XNews

Gemini 3.8 Flash 发布,附带网络安全版本

Gemini 3.8 Flash 发布,附带网络安全版本

谷歌发布了 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber。

Key insights

Gemini 3.8 Flash 基准测试结果喜忧参半

在领先基准测试中,3.8 Flash 在 Vals Finance Agent v2 中取得 61.4%,而 Opus 5 为 58.6%;Harvey 法律为 10.0%;Terminal-bench 2.1 为 89.4%;CharXiv Reasoning 为 86.2%;LVBench 中 agentic 为 87.8%、static 为 87.1%;HLE-Verified 为 54.9%;BioMysteryBench hard 为 56.5%;LABBench2 为 86.2%。它在 GDPVal-AA v2 Elo 上落后约 280 分,在 Terminal-bench 4.0、OSWorld-2.0 和 GDP.PDF 上表现不佳。DeepSWE v1.1 为 73.7%,比 Opus 5 低 0.3 个百分点,但高于 GPT-5.6 Sol、Sonnet 5 和 3.7 Flash。与 3.7 Flash 相比,提升最大的领域是 BioMystery、DeepSWE、OSWorld 和 Terminal-bench 4.0。

成本效益是核心论点

在 73-74% 的准确率下,3.8 Flash 的平均任务成本约为 1.5-2 美元,而 Opus 5 约为 13 美元,Fable 5 约为 15 美元。在长软件工程任务上,它以 1/7 到 1/8 的任务成本实现了几乎相同的通过率。Flash 系列从 3.5 Flash 的 33% 提升到 3.6 Flash 的 46%、3.7 Flash 的 65% 和 3.8 Flash 的 74%,成本几乎不变。促销价格为每百万输入令牌 0.75 美元,每百万输出令牌 3.75 美元,持续到 2026 年底,之后翻倍。

提示注入抵抗能力优于同类产品

在 Gray Swan 提示注入评估中,Gemini 3.8 Flash 被攻破的概率为 5.5%,而 DeepSeek V4 Pro 为 60.1%,Grok 4.6 为 51.8%。谷歌表示,该模型在复杂任务上更加努力,采取更多步骤,调用更多工具,消耗更多令牌。

网络版本仅限于经过审查的防御用户

Gemini 3.8 Flash Cyber 仅通过 Fairwind 计划提供给经过审查的政府机构、关键基础设施运营商和安全研究人员。谷歌表示目前已有 650 多个合作伙伴参与,并将该模型定位为面向防御的漏洞发现和修补,而非进攻性利用。在 CyberGym 漏洞发现中,它得分 86.2%;在覆盖 20 种编程语言的内部评估中,漏洞发现率超过 70%;在 CWE-Bench 自动修补中, pass@1 达到 47.2%,接近前沿的 47.8%,且成本更低。

安全用例展示部署影响

Chrome 安全团队报告称,3.8 Flash Cyber 修复的 Chrome 漏洞数量是最佳商业 LLM 的 2.6 倍。Wiz 内部渗透测试发现,召回率提高了 7.5% 到 9.7%,而成本降低了 2.3 到 5.2 倍。谷歌云漏洞研究利用它在不到两小时内发现了一个关键漏洞,而此类漏洞通常需要数月的人工研究。

Flash 系列持续发布,而 Pro 系列缺席

3.6 Flash 于七月底发布,3.7 Flash 于八月中旬发布,以及现在的 3.8 Flash,每次相隔约三周。与此同时,原定于六月发布的 Gemini 3.5 Pro 尚未出现。DeepMind 领导层变动包括 Demis Hassabis 从日常管理转为 DeepMind 董事长和 Alphabet 首席科学家,Jeff Dean 离职,Koray Kavukcuoglu 接任 Gemini 开发负责人。

3.8 Flash 可用渠道

Gemini 3.8 Flash 可通过 Gemini API、Google AI Studio、Android Studio、Antigravity 以及面向 Google AI Pro 和 Ultra 订阅用户的 Gemini 应用获取;企业用户可通过 Gemini Enterprise 访问。3.8 Flash Cyber 需要申请 Fairwind 计划,普通开发者无法使用。

Source posts