XNews

Gemini 3.8 Flash及网络安全变体发布

Gemini 3.8 Flash及网络安全变体发布

Google于2026年9月2日发布了Gemini 3.8 Flash及其网络安全专用变体3.8 Flash Cyber,延续了Flash系列的快速迭代周期。 - 3.8 Flash定价与3.7 Flash持平,为每百万token 0.75/3.75美元(促销价持续至2026年底,之后翻倍);其在多项基准测试中较3.7 Flash实现显著提升:DeepSWE v1.1达73.7%(+8.4个百分点),OSWorld-2.0达59.0%(+8.4个百分点),Terminal-bench 4.0达19.1%(+7.9个百分点),BioMystery高难度达56.5%(+13个百分点)。 - 与竞品对比:DeepSWE 73.7%略低于Opus 5的74.0%,高于GPT-5.6 Sol的72.7%;Vals Finance Agent v2达61.4%,领先Opus 5的58.6%;Harvey法律代理达10.0%,表现最高;Terminal-bench 2.1达89.4%,略高于Opus 5的89.1%;但GDPVal-AA v2 Elo得分1545,远低于Opus 5的1824,且Terminal-bench 4.0为19.1%,而Opus 5为51.8%。 - 成本效益:在约73-74%准确率下,每任务成本约1.5-2美元,而Opus 5约13美元、Fable 5约15美元,使3.8 Flash处于成本效益的帕累托前沿。 - 3.8 Flash Cyber:仅通过Fairwind计划向经过审查的政府、关键基础设施及安全研究人员提供(650+合作伙伴);CyberGym漏洞发现率达86.2%,在20种语言中成功率超70%;CWE-Bench自动修补pass@1达47.2%,接近前沿的47.8%且成本更低;Chrome团队修复的漏洞数量提升2.6倍;Wiz在成本降低2.3-5.2倍的同时召回率提高7.5-9.7%;Google Cloud在不到2小时内发现一个严重漏洞。 - 提示注入防御:Gray Swan成功率为5.5%,而DeepSeek V4 Pro为60.1%、Grok 4.6为51.8%。 - 背景:这是六周内第三次Flash系列发布;DeepMind领导层变动,Demis Hassabis退居幕后,Koray Kavukcuoglu接掌Gemini开发。

Key insights

Flash系列迭代速度凸显谷歌对高性价比模型的关注

Gemini 3.8 Flash在3.7 Flash发布仅三周后问世,标志着六周内第三次Flash系列发布。这种快速节奏与Gemini 3.5 Pro模型的缺失形成对比。Flash系列在成本基本不变的情况下,将DeepSWE准确率从约33%(3.5版本)提升至约74%(3.8版本),确立了以竞争对手零头成本实现前沿智能体能力普及的发展轨迹。

3.8 Flash Cyber为防御性网络安全AI树立新标杆

该网络安全变体专用于漏洞检测与修补,而非攻击利用。它在CyberGym上达到86.2%的成绩,并帮助Chrome团队修复的漏洞数量较最佳商业模型提升2.6倍。通过Fairwind计划仅向经过审查的合作伙伴开放访问,表明其在限制滥用与支持关键基础设施防御之间的慎重考量。

每任务成本经济性使Flash在众多智能体工作负载中优于大型模型

在DeepSWE准确率达73-74%的情况下,3.8 Flash每任务成本约1.5-2美元,较Opus 5和Fable 5低7-8倍。尽管在Terminal-bench 4.0和GDPVal-AA等最复杂基准测试中落后,但它在软件工程和智能体计算机使用任务上的表现使其成为成本敏感型部署的竞品选择。

提示注入防御能力成为智能体安全差异化优势

3.8 Flash在Gray Swan测试中的提示注入成功率为5.5%,远低于DeepSeek V4 Pro的60.1%和Grok 4.6的51.8%。这使其成为部署与不可信数据交互的AI智能体时更安全的选择,降低了恶意指令劫持风险。

DeepMind组织变革与仅推出Flash系列同步发生

快速发布Flash系列之际,领导层亦在变动:Demis Hassabis转任主席,Jeff Dean离职,Koray Kavukcuoglu接管Gemini开发。Pro模型的缺失以及对Flash系列的专注,可能反映了此期间战略或资源的重新分配。

Source posts