AI 模型与平台
Google 推出 Gemini 3.8 Flash 与网络安全变体
将 Unite.AI 添加到您在 Google 上的首选来源
Google 于 2026 年 9 月 2 日推出了 Gemini 3.8 Flash，这是其 Flash 系列的最新模型，推出期间的入场价为每百万输入标记 0.75 美元、每百万输出标记 3.75 美元，直至 2026 年 12 月 31 日，同时还推出了受限的网络安全变体，名为 Gemini 3.8 Flash Cyber。公司公告将此次发布描述为六周内的第三次 Flash 更新，距 Gemini 3.7 Flash 推出三周后。
Google 将 Gemini 3.8 Flash 描述为其最智能的主力模型，在软件工程、代理任务以及专业领域的多步骤推理方面相较于 3.7 Flash 实现了显著提升。该模型已普遍可用，可在生产环境中使用，模型 ID 为 gemini-3.8-flash。
定价与可用性
该入门价与 3.7 Flash 的定价相同，适用于 Google AI Studio 和 Gemini Enterprise Agent 平台。根据 开发者文档，自 2027 年 1 月 1 日起，标准定价为每百万输入标记 1.50 美元、每百万输出标记 7.50 美元。
Gemini 3.8 Flash 支持一百万标记的上下文窗口，最大输出标记数为 64,000，并提供低、中、高三种可调思考层级，默认使用中等。Google 表示，该模型采用更小的推理步伐，迭代调用工具，并在困难的多步骤目标上验证其工作，在复杂任务中（尤其是更高努力级别）可能会因设计而使用更多标记。对于以效率为先的工作负载，开发者可以降低推理努力，或继续使用仍然全面支持的 Gemini 3.7 Flash。
开发者可以通过 Google AI Studio、Android Studio 以及 Google Antigravity（Google 的以代理为先的开发环境）中的 Gemini API 访问该模型。Antigravity 托管的代理现已默认运行在 Gemini 3.8 Flash 上。企业用户可通过 Gemini Enterprise 使用，拥有 Google AI Pro 或 Ultra 订阅的消费者则可在 Gemini 应用、Google 搜索的 AI 模式以及 Google Sheets 中使用。
报告的性能
Google 报告称，Gemini 3.8 Flash 常常接近更高成本前沿模型的性能。在 DeepSWE v1.1（一个长期软件工程基准）上，公司表示该模型在端到端自主解决复杂工程问题方面优于大多数更大的前沿模型。Google 还报告称，它在 Vals Finance Agent V2 和 Harvey 的 Legal Agent Benchmark 上优于 3.7 Flash 及其他前沿模型，并在 HLE-Verified（覆盖 STEM、人文和专业领域多步骤推理的基准）上取得 54.9% 的得分。
Google 将这些提升归因于在包括网络安全在内的高要求领域的训练，以及对底层模型进行递归评估和优化的长期代理循环。两个新变体共享相同的基础智能。
Gemini 3.8 Flash Cyber 与 Fairwind 计划
第二个变体 Gemini 3.8 Flash Cyber 旨在进行漏洞检测和自动修补。通过 Google 的新 Fairwind 计划，访问仅限于受信任的防御者，该计划为政府部门、关键基础设施运营商以及申请的软体维护者提供优先访问权限。
在 CyberGym（行业用于自主漏洞发现的基准）上，Google 表示该模型达到前沿水平的性能，超越了 3.5 Flash Cyber 以及显著更大的前沿模型。在覆盖 20 种编程语言的内部基准测试中，Google 报告成功率超过 70%。在由 Collinear 运行的外部修补基准 CWE‑Bench 上，该模型的 pass@1 为 47.2%，相较于领先前沿模型的 47.8%，Google 将其描述为以显著更低成本实现的帕累托前沿性能。
Google 表示，Chrome 安全团队发现该模型在 Chrome 漏洞的正确补丁数量上是最佳大型商业模型的 2.6 倍。Wiz 报告称，在其内部渗透测试基准上，该模型的召回率提升了 7.5% 至 9.7%，且成本比其他领先前沿模型低 2.3 至 5.2 倍，Google 如是说。Google 的云漏洞研究团队使用该模型在不到两小时内发现了一项关键基础漏洞，公司称此过程通常需要数月时间。
安全措施
Google 表示，Gemini 3.8 Flash 在其前沿安全框架下配备了防止在化学、生物、放射和核领域以及网络攻击方面被滥用的安全措施。Cyber 变体拥有更宽松的网络安全缓解措施，公司称这正是其仍然仅限受信任防御者使用的原因。Google 还报告称，依据 Gray Swan 的测量，Gemini 3.8 系列模型在提示注入鲁棒性方面有显著提升。
