核心观点 - 谷歌发布Gemini 3.8 Flash，Coding能力大幅提升，在LMArena Agent榜单空降第14名，以微弱优势险胜DeepSeek-V4-Pro[2] - 该模型定价与3.7 Flash保持一致，未涨价[4][5] - 谷歌采用“多步骤循环”策略弥补模型智能不足，与OpenAI和Anthropic追求更少步骤完成任务的路径不同[9][10][11] - 3.8 Flash是市面上输出最快的模型，速度比第二名Meta高近一倍[14] - 谷歌六周内连出三款Flash模型，人事变动频繁，包括二进制能力拥有者Jeff Dean离职[21] - 同时Meta发布Muse Spark 1.3，对标Opus 5，Agent和Coding能力大幅提升[50] 性能与基准测试 - DeepSWE v1.1长周期软件工程任务得分73.7%，高于3.7 Flash的65.3%，接近Claude Opus 5的74.0%[27] - Terminal-bench 2.1 Agentic终端编码得分89.4%，高于3.7 Flash的85.8%[20] - Terminal-bench 4.0通用Agent能力得分19.1%，高于3.7 Flash的11.2%，但远低于Claude Opus 5的51.8%和GPT-5.6 Sol的37.3%[20] - HLE-Verified多学科专家推理得分54.9%，高于3.7 Flash的53.6%[27] - CharXiv复杂图表推理得分86.2%，高于3.7 Flash的84.5%[27] - LVBench长视频理解得分87.8%（Agentic模式）和87.1%（静态模式），高于3.7 Flash的85.4%[27] - OSWorld-2.0 Agentic计算机使用得分59.0%，高于3.7 Flash的50.6%[27] - BioMysteryBench生物信息学研究工作流Human Solvable得分88.8%，Human Difficult得分56.5%，均高于3.7 Flash的87.1%和43.5%[27] - LABBench2生物学真实研究任务得分86.2%，高于3.7 Flash的82.1%[27] - GDP.PDF Expert PDF文档理解得分35.0%，略高于3.7 Flash的34.0%[27] 企业级Agent场景 - 金融领域Vals Finance Agent v2得分61.4%，高于3.7 Flash的59.0%，并超过Claude Opus 5的58.6%和GPT-5.6 Sol的53.8%[27] - 法律领域Harvey's Legal Agent Benchmark复杂法律工作流全部通过率10.0%，高于3.7 Flash的8.8%，并超过Claude Opus 5的6.7%和GPT-5.6 Sol的2.5%[27] - GDPVal-AA v2知识工作Elo评分1545，高于3.7 Flash的1482[27] 定价与成本 - 输入价格$0.75/百万Token（常规$1.50），输出价格$3.75/百万Token（常规$7.50），与3.7 Flash一致[27] - 相比Claude Opus 5输入$5.00/百万Token、输出$25.00/百万Token，成本优势显著[27] - 相比GPT-5.6 Sol输入$4.00/百万Token、输出$20.00/百万Token，成本更低[27] 网络安全模型3.8 Flash Cyber - 谷歌史上最强网络安全模型，专攻自主发现漏洞和自动生成补丁[38] - CyberGym漏洞发现测试超过3.5 Flash Cyber和其他前沿模型[38] - 覆盖20种编程语言的内部代码库测试，挖洞成功率超过70%[38] - CWE-Bench修洞pass@1达到47.2%，接近前沿模型的47.8%，成本低出一大截[42] - Chrome安全团队使用后，产出的正确补丁数量是最强商业模型的2.6倍[45] - Wiz内部渗透测试召回率提升7.5到9.7个百分点，花费仅为其他前沿模型的2.3到5.2分之一[46] - Google Cloud漏洞研究团队不到两小时挖出以往需研究数月的关键基础漏洞[47] - 该模型不公开发布，仅通过Fairwind计划向受信防御者开放[48][49] 潜在风险与争议 - 有网友指出模型在Terminal-bench 4.0等新基准上表现不佳，怀疑是刷分结果[19] - 智能方面未见本质提升，高分可能依赖多步骤推理和反复迭代调用工具，消耗更多Token[31][32][33] - 实际使用效果存疑，若智能水平不足，可能输出大量劣质Token[15][16]