# Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型

- 来源：Google DeepMind：Blog（RSS）
- 发布时间：2026-09-03 00:18
- AIHOT 分数：78
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmtkbdbti01n8roz5k5kt1g98
- 原文链接：https://deepmind.google/blog/introducing-gemini-3-8-flash-and-38-flash-cyber

## 精选理由

官方给出两版模型的定价、基准成绩和实际安全应用数据，读者可据此评估在新旧 Flash 模型间的迁移与选型。

## AI 摘要

Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。

## 正文

我们最新的 Gemini 模型为智能体工作流和网络安全带来了下一代智能。

Tulsee Doshi 产品管理高级总监

Raluca Ada Popa

Google DeepMind Gemini 安全负责人

x.com Facebook LinkedIn Mail 复制链接

继三周前发布的 3.7 Flash 之势，并在短短六周内完成我们的第三次 Flash 版本发布，今天我们推出 Gemini 3.8——这是我们迄今最强的推理与编码模型，同时保持了与 3.7 相同的速度和低成本。Gemini 3.8 提供两个版本：

Gemini 3.8 Flash：我们最智能的“多面手”模型，在软件工程、智能体任务以及专业领域的复杂多步推理方面，相较 3.7 Flash 实现了显著提升。该模型以与 3.7 Flash 相同的首发价格 1 提供，即每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。Gemini 3.8 Flash Cyber：我们最强的网络安全模型，在漏洞检测和自动修复方面具备前沿水平，通过我们全新的 Fairwind 计划向受信任的防御者开放。

虽然这两款发布针对不同的部署环境而设计，但它们的底层都由相同的基础智能驱动，并通过长时运行的智能体循环进一步加速——这种循环旨在递归评估并优化底层模型。这一共享核心在编码和推理能力上的显著提升，得益于多项创新，其中包括在要求极高的网络安全领域所进行的严格训练。

Gemini 3.8 Flash：为长时程编码与自主智能体而生

Gemini 3.8 Flash 相比 3.7 Flash 带来了显著提升，其性能往往接近成本更高的前沿模型。

在 DeepSWE v1.1（长时程软件工程）基准上，3.8 Flash 在端到端自主解决复杂工程问题方面超越了大多数规模更大的前沿模型，而成本仅为其一小部分。

此外，3.8 Flash 在专业知识领域展现出了关键企业级自主运行所需的可靠性。在需要高级分析与报告能力的量化及专业领域，3.8 Flash 在 Vals Finance Agent V2 和 Harvey 的 Legal Agent Benchmark 等基准上均优于 3.7 Flash 及其他前沿模型。3.8 Flash 在 HLE-Verified 上还取得了 54.9% 的成绩，展示了其在 STEM、人文学科和专业领域处理多步推理的能力。

这些性能提升源于一个核心设计选择：3.8 Flash 更加“卖力”。在处理复杂任务时，它表现出更强的勤勉度——执行额外的推理步骤，并迭代式地调用工具。有时，模型可能会使用更多 token 来最大化性能，尤其是在较高努力水平下。

对于算力效率是首要约束条件的应用，开发者可以利用较低的努力水平来最小化 token 开销，或者继续依赖 Gemini 3.7 Flash——该版本在效率优先的工作负载上仍获得全面支持。

Gemini 3.8 Flash 在 Google Antigravity 中仅凭一个简单的提示词，配合一条循环指令，就构建出了这款游戏。该游戏利用谜题、环境叙事以及由 Nano Banana 生成的纹理，打造出一个沉浸式 3D 关卡，让你扮演一位在城堡中穿行的巫师。

Gemini 3.8 Flash 在 Google Antigravity 中仅凭单个提示词，就构建出一个功能完整的 DOS 版 Google Maps，该版本完全可玩，包含地点查询、路线规划和街景功能。

探索由 Gemini 3.8 Flash 在 Google Antigravity 中构建的著名地理景点地形图，它使用了来自美国地质调查局的真实数据集，可呈现实时剖面、二维投影和科学解释。

Hardware Anatomy 是一个交互式 3D 可视化工具，由 Gemini 3.8 Flash 在 Google AI Studio 中构建，可为硬件设备生成符合物理比例的拆解图，并渲染出逼真的 Three.js 效果。它会自动将设备分解为多个图层，你可以通过一个“拆解”滑块来展开并检视这些图层。

Gemini 3.8 Flash Cyber：专家级网络性能

Gemini 3.8 Flash Cyber 通过 Fairwind 计划向一组受信任的防御者开放，凭借 Flash 的速度和成本优势，支持快速迭代，在当今复杂的网络安全环境中提供了决定性优势。

自主漏洞发现

在行业标准漏洞发现基准 CyberGym 上，Gemini 3.8 Flash Cyber 在自主漏洞发现方面展现出前沿级性能。它超越了 3.5 Flash Cyber 以及规模显著更大的前沿模型。

为了更好地反映现实世界的防御需求——这些需求并不仅限于 CyberGym 中那样的 C/C++ 代码库——我们还使用一个全面的内部基准对 Gemini 3.8 Flash Cyber 进行了评估，该基准要求模型在横跨 20 种编程语言的复杂代码库中发现各种漏洞。在此基准上，该模型相较我们之前的模型实现了显著飞跃，成功率超过 70%。

自动化漏洞修复

在开发 Gemini 3.8 Flash Cyber 时，我们特别专注于为防御者配备专家级能力，使其在与攻击者的对抗中占据优势。正因如此，我们从一开始就投入于漏洞修复，并将其优先级置于漏洞利用等进攻性能力之上。

CWE-Bench 由 Collinear 运营，是一个极具挑战性的外部补丁能力评测基准。在该基准上，Gemini 3.8 Flash Cyber 处于帕累托前沿：其 pass@1 达到 47.2%，而领先的前沿模型为 47.8%，但成本却显著更低。

实际影响：保护 Google 的代码安全

我们已经在使用 Gemini 3.8 Flash Cyber 来保护 Google 内部的代码安全。例如：

Chrome 安全团队发现，3.8 Flash Cyber 针对 Chrome 漏洞生成的正确补丁数量，是那些体积大得多的最佳商业模型的 2.6 倍。Wiz 发现，Gemini 3.8 Flash Cyber 在其内部渗透测试基准上的召回率高出 7.5-9.7%，而成本仅为其他领先前沿模型的 1/2.3 至 1/5.2。Google 的云漏洞研究团队利用 3.8 Flash Cyber 模型，在不到 2 小时内发现了一个关键的基础性漏洞，而这类漏洞的研究与发现通常需要数月时间。

我们的 Fairwind 计划合作伙伴的评价

以安全为核心理念构建

根据我们的前沿安全框架，3.8 Flash 内置了针对化学、生物、放射性和核（CBRN）以及网络攻击等领域的滥用防护措施，同时支持有益的使用场景。3.8 Flash Cyber 在网络安全方面配备了更为宽松的缓解措施，因此仅向需要更全面网络能力的受信任防御者提供。

Gemini 3.8 系列模型在提示词注入鲁棒性方面也取得了显著进步（据 Gray Swan 评测），为 Gemini 模型用户抵御与提示词注入相关的恶意攻击提供了保护。

Gemini 3.8 Flash 与 Cyber：即刻开始使用

开发者：使用 3.8 Flash 进行构建，在 Google Antigravity 中探索智能体优先的工作流，或通过 Google AI Studio 和 Android Studio 在 Gemini API 中即刻开始构建，也可在 Stitch 中生成 UI。从我们的开发者文档开始上手。企业用户：在 Gemini Enterprise 中访问 3.8 Flash。消费者：Google AI Pro 和 Ultra 订阅用户可在 Gemini 应用、Google 搜索中的 AI Mode 以及 Google Sheets 中的 Gemini 中使用 3.8 Flash。Cyber：通过我们全新的 Fairwind Program，我们为受信任的政府机构、关键基础设施运营商及软件维护者提供 Gemini 3.8 Flash Cyber 的优先访问权限。申请访问。

1

introductory价格有效期至 2026 年 12 月 31 日。自 2027 年 1 月 1 日起，将适用每 1M 输入 token $1.50、每 1M 输出 token $7.50 的价格。

相关报道

安全与保障 ### 面向政府与企业的主动式网络防御 作者：Four Flynn AI ### 我们于 2026 年 8 月发布的最新 AI 资讯 作者：Google 团队新闻 Gemini 模型 ### 借助 Gemini 推出智能体视频理解功能 作者：Rohan Doshi & Mario Lučić 开发者工具 ### Gemini Omni 1.1 Flash 让你以更强的掌控力进行构建 作者：Anish Nangia & Alisa Fortin Gemini 模型 ### 借助 Gemini 3.5 Transcribe 实现智能转写 作者：Diego Melendo Casado & Luke Leonhard Gemini 模型 ### “全栈”AI 究竟意味着什么？ 作者：Lindsey Lanquist