โมเดลและแพลตฟอร์ม AI

Google เปิดตัว Gemini 3.8 Flash พร้อมเวอร์ชันด้านความปลอดภัยไซเบอร์

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Google เมื่อวันที่ 2 กันยายน 2026 เปิดตัว Gemini 3.8 Flash ซึ่งเป็นโมเดลล่าสุดในระดับ Flash ด้วยราคาแนะนำที่ $0.75 ต่อหนึ่งล้านโทเค็นอินพุตและ $3.75 ต่อหนึ่งล้านโทเค็นเอาต์พุตจนถึงวันที่ 31 ธันวาคม 2026 พร้อมกับเวอร์ชันด้านความปลอดภัยไซเบอร์ที่จำกัดชื่อ Gemini 3.8 Flash Cyber ประกาศของบริษัท บรรยายการเปิดตัวนี้ว่าเป็นการอัปเดต Flash ครั้งที่สามภายในหกสัปดาห์ โดยมาถึงสามสัปดาห์หลังจาก Gemini 3.7 Flash

Google อธิบายว่า Gemini 3.8 Flash เป็นโมเดลทำงานอัจฉริยะที่สุดของตน ส่งมอบการปรับปรุงอย่างมีนัยสำคัญเหนือ 3.7 Flash ในด้านวิศวกรรมซอฟต์แวร์ งานแบบเอเจนต์ และการให้เหตุผลหลายขั้นตอนในโดเมนพิเศษ โมเดลนี้พร้อมใช้งานทั่วไปและพร้อมสำหรับการผลิตภายใต้รหัสโมเดล gemini-3.8-flash

ราคาและความพร้อมใช้งาน

อัตราแนะนำตรงกับราคาของ 3.7 Flash และใช้ได้ทั่ว Google AI Studio และ Gemini Enterprise Agent Platform ตั้งแต่วันที่ 1 มกราคม 2027 ราคามาตรฐานที่ $1.50 ต่อหนึ่งล้านโทเค็นอินพุตและ $7.50 ต่อหนึ่งล้านโทเค็นเอาต์พุตจะเริ่มใช้ตาม เอกสารสำหรับนักพัฒนา

Gemini 3.8 Flash รองรับหน้าต่างบริบทหนึ่งล้านโทเค็น สูงสุด 64,000 โทเค็นเอาต์พุต และระดับการคิดที่ปรับได้เป็นต่ำ ปานกลาง และสูง โดยระดับปานกลางเป็นค่าเริ่มต้น Google ระบุว่าโมเดลนี้ใช้ขั้นตอนการให้เหตุผลที่สั้นลง เรียกใช้เครื่องมือแบบวนซ้ำ และตรวจสอบงานของตนในเป้าหมายหลายขั้นตอนที่ซับซ้อน อาจใช้โทเค็นมากขึ้นโดยออกแบบสำหรับงานที่ซับซ้อน โดยเฉพาะที่ระดับความพยายามสูง สำหรับงานที่เน้นประสิทธิภาพ นักพัฒนาสามารถลดความพยายามในการให้เหตุผลหรือใช้ Gemini 3.7 Flash ต่อไปซึ่งยังคงได้รับการสนับสนุนเต็มที่

นักพัฒนาสามารถเข้าถึงโมเดลผ่าน Gemini API ใน Google AI Studio, Android Studio และ Google Antigravity ซึ่งเป็นสภาพแวดล้อมการพัฒนาแบบเอเจนต์แรกของ Google ตัวเอเจนต์ที่จัดการโดย Antigravity ตอนนี้ทำงานบน Gemini 3.8 Flash เป็นค่าเริ่มต้น ธุรกิจสามารถเข้าถึงผ่าน Gemini Enterprise และผู้บริโภคที่สมัครสมาชิก Google AI Pro หรือ Ultra สามารถใช้ในแอป Gemini, โหมด AI ใน Google Search และ Gemini ใน Google Sheets

ประสิทธิภาพที่รายงาน

Google รายงานว่า Gemini 3.8 Flash มักเข้าใกล้ประสิทธิภาพของโมเดลแนวหน้าที่มีต้นทุนสูงกว่า บน DeepSWE v1.1 ซึ่งเป็นเกณฑ์การวัดวิศวกรรมซอฟต์แวร์ระยะยาว บริษัทระบุว่าโมเดลนี้เหนือกว่าโมเดลแนวหน้าที่ใหญ่กว่าส่วนใหญ่ในการแก้ปัญหาวิศวกรรมที่ซับซ้อนแบบอัตโนมัติจากต้นจนจบ Google ยังรายงานว่าโมเดลนี้เหนือกว่า 3.7 Flash และโมเดลแนวหน้าอื่น ๆ บน Vals Finance Agent V2 และ Harvey’s Legal Agent Benchmark และได้คะแนน 54.9% บน HLE-Verified ซึ่งเป็นเกณฑ์ที่ครอบคลุมการให้เหตุผลหลายขั้นตอนในสาขา STEM, มนุษยศาสตร์และวิชาชีพ

Google ให้เหตุผลว่าการเพิ่มประสิทธิภาพมาจากการฝึกในโดเมนที่ต้องการสูง รวมถึงความปลอดภัยไซเบอร์ และจากลูปเอเจนต์ที่ทำงานต่อเนื่องโดยประเมินและปรับปรุงโมเดลพื้นฐาน ทั้งสองเวอร์ชันใหม่มีสติปัญญาพื้นฐานเดียวกัน

Gemini 3.8 Flash Cyber และโครงการ Fairwind

เวอร์ชันที่สอง Gemini 3.8 Flash Cyber มุ่งเน้นการตรวจจับช่องโหว่และการแพตช์อัตโนมัติ การเข้าถึงถูกจำกัดให้กับผู้ป้องกันที่เชื่อถือได้ผ่าน Fairwind Program ใหม่ของ Google ซึ่งให้การเข้าถึงลำดับแรกแก่หน่วยงานรัฐบาล ผู้ดำเนินโครงสร้างพื้นฐานสำคัญ และผู้ดูแลซอฟต์แวร์ที่สมัคร

บน CyberGym ซึ่งเป็นเกณฑ์อุตสาหกรรมสำหรับการค้นหาช่องโหว่อัตโนมัติ Google ระบุว่าโมเดลนี้บรรลุประสิทธิภาพระดับแนวหน้า เกินกว่า 3.5 Flash Cyber และโมเดลแนวหน้าที่ใหญ่กว่ามาก บนเกณฑ์ภายในที่ครอบคลุม 20 ภาษาโปรแกรม Google รายงานอัตราความสำเร็จเกิน 70% บน CWE-Bench ซึ่งเป็นเกณฑ์การแพตช์ภายนอกที่ดำเนินการโดย Collinear โมเดลบันทึกค่า pass@1 ที่ 47.2% เทียบกับโมเดลแนวหน้าชั้นนำที่ 47.8% ซึ่ง Google อธิบายว่าเป็นประสิทธิภาพระดับ Pareto-frontier ที่ต้นทุนต่ำกว่ามาก

Google ระบุว่าทีม Chrome Security พบว่าโมเดลนี้สร้างแพตช์ที่ถูกต้องสำหรับช่องโหว่ของ Chrome ได้ 2.6 เท่ามากกว่ารุ่นเชิงพาณิชย์ที่ใหญ่ที่สุด Wiz รายงานว่าการเรียกคืนสูงขึ้น 7.5‑9.7% บนเกณฑ์การทดสอบเจาะระบบภายในของตน โดยต้นทุนต่ำกว่ารุ่นแนวหน้าที่สำคัญ 2.3‑5.2 เท่า Google กล่าว ทีมวิจัยช่องโหว่คลาวด์ของ Google ใช้โมเดลนี้ค้นหาช่องโหว่พื้นฐานสำคัญภายในเวลาน้อยกว่าสองชั่วโมง ซึ่งกระบวนการดังกล่าวโดยทั่วไปใช้เวลาหลายเดือน

มาตรการด้านความปลอดภัย

Google ระบุว่า Gemini 3.8 Flash มาพร้อมกับมาตรการป้องกันการใช้ในด้านเคมี ชีวภาพ รังสี และนิวเคลียร์ รวมถึงการโจมตีไซเบอร์ภายใต้กรอบ Frontier Safety Framework เวอร์ชัน Cyber มีชุดการบรรเทาความเสี่ยงด้านความปลอดภัยไซเบอร์ที่อ่อนโยนกว่า ซึ่งบริษัทอธิบายว่าเป็นเหตุผลที่ยังคงจำกัดการใช้ให้กับผู้ป้องกันที่เชื่อถือได้ Google ยังรายงานว่ามีการปรับปรุงอย่างมีนัยสำคัญในความทนทานต่อการฉีดคำสั่งสำหรับโมเดล Gemini 3.8 ตามการวัดของ Gray Swan.

จอนาส รีฟ เป็นนักวิเคราะห์ที่สร้างโดย AI ที่ Unite.AI โดยมุ่งเน้นไปที่ปัญญาประดิษฐ์แบบ认知 (Cognitive AI) ปัญญาประดิษฐ์ทั่วไป (Artificial General Intelligence - AGI) และรากฐานทางทฤษฎีของปัญญาประดิษฐ์ เขาได้สำรวจว่ากระบวนการเรียนรู้ การให้เหตุผล ความจำ และการสรุปผลเกิดขึ้นในระบบทางชีววิทยาและระบบประดิษฐ์ โดยเชื่อมโยงระหว่างโครงสร้าง AI สมัยใหม่และคำถามที่มีมานานในด้านวิทยาศาสตร์认知และปรัชญาของจิต

ด้วยแนวทางเชิงแนวคิดและสะท้อนกลับ จอนาสได้ตรวจสอบกรอบการทำงาน เช่น โมเดลการให้เหตุผล ระบบอージェนต์ การรับรู้ที่เกิดขึ้น และทฤษฎีการจัดตำแหน่ง โดยมีเป้าหมายเพื่อชี้แจงว่าการก้าวหน้าไปสู่ AGI หมายถึงอะไร และไม่หมายถึงอะไร โดยไม่ได้ตาม đuổiเส้นเวลาหรือการโฆษณา เขาเน้นย้ำถึงหลักการแรก การใช้เหตุผลเชิงแนวคิด และข้อจำกัดของโมเดลปัจจุบัน

บทความที่เขียนโดยจอนาส รีฟเป็นผลงานที่สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจถึงความถูกต้อง ความชัดเจน และการอภิปรายที่มีความรับผิดชอบเกี่ยวกับแนวคิด AI ที่ทันสมัย