刚刚，Gemini 3.8 Flash发布，Agent与代码的性价比杀器
原创 丸美小沐 2026-09-03 04:28 北京
Google，我们回来了。
刚刚，谷歌发布了 Gemini 3.8 Flash，价格暂时不变，每百万 token 输入 0.75 美元，输出 3.75 美元。
首发半价，2027 年起恢复到 1.5 和 7.5 美元。
这是谷歌六周里发的第三个 Flash，7月21日3.6，8月13日3.7，今天3.8，平均两周一代模型。
真就宛如过年。。
玩笑归玩笑，这次跑分确实不太一样。
这次，官方跑分对比的是 Claude Opus 5 和 GPT-5.6 Sol，两家的旗舰。
单论写代码，3.8 Flash 和 Opus 5 打成了平手，DeepSWE 73.7% 对 74.0%，Terminal-bench 89.4% 对 89.1%。
在第三方跑的编程榜单 DeepSWE 编程榜单上，3.8 Flash 和 Opus 5 也是并列第一。
DeepSWE 是数据公司 Datacurve 做的第三方编程榜，113 道题来自 91 个真实开源仓库，模型要自己读代码、改代码、跑通测试。
在 Datacurve 自己跑的这张榜上，3.8 Flash 和 Opus 5通过率都是 74%。
而且，同样是 74%，Flash 每道题的花费少得多。
同一批任务，3.8 Flash 平均一道题 2.36 美元，Opus 5 要 11.84 美元，差五倍。
Datacurve 还把分数和每题成本画成了一张性价比图，越靠右上越划算。
而 3.8 Flash 直接占住了右上角，独一档。。
它是全场性价比最高的模型，图上直接标着 most efficient。连主打性价比的 GLM-5.3 也被它斩在了线下面。
回头看这四个月，谷歌把自家的 Flash 从 3.5 的 35% 通过率一路刷到了 3.8 的 74%，追到和 Opus 5 同分。
而且，每题成本几乎没动。还是很震撼的。
除了 DeepSWE，和 Opus 5、GPT-5.6 Sol 打平的还有 Terminal-bench 2.1，也是写代码的榜。
两个代码榜单上，3.8 Flash 和 Opus 5 都只差零点几个点。
金融 Agent 和法律 Agent 两项，Gemini 3.8 Flash 甚至反过来领先。
不过，差距也没有完全抹平。
在评估长程任务能力的Terminal-bench 4.0榜单上，Flash 离旗舰还差得远。
Opus 5 拿到 51.8%，3.8 Flash 只有 19.1%。
不只是长任务，综合智力也还没摸到旗舰那一档。
在 Artificial Analysis 的智力榜上，3.8 Flash 排第八，59 分，和 Kimi K3、GLM-5.3 同一档，只比 GPT-5.6 Sol 低 2 分。
一个综合第八的模型，写代码却能和第二名打平。3.8 Flash 明显是把代码这一项单独拉高了。
这是怎么做到的 ？？
模型卡里写道。3.8 Flash是在3.7 Flash上接着训出来的，底座没换。
再往前翻，3.6 和 3.7 居然也是这么来的。
历代模型卡上的知识截止一直停在 2025 年 1 月，说明从那之后谷歌就没再预训练过新底座，这三代 Flash 全是在同一个底座上靠后训练堆出来的。
而且，3.8 这一轮明显把火力集中在了代码上。
所以代码一项蹿到了第二名的水平，综合智力和长任务的耐力只挪了一点。
后训练还是可怕啊。
这两天，3.8 Flash 已经灰测了好几次。
小瑶 Family 灰测到的家人已经爽用两天了，反馈就很不错。
喜欢它的人提得最多的是快和听话。它循规蹈矩，完全照着要求做，不会像 Fable 那样觉得自己比你懂。
速度快，成品也像样。
但代码一跑久，另一批人的火气就上来了。有人觉得 Flash 写代码一直很莽，交付快，留下的 bug 也多。。
3.8 Flash 比 3.7 更能吃 token，分数有一部分是拿思考时间换的。
同一套评测，3.7 Flash 在 high 档用了 6400 万 token，3.8 Flash 用到 1.2 亿，接近翻倍。Linux.do 同一天也有人注意到思维链明显变长。
这件事谷歌自己也认。
迁移指南里写着，把算力效率放第一位的应用可以降档，或者继续用 3.7 Flash。
写到这儿，照例要问一句，说好的 3.5 Pro 呢？？
如来。
谷歌从五月鸽到九月，鸽到大家都懒得催了，谷歌干脆要把下一个Pro直接改名叫 Gemini 4。
Pro 出不来，谷歌就拿 Flash 顶上去打，而且真的敢打。
七月3.6发布的时候，评论区还在拿谷歌模型退化玩梗。今天这一版发出来，我只想说一句。
Google，我们回来了。
