从年初开始就在强化学习上猛砸资源——也就是模型训练的「后期打磨」阶段让模型在试错中真正学会干活。Google DeepMind组建了一支代码突击队专注于提升编程模型能力这个团队由DeepMind CTO领导联创谢尔盖·布林直接监督。他们的目标是逼出递归自我进化把编程模型硬生生改造成全自动AI研究员彻底打通整个研发闭环。在内部备忘录谷歌直接说了为了赢得最后的冲刺我们必须紧急弥合智能体执行方面的差距把我们的模型变成主力开发者。另外谷歌还挖来了Barret Zoph——Thinking Machines Lab联合创始人曾任OpenAI后训练负责人现在出任研究副总裁主管强化学习和后训练方向。这波操作摆明了是要死磕到底。上个月联合创始人、诺奖得主Demis Hassabis卸任CEO接棒的Koray Kavukcuoglu上来就放话提速、提速、再提速。争议基准「注水」还是实力超群不过在赞叹声中谷歌普遍被指提前开香槟高兴的太早。最不爽的是Meta——Meta的Muse Spark 1.3和Gemini 3.8 Flash狭路相逢前者在Artificial Analysis的智能指数上获得了62分与Claude Fable 5持平跻身顶尖行列。而Muse的输入成本比Fable 5低8倍输出成本低近12倍性价比拉满。Meta的首席AI官Alexandr Wang直接阴阳起来在Artificial Analysis智能指数上Gemini啥也不是只能吃别家模型的汽车尾气。Muse Spark 1.3得分高于GPT-5.6 Sol、Grok 4.6和Gemini 3.8 Flash但目前只是受限预览。有人指出虽然3.8 Flash的基准测试图好看但实战起来就未必了。的确Gemini 3.8 Flash在Terminal-Bench 2.1、HLE等测试中超越了GPT-5.6 Sol和Opus 5但TBench 2.1与TBench 4之间的巨大分数差距暴露了这其中可能存在一定的「刷榜」成分。也就是说当面对陌生的、尚未被包含在训练集中的真实世界Zero-shot挑战时3.8 Flash大概率还是不如Opus 5这种参数巨兽。但谷歌的解法极其聪明——勤能补拙。正如谷歌在官方博客中所言「这些性能的提升源于核心的设计选择3.8 Flash工作得更努力。」面对复杂任务时3.8 Flash被设计成了会执行额外的推理步骤、不断迭代调用工具。当遇到不懂的问题它不会直接摆烂而是通过消耗更多的Token在内部进行高速的自我验证和反思。即便它通过多次循环思考消耗了更多的Token由于其基础单价实在太便宜0.75刀/百万tokens算总账下来它依然比你直接调用一次GPT-5.6要便宜得多这种策略直接打破了过去「大参数强能力」的单一维度竞争。它证明了在一个完美的Agent循环中速度和极低的推理成本本身就是一种强大的智力。为何发Flash「被毙掉的」Pro版谷歌这次真的没发错货吗Gemini 3.5 Pro到现在连影子都没有。下一代的王牌Gemini 4倒是预训练数据挺漂亮但后训练阶段还没走完。事实上谷歌迟迟不发Pro版本背后有着一段辛酸史。劈柴曾在今年5月夸下海口说「下个月」就会推出更强大的Pro系列但一直在鸽。其实谷歌内部原本有几个3.5 Pro的候选模型但最终都被无情「毙掉」了——因为它们并没有比现在的Flash系强出足够多的身位同时大家翘首以盼的下一代旗舰Gemini 4虽然在预训练评估中表现良好但目前仍卡在最关键的后训练阶段。总之一切阴差阳错地造就了Flash系列的疯狂迭代。网络安全版屠榜实力惊人谷歌这次只是让3.8 Flash在常规任务上卷价格吗远远不止。这次发布会真正的杀器是它的双生兄弟——Gemini 3.8 Flash Cyber。连开发者都在惊呼「到底是什么样的安全任务值得谷歌专门为Flash推出一个Cyber专属变体」谷歌的答案就是为了对抗未来的AI黑客。在发现漏洞的基准测试CyberGym上3.8 Flash Cyber跑出了86.2%的分数直接屠榜将之前的大模型远远甩在身后。不仅如此现实世界中的代码可不止C/C。在谷歌内部横跨20种编程语言的复杂代码库综合测试中这个模型发现广泛漏洞的成功率竟然超过了70%。更惊人的是它在真实世界的实战战绩。Chrome安全团队拿它去测发现它生成的正确修复补丁数量是之前市面上最好、且体积大得多的商业模型的2.6倍。Wiz安全公司测试发现它在渗透测试中的召回率提高了7.5 - 9.7%而成本降低了2.3到5.2倍。最让人惊讶的是谷歌云漏洞研究团队利用它在短短2小时内就发现了一个关键的基础性漏洞——而以往人类顶级专家找到这样的漏洞通常需要几个月的时间在CWE-Bench打补丁能力测试中3.8 Flash Cyber的首次通过率达到了47.2%与最领先的前沿大模型47.8%几乎不相上下但价格比起来只有九牛一毛。也正因为3.8 Flash Cyber的网络攻防破坏力过于惊人谷歌并没有选择将其完全开源而是通过全新的Fairwind计划仅向受信任机构开放。大模型三国杀进入分水岭透过Gemini 3.8 Flash的发布可以看出当今AI三巨头已经走上了三条截然不同的进化路线。Anthropic (Claude系)死磕的是「知识可靠性与稳定」。在偏向知识覆盖和事实准确率的测试如AA-Omniscience中Claude依然是降维打击。前七名全是Claude系他们现在明显在强化企业级任务中的不犯错能力力求稳定输出。OpenAI (GPT系)押注的是「深度推理与顿悟」。在偏向物理、数学推导的CritPt测试中GPT-5.6 Sol断崖式领先。OpenAI像是在追求一种纯粹的智力涌现要求模型在没人告诉它答案时自己能像科学家一样「想」出来。Google (Gemini系)打造的是「无尽循环的超高速打工人」。谷歌这次给出了第三种答案也许我一次想不通最难的物理题但我反应极快、成本极低。在Agent的时代我可以一秒钟思考100次写代码、运行、报错、修改用极低成本的暴力迭代硬生生砸出正确结果。Agent在现实中遇到的麻烦需要反复试错、调用工具、动态调整。而Gemini 3.8 Flash简直就是为这种「长程工作流」量身定制的。你可以在Google Antigravity中仅用一个提示词加上循环指令就让3.8 Flash自动生成一个包含谜题、环境贴图和3D关卡的完整游戏。你可以用它一键生成带有街景和导航的DOS版谷歌地图。显然Gemini 3.8 Flash的易用性和成本已经突破了某个奇点。Gemini 3.8 Flash的到来仿佛谷歌向全行业宣告大模型正在摆脱「只有巨头才用得起」向着算力普惠狂奔。那些原本需要耗费几万美金、跑上几天几夜的智能体任务现在只需要几杯咖啡的钱几分钟就能完成。属于普通人的超级个体时代真的来了。这是属于小模型的觉醒时刻。
谷歌Gemini 3.8 Flash发布：性价比拉满，小模型挑战大旗舰！
谷歌携新模型强势回归就在刚刚谷歌杀回来了今夜谷歌正式发布了Gemini 3.8 Flash以及专攻网络安全的Gemini 3.8 Flash Cyber。这是谷歌在短短六周内连续发布的第三个Flash版本。前两次更新看起来只是热身因为这一次谷歌直接把性价比推到最前沿。性价比之王实力惊人单任务成本0.58美元输入仅仅0.75美元/百万Tokens就是这么一个「白菜价」的小模型在多项核心基准测试中硬生生摸到了全球最强旗舰Opus 5、GPT-5.6 Sol以及Grok 4.6的门槛。谷歌DeepMind大牛姚顺宇评价说对模型而言这只是迈出了一小步但对于RSI来说这是一次巨大飞跃。X上开发者们已经炸了。有人实测后发出灵魂拷问「天哪谷歌是不是发错货了这不就是一直没放出来的Gemini 3.5 Pro吗拿着Flash的价格干着Pro的活」「DeepMind团队里大概有人从7月份开始就没合过眼。」所有人还在消化Fable 5.1的时候谷歌又一次掀翻了牌桌。要理解Gemini 3.8 Flash带来的震撼我们必须先看看当今AI市场的格局。本来在Artificial Analysis测试中已经形成了极其森严的壁垒。你要想拥有顶级的智力Intelligence Index达60分左右就必须付出高昂的Token成本。结果Gemini 3.8 Flash就像一个刺客简直不讲武德。在Artificial Analysis的高推理模式下Gemini 3.8 Flash的智力指数飙升到了59分这距离最顶级的GPT-5.6 Sol和Grok 4.6仅有一步之遥甚至在某些维度上超越了Claude Opus 5而做到这一切的代价呢它的单任务成本仅为0.58美元输入成本维持在0.75美元/百万Tokens输出3.75美元/百万Tokens。谷歌做了一张图在智力与成本的帕累托前沿上Gemini 3.8 Flash那个代表「最高效」的蓝点位于软件工程基准DeepSWE的右上角把第二名甩出了一条街。Gemini 3.8 Flash不仅聪明还快得离谱。它的生成速度达到了惊人的305 tokens/s而下一档的模型才勉强跑到154 tokens/s。「又快、又聪明、还便宜得像不要钱这才是人类真正能天天用的模型。」尤其在长周期软件工程基准DeepSWE v1.1上3.8 Flash打出了73.7%的惊人成绩。在这个需要AI自主解决复杂工程问题、端到端写代码的测试中它不仅超越了大多数昂贵的前沿大模型而且成本仅仅是后者的零头。要知道这只是「Flash」版并不是「Pro」更不是「Ultra」。这一次谷歌又一次让小模型抢了旗舰模型的饭碗。编程能力跃升背后的努力有人亲测了Gemini 3.8 Flash和Opus 5做同一任务。这种在编程能力上的大幅跃升绝非偶然。据报道在谷歌内部的代码工具Jetski的测试中谷歌工程师们甚至已经更倾向于使用3.8 Flash而不是Anthropic的Opus模型。这背后是谷歌从年初开始就在强化学习上猛砸资源——也就是模型训练的「后期打磨」阶段让模型在试错中真正学会干活。Google DeepMind组建了一支代码突击队专注于提升编程模型能力这个团队由DeepMind CTO领导联创谢尔盖·布林直接监督。他们的目标是逼出递归自我进化把编程模型硬生生改造成全自动AI研究员彻底打通整个研发闭环。在内部备忘录谷歌直接说了为了赢得最后的冲刺我们必须紧急弥合智能体执行方面的差距把我们的模型变成主力开发者。另外谷歌还挖来了Barret Zoph——Thinking Machines Lab联合创始人曾任OpenAI后训练负责人现在出任研究副总裁主管强化学习和后训练方向。这波操作摆明了是要死磕到底。上个月联合创始人、诺奖得主Demis Hassabis卸任CEO接棒的Koray Kavukcuoglu上来就放话提速、提速、再提速。争议基准「注水」还是实力超群不过在赞叹声中谷歌普遍被指提前开香槟高兴的太早。最不爽的是Meta——Meta的Muse Spark 1.3和Gemini 3.8 Flash狭路相逢前者在Artificial Analysis的智能指数上获得了62分与Claude Fable 5持平跻身顶尖行列。而Muse的输入成本比Fable 5低8倍输出成本低近12倍性价比拉满。Meta的首席AI官Alexandr Wang直接阴阳起来在Artificial Analysis智能指数上Gemini啥也不是只能吃别家模型的汽车尾气。Muse Spark 1.3得分高于GPT-5.6 Sol、Grok 4.6和Gemini 3.8 Flash但目前只是受限预览。有人指出虽然3.8 Flash的基准测试图好看但实战起来就未必了。的确Gemini 3.8 Flash在Terminal-Bench 2.1、HLE等测试中超越了GPT-5.6 Sol和Opus 5但TBench 2.1与TBench 4之间的巨大分数差距暴露了这其中可能存在一定的「刷榜」成分。也就是说当面对陌生的、尚未被包含在训练集中的真实世界Zero-shot挑战时3.8 Flash大概率还是不如Opus 5这种参数巨兽。但谷歌的解法极其聪明——勤能补拙。正如谷歌在官方博客中所言「这些性能的提升源于核心的设计选择3.8 Flash工作得更努力。」面对复杂任务时3.8 Flash被设计成了会执行额外的推理步骤、不断迭代调用工具。当遇到不懂的问题它不会直接摆烂而是通过消耗更多的Token在内部进行高速的自我验证和反思。即便它通过多次循环思考消耗了更多的Token由于其基础单价实在太便宜0.75刀/百万tokens算总账下来它依然比你直接调用一次GPT-5.6要便宜得多这种策略直接打破了过去「大参数强能力」的单一维度竞争。它证明了在一个完美的Agent循环中速度和极低的推理成本本身就是一种强大的智力。为何发Flash「被毙掉的」Pro版谷歌这次真的没发错货吗Gemini 3.5 Pro到现在连影子都没有。下一代的王牌Gemini 4倒是预训练数据挺漂亮但后训练阶段还没走完。事实上谷歌迟迟不发Pro版本背后有着一段辛酸史。劈柴曾在今年5月夸下海口说「下个月」就会推出更强大的Pro系列但一直在鸽。其实谷歌内部原本有几个3.5 Pro的候选模型但最终都被无情「毙掉」了——因为它们并没有比现在的Flash系强出足够多的身位同时大家翘首以盼的下一代旗舰Gemini 4虽然在预训练评估中表现良好但目前仍卡在最关键的后训练阶段。总之一切阴差阳错地造就了Flash系列的疯狂迭代。网络安全版屠榜实力惊人谷歌这次只是让3.8 Flash在常规任务上卷价格吗远远不止。这次发布会真正的杀器是它的双生兄弟——Gemini 3.8 Flash Cyber。连开发者都在惊呼「到底是什么样的安全任务值得谷歌专门为Flash推出一个Cyber专属变体」谷歌的答案就是为了对抗未来的AI黑客。在发现漏洞的基准测试CyberGym上3.8 Flash Cyber跑出了86.2%的分数直接屠榜将之前的大模型远远甩在身后。不仅如此现实世界中的代码可不止C/C。在谷歌内部横跨20种编程语言的复杂代码库综合测试中这个模型发现广泛漏洞的成功率竟然超过了70%。更惊人的是它在真实世界的实战战绩。Chrome安全团队拿它去测发现它生成的正确修复补丁数量是之前市面上最好、且体积大得多的商业模型的2.6倍。Wiz安全公司测试发现它在渗透测试中的召回率提高了7.5 - 9.7%而成本降低了2.3到5.2倍。最让人惊讶的是谷歌云漏洞研究团队利用它在短短2小时内就发现了一个关键的基础性漏洞——而以往人类顶级专家找到这样的漏洞通常需要几个月的时间在CWE-Bench打补丁能力测试中3.8 Flash Cyber的首次通过率达到了47.2%与最领先的前沿大模型47.8%几乎不相上下但价格比起来只有九牛一毛。也正因为3.8 Flash Cyber的网络攻防破坏力过于惊人谷歌并没有选择将其完全开源而是通过全新的Fairwind计划仅向受信任机构开放。大模型三国杀进入分水岭透过Gemini 3.8 Flash的发布可以看出当今AI三巨头已经走上了三条截然不同的进化路线。Anthropic (Claude系)死磕的是「知识可靠性与稳定」。在偏向知识覆盖和事实准确率的测试如AA-Omniscience中Claude依然是降维打击。前七名全是Claude系他们现在明显在强化企业级任务中的不犯错能力力求稳定输出。OpenAI (GPT系)押注的是「深度推理与顿悟」。在偏向物理、数学推导的CritPt测试中GPT-5.6 Sol断崖式领先。OpenAI像是在追求一种纯粹的智力涌现要求模型在没人告诉它答案时自己能像科学家一样「想」出来。Google (Gemini系)打造的是「无尽循环的超高速打工人」。谷歌这次给出了第三种答案也许我一次想不通最难的物理题但我反应极快、成本极低。在Agent的时代我可以一秒钟思考100次写代码、运行、报错、修改用极低成本的暴力迭代硬生生砸出正确结果。Agent在现实中遇到的麻烦需要反复试错、调用工具、动态调整。而Gemini 3.8 Flash简直就是为这种「长程工作流」量身定制的。你可以在Google Antigravity中仅用一个提示词加上循环指令就让3.8 Flash自动生成一个包含谜题、环境贴图和3D关卡的完整游戏。你可以用它一键生成带有街景和导航的DOS版谷歌地图。显然Gemini 3.8 Flash的易用性和成本已经突破了某个奇点。Gemini 3.8 Flash的到来仿佛谷歌向全行业宣告大模型正在摆脱「只有巨头才用得起」向着算力普惠狂奔。那些原本需要耗费几万美金、跑上几天几夜的智能体任务现在只需要几杯咖啡的钱几分钟就能完成。属于普通人的超级个体时代真的来了。这是属于小模型的觉醒时刻。
