谷歌Gemini 3.8 Flash震撼发布，性能飙升挑战DeepSeek，姚顺宇解读RSI飞跃

Jay 来自 科技前沿观察站
徽声在线 | 公众号 TechInsight

就在刚刚，谷歌正式推出了其最新力作——Gemini 3.8 Flash模型。

这一新模型在编程能力上实现了质的飞跃，在LMArena的Agent榜单上，Gemini 3.8 Flash一跃成为第14名，以极其微弱的优势战胜了DeepSeek-V4-Pro。

对于一款定位为走量的Flash模型而言，这样的表现无疑超出了预期，值得称赞。

更令人惊喜的是，其价格并未因性能提升而上涨。

没错，Gemini 3.8 Flash在定价策略上与3.7 Flash保持一致，继续为用户提供高性价比的选择。

关于具体的Benchmark数据，这里就不一一赘述了，大家自行查阅即可。

相比之下，我们更想探讨的是其背后的技术革新与方法论。

从谷歌公布的数据来看，Gemini似乎走上了一条不同寻常的“强化”之路。

当OpenAI和Anthropic都在努力提升模型效率，减少完成任务所需步骤时，

谷歌却选择了增加步骤，通过Loop机制来增强模型的输出质量，这无疑是一种大胆的尝试。

或许，这是谷歌为了弥补模型在智能水平上的不足而采取的策略。

这也解释了为什么Gemini如此注重“速度”。

目前，3.8 Flash已成为市场上输出速度最快的模型，其速度之快，几乎将第二名Meta甩在身后一倍之多。

然而，速度虽快，但实际使用效果如何，仍有待验证。

毕竟，如果智能水平跟不上，即便输出速度再快，也可能只是产生一堆无用的Token。

对此，有网友提出了质疑。

他们认为，Gemini 3.8 Flash在Terminal-bench 4.0等新基准测试中的表现并不理想，怀疑其成绩是刷出来的。

但无论如何，谷歌这次似乎真的“觉醒”了。

在过去的一个半月里，谷歌经历了多次人事变动，甚至二进制能力领域的佼佼者Jeff Dean也离职了，

然而，谷歌却连续推出了三款Flash模型，展现了其强大的研发实力。

关于这一点，DeepMind成员姚顺宇的新帖子或许能为我们提供一些线索。

对模型而言，这只是微小的一步；但对RSI（可能是指某种技术或指标）而言，却是一次巨大的飞跃。

六周内推出三款Flash模型，或许只是谷歌的“开胃菜”。

Gemini 3.8 Flash：虽笨但努力

3.8 Flash无疑是一款性价比极高的模型，相比3.7 Flash，其性能有了显著提升，在多数场景下已接近更高成本的旗舰模型。

在DeepSWE v1.1上，它能端到端自主解决复杂工程问题，得分超过了许多体型更大的前沿模型，而成本却只是它们的一小部分。

在金融和法律等企业级agent场景中，它也表现优异，超越了3.7 Flash和其他前沿模型。

在HLE-Verified（人类最后的考试）中，它取得了54.9%的成绩，在跨STEM、人文、专业领域的多步推理方面，与旗舰模型的差距正在逐渐缩小。

然而，在智能水平方面，它似乎并没有实现本质的提升。

3.8 Flash能取得这样的成绩，很大程度上是依靠“努力”得来的。

面对复杂任务，它会进行多步推理，反复迭代调用工具，因此在高effort档位下，它可能会消耗更多的Token。

这样一来，其性价比优势似乎也就不那么明显了。

对于谷歌而言，如果想要重回第一梯队，仅靠这种“技巧”恐怕是不够的。

我们还是期待谷歌能推出更强大的Pro版本吧。

只守不攻的Cyber模型

此外，还有一款模型值得关注——

3.8 Flash Cyber。

这是谷歌史上最强的网络安全模型，专攻自主发现漏洞和自动生成补丁。

在基准测试中，CyberGym漏洞发现测试里，3.8 Flash Cyber的表现超过了3.5 Flash Cyber，也超越了许多体型更大的前沿模型。在覆盖20种编程语言的内部代码库测试中，其挖洞成功率超过了70%。

在修洞方面，CWE-Bench上它pass@1达到了47.2%，与目前领跑的前沿模型47.8%几乎持平，而成本却低出了一大截。

更令人印象深刻的是其实战表现，它已经在谷歌内部得到了广泛应用。

Chrome安全团队利用它修洞，产出的正确补丁数量是最强商业模型的2.6倍。

Wiz利用它进行内部渗透测试，召回率提升了7.5到9.7个百分点，而同样成绩的花费却只有其他前沿模型的2.3到5.2分之一。

最令人震惊的是Google Cloud漏洞研究团队，利用它不到两小时就挖出了一个以往需要研究数月的关键基础漏洞。

然而，这款强大的模型却并未公开发布。

谷歌表示，由于其能力过于强大，只通过Fairwind计划向受信防御者开放。

One More Thing

就在谷歌发布新模型的同时，Meta也推出了其新品——Muse Spark 1.3。

这是一款对标Opus 5的模型，其Agent和Coding能力同样有了大幅提升。

Meta还不忘嘲讽谷歌一波——

我真不想这么说，但是……
Gemini，那是谁啊？

不过，Meta，你跟Gemini比个啥啊？

参考链接：
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/