Gemini 3.8 Flash 上线：单价没涨，但 Google 提醒它会主动多用 Token

Google 又更新了 Flash。

7 月 21 日是 Gemini 3.6 Flash，8 月 13 日是 3.7 Flash，9 月 2 日轮到 3.8 Flash。六周三次迭代，已经不像传统模型发布，更像一个高速滚动的软件版本。

这次有个容易被价格表遮住的变化。Gemini 3.8 Flash 的每百万 Token 单价和 3.7 相同，但 Google 主动提醒：新模型在复杂任务上会“更努力”，多走几步推理，多调用几次工具，有时也会使用更多 Token。

单价没有涨，一次任务的账单仍可能变化。

Flash 已经不再等于“少想一点”

Gemini 3.8 Flash 已正式 GA，面向长周期软件工程、自主 Agent 和复杂企业流程。它支持 100 万 Token 上下文、最高 6.4 万 Token 输出，以及 low、medium、high 三档 thinking level，默认是 medium。

Google 公布的 DeepSWE v1.1 结果中，3.8 Flash 得分 73.7%，3.7 Flash 为 65.3%；Claude Opus 5 是 74.0%。两者只差 0.3 个百分点，但输入和输出单价并不在同一档。

Google 的完整表格里，3.8 Flash 在 Vals Finance Agent v2、Harvey’s Legal Agent Benchmark、Terminal-bench 2.1 等多项测试中也高于 3.7。它并非处处第一：GDPVal-AA v2、Terminal-bench 4.0、OSWorld 2.0 和 BioMysteryBench 的部分设置中，其他模型仍然领先。

这些跨厂商对比由 Google 汇总，提示词、工具配置和推理强度都会影响结果。跑分可以用来决定哪些模型值得进入测试名单，不能替代团队在自家任务上的复现。

更有意思的是 Google 对进步原因的解释。3.8 Flash 会把困难目标拆成更小的推理步骤，反复调用工具，并在过程中检查结果。它不是用更少计算得到更高分，至少在部分任务上，是愿意花更多计算换成功率。

Flash 过去常被理解为低延迟、低价格的轻量选择。3.8 仍然便宜，但产品定位已经向 Agent 主力模型移动。便宜的是每个 Token，不一定是整次执行。

促销价只到 2026 年底

Gemini 3.8 Flash 当前的 API 价格是每百万输入 Token 0.75 美元、输出 Token 3.75 美元。这里的“当前”有明确期限：促销价在 2026 年 12 月 31 日结束，2027 年 1 月 1 日起将变成 1.50 美元和 7.50 美元，正好翻倍。

因此，今天做成本测算时，至少要保留两列数字：现在的促销成本，以及 2027 年标准价下的成本。只按眼前价格签长期商业模型，几个月后毛利率可能完全不同。

Agent 的账单还不能简单用输入单价加输出单价估算。一次任务会携带系统提示和历史上下文，调用搜索、代码执行或企业工具；失败后可能重试，工具结果又会进入下一轮上下文。

可以把它粗略理解成：

单任务成本 = Token 单价 × 实际用量 + 工具与基础设施成本 + 失败重试成本

3.8 Flash 改变的是“实际用量”和“任务成功率”之间的取舍。多花 30% Token，如果让一次通过率从 60%升到 90%，总成本可能下降；如果一个原本简单的客服任务也开始反复思考，账单和延迟就会一起上升。

Google 给出的控制方式很直接。延迟敏感的聊天、告警和快速分析可以设为 low；复杂代码与多步 Agent 默认用 medium；确实需要深度推理时再开 high。3.8 不支持 minimal，如果计算效率比能力更重要，3.7 Flash 仍会继续提供。

因此，迁移评测不能只比回答质量。团队还要记录每次完成任务消耗的输入与输出 Token、工具调用轮数、耗时、失败率和人工接管率。最后看的是 100 个真实任务完成了多少、花了多少钱。

同一底座，另一扇门只向白名单开放

Google 同时发布了 Gemini 3.8 Flash Cyber。官方表示，两款模型来自同一套基础智能；区别在训练侧重点、安全措施与开放方式。

普通 3.8 Flash 带有针对网络攻击和 CBRN 风险的防护。Cyber 版为漏洞发现、补丁生成等专业工作放宽部分限制，因此不向普通开发者开放。申请者需要进入 Fairwind Program，主要面向政府与国家网络安全机构、关键基础设施运营商，以及维护广泛软件基础的核心技术平台。

Google DeepMind 称，Fairwind Program 目前在全球有 650 多个合作伙伴。这个数字指整个计划的合作网络，并不等于 650 家机构已经把 3.8 Flash Cyber 部署进生产。

项目的访问治理也比普通 API 严。参与机构需要启用用户级认证、抗钓鱼 MFA 和相应访问控制，只能把权限分配给内部安全、事件响应或渗透测试团队，还要追踪员工使用情况。模型访问不得转售、转发或共享。Google 会对申请机构做背景与安全记录审查。

Cyber 版的跑分很高，边界也要看清

在 CyberGym 的 C/C++ 漏洞发现任务中，3.8 Flash Cyber 的 Pass@1 是 86.2%，3.5 Flash Cyber 为 77.5%，GPT-5.5-Cyber 为 85.6%。

Google 还做了一套覆盖 20 种编程语言的内部漏洞发现评测，成功率超过 70%。在外部自动修补基准 CWE-Bench 上，3.8 Flash Cyber 的 Pass@1 为 47.2%，接近 Google 对照的前沿模型 47.8%，单次 Rollout 成本更低。

这些数字衡量的是规定环境下的发现或修补能力，并不直接等于真实系统中的漏洞检出率。CyberGym 主要覆盖 C/C++；20 种语言的测试是 Google 内部基准，外部尚无法完整复现。CWE-Bench 的结果还会受到 Agent Harness、工具和预算配置影响。

实际案例同样需要加上归因。Google 称，Chrome 安全团队使用该模型后，正确修复的漏洞数量是其对照中最佳商用大模型的 2.6 倍；Wiz 在内部渗透测试基准上报告召回率高 7.5至9.7 个百分点，成本低 2.3至5.2 倍；Google Cloud 漏洞研究团队则称，它在两小时内发现了一个通常需要数月研究的关键底层漏洞。

这些案例来自 Google 与合作伙伴，公开材料没有给出完整样本、对照模型名称和实验日志。它们说明模型已经进入真实安全流程，但还不足以独立验证普遍收益。

“提示词注入成功率 5.5%”不能直接外推

普通 Gemini 3.8 Flash 在 Gray Swan IPI 基准中的 ASR@15 为 5.5%，3.7 Flash 是 9.2%。图表里的数值越低越好。

这项成绩对 Agent 很有价值。Agent 会读取网页、邮件、代码和工单，其中都可能夹带恶意指令。提示词注入一旦成功，模型可能泄露上下文，或调用不该调用的工具。

但 5.5% 是特定攻击集合、最多 15 次尝试条件下的基准结果，不能翻译成“真实世界只有 5.5% 的概率被攻破”。生产安全还取决于工具权限、数据隔离、审批、日志与检测。模型更不容易中招，只是防线中的一层。

模型卡里还有一条不那么漂亮的数据

Google 的模型卡显示，3.8 Flash 的多语言安全自动评测相对 3.7 回退了 5.4 个百分点。该指标越低越好，因此这是退步，不是提升。

Google 表示，人工复核发现其中绝大多数损失来自误报或不严重的问题，整体内容安全与人工红队结果和 3.7 相近或更好。即便如此，这条结果仍提醒开发者：能力升级可能伴随局部安全回归，尤其是非英语应用不能只看英文基准。

这也是版本升级前做本地 Eval 的理由。中文客服、中文工具描述和混合语言代码库需要单独测试；官方平均分无法替你覆盖自己的高风险输入。

该怎么判断要不要迁移

如果现有应用主要是短问答，3.8 的长周期推理未必带来足够收益，3.7 或低 thinking level 可能更省。如果任务包含多文件修改、连续工具调用或长报告生成，3.8 更值得测试。

测试时保持 Prompt、工具和数据集一致，分别跑 3.7 与 3.8 的 low、medium。记录成功率、P50/P95 延迟和单任务成本；只有高难任务再加入 high。成本预算还要按 2027 年标准价重算一次。

Gemini 3.8 Flash 已经从“快速回答模型”走向“可以长时间干活的便宜 Agent 模型”。它愿意多想，也会多花 Token。开发者最终需要判断的，是增加的计算有没有换来更高的任务完成率；这比价格表上的 0.75 美元更接近真实成本。

---

参考资料

1. Google, Introducing Gemini 3.8 Flash and 3.8 Flash Cyber
2. Google AI for Developers, What’s new in Gemini 3.8 Flash
3. Google DeepMind, Gemini 3.8 Flash model card
4. Google DeepMind, Fairwind Program
5. Google DeepMind, Gemini 3.8 Flash
6. 宝玉, 原始推文