Gemini 3.8 Flash 发布：定位“全能主力（Workhorse）”，主打软件工程、自主 Agent 任务和多步骤深度推理
Google 在六周内连续发布了三代 Flash， 9 月 2 日Google推出新的 Gemini 3.8 Flash 模型，保持和上一代（3.7 Flash）一样的低成本与高速度，但在长流程编码、复杂推理和网络安全攻防上实现了跨越式的提升。
- 双版本发布：Gemini 3.8 Flash 定位“全能主力（Workhorse）”，主打软件工程、自主 Agent 任务和多步骤深度推理。
- Gemini 3.8 Flash Cyber 专为网络安全打造，在漏洞挖掘和自动打补丁方面达到前沿水准，主要通过 Fairwind Program 提供给受信任的防御机构与专业人员。
- 价格加量不加价：维持 3.7 Flash 的首发费率，每百万输入 Token 为 0.75 美元，每百万输出 Token 为 3.75 美元。
核心能力提升：它到底强在哪？
Gemini 3.8 Flash 是 Google 给高频生产任务准备的通用主力模型。它已经正式 GA，API 模型 ID 是 gemini-3.8-flash，支持最多 100 万 token 输入上下文和 6.4 万 token 文本输出。思考等级可选 low、medium、high，默认是 medium。
它面向三类任务：长流程软件工程、自主 Agent 任务，以及金融、法律、科研等需要多步骤推理的专业工作。3.7 Flash 仍会保留。简单、量大、延迟敏感的请求可以继续使用 3.7，或把 3.8 的 thinking effort 调低；需要连续调用工具、检查结果和修正方案的任务，才是 3.8 的重点。
通用版和 Cyber 版共享同一套基础智能。Google 将这次编码和推理提升归因于长时间运行的 Agent 循环与网络安全训练：模型在循环中反复评估和改进结果，网络安全任务则提供了高难度的代码分析和推理训练。
长流程编码和 Agent
DeepSWE v1.1 测试 Agent 端到端完成长流程软件工程任务的能力。Gemini 3.8 Flash 得分 73.7%，比 3.7 Flash 的 65.3% 高 8.4 个百分点，接近 Claude Opus 5 的 74.0%。同一项评测的平均任务成本中，3.8 Flash 明显低于 Opus 5。
这不是严格统一条件下的同场测试。Gemini 3.8 使用 mini-swe agent harness 和 high thinking，其他模型采用 Datacurve 公开榜单中的最高 thinking 结果。73.7% 说明它在这套长流程编码测试中接近高价模型，不能代表所有代码任务都能得到同样结果。
四段完整演示分别展示游戏生成、旧系统复刻、真实数据可视化和 3D 硬件结构生成。产物包括可以操作的程序、外部数据和交互界面。
长流程生成
四种可运行产物
3D 魔法城堡游戏
在 Antigravity 中生成包含谜题、材质和交互的游戏。
DOS 版 Google Maps
一次提示生成可以操作的旧式地图应用。
真实数据地形图
调用美国地质调查局数据制作交互地形图。
3D 硬件结构
在 AI Studio 中生成可分层拆解的 Three.js 硬件模型。
这四段都是成功案例，不代表普通项目可以一次完成或稳定复现。它们展示的任务形态包括持续处理需求、代码、数据、工具和可运行产物，而不只是生成一段文本或代码片段。
综合能力提升
综合评测覆盖软件工程、金融、法律、终端操作、图表理解、长视频理解、跨学科推理、计算机使用和生物医学研究。结果中既有相对 3.7 的提升，也有落后于其他模型的项目。
3.8 Flash 相比 3.7 Flash 的主要变化包括：Vals Finance Agent v2 从 59.0% 提高到 61.4%；Harvey's Legal Agent Benchmark 从 8.8% 提高到 10.0%；Terminal-bench 2.1 从 85.8% 提高到 89.4%；OSWorld-2.0 从 50.6% 提高到 59.0%；BioMysteryBench Human Difficult 从 43.5% 提高到 56.5%；HLE-Verified 从 53.6% 提高到 54.9%。最后一项覆盖 STEM、人文和专业领域的多步骤推理。
它并非每项第一。Claude Opus 5 在 GDPVal-AA v2、Terminal-bench 4.0、OSWorld-2.0 和 BioMysteryBench Human Solvable 上更高，GPT-5.6 Sol 在 GDP.PDF 上更高。各项成绩使用的 harness、工具、thinking 设置和数据来源并不统一，因此只能判断能力分布，不能当作统一条件下的总排名。
价格与实际任务成本
Gemini 3.8 Flash 与 3.7 Flash 使用相同的首发费率：每百万输入 token 0.75 美元，每百万输出 token 3.75 美元，输出价格包含 thinking token。该价格截至 2026 年 12 月 31 日；从 2027 年 1 月 1 日起，标准价格为输入 1.50 美元、输出 7.50 美元。
相同 token 单价不等于相同任务成本。Google 明确表示 3.8 Flash 在复杂任务上会执行更多推理步骤和工具调用，因此可能产生更多 token、等待时间和工具费用。实际升级测试应记录完整任务的完成率、总 token、端到端时长、工具调用次数和人工接管次数。
防御武器：Gemini 3.8 Flash Cyber
Gemini 3.8 Flash Cyber 与通用版共享底层推理和编码能力，专门强化漏洞发现、验证和自动修补。通用版保留针对化学、生物、放射、核及网络攻击滥用的安全措施；Cyber 版放宽了网络安全缓解措施，因此不在公开 API 中提供，主要通过 Fairwind Program 向通过审核的防御机构、关键基础设施运营者、软件维护者和安全研究人员开放。
漏洞发现与修补
Gemini 3.8 Flash Cyber
漏洞发现
CyberGym 测试 C/C++ 漏洞发现能力。3.8 Flash Cyber 的 Pass@1 是 86.2%，高于 3.5 Flash Cyber 的 77.5% 和 GPT-5.5-Cyber 的 85.6%。Gemini 结果由 Google 计算，其他模型来自模型卡和公开榜单，运行条件并不完全统一。
Google 还用内部数据集测试了 20 种编程语言中的 1200 个近期历史漏洞。3.8 Flash Cyber 的成功率为 71.0%，3.7 Flash 为 58.9%，3.5 Flash Cyber 为 46.6%。这组结果覆盖的语言更广，但数据集和运行过程尚不能由外部团队独立复现。
自动修补
Flash Cyber 的产品取向是先发现漏洞，再完成修补。Google 从开发初期就把漏洞修复放在漏洞利用等进攻能力之前。CWE-Bench 测试模型能否生成正确补丁，基准所有者 Collinear AI 使用 Antigravity agent harness 和 high thinking 运行测试。3.8 Flash Cyber 的 Pass@1 为 47.2%，略低于 Fable 5 的 47.8%，但平均单次 rollout 成本低得多。
它已经进入 Google 和合作方的实际防守流程：Chrome 安全团队获得的正确补丁数量是最佳大型商业模型的 2.6 倍；Wiz 的内部渗透测试召回率提高 7.5 至 9.7 个百分点，成本降低 2.3 至 5.2 倍；Google Cloud 漏洞研究团队在不到两小时内发现一个通常需要数月研究的关键基础漏洞。Chrome 和 Cloud 数据由 Google 给出，Wiz 数据来自其内部测试；三项结果尚未经过统一的独立复测。
访问控制和提示注入
Fairwind 目前覆盖 650 多家合作伙伴。参与组织需要接受背景与安全记录审查，并执行用户身份认证、抗钓鱼 MFA、访问控制和员工使用追踪。访问权不能转卖、共享或重新分发。获准任务包括经授权的威胁模拟、逆向工程，以及面向防守或学术研究的恶意软件分析。
Gray Swan 独立执行了间接提示注入测试。测试采用 combined attack set、transfer only，并且不使用 computer use；指标是攻击成功率，越低越好。在这个特定设置下，3.8 Flash 的攻击成功率更低，但这不能推导出连接浏览器、邮件、代码库和第三方工具的 Agent 已经解决提示注入问题。
谁适合升级
- 继续使用 3.7 Flash：任务短、结构稳定、调用量大，主要目标是降低延迟和成本。
- 使用 3.8 Flash：任务需要长上下文、多步推理、连续工具调用或代码修改，失败后的人工返工成本较高。
- 申请 3.8 Flash Cyber：组织有合法的漏洞研究或修补需求，也能满足 Fairwind 的身份、权限和审计要求。
实际入口
- 开发者：可以通过 Gemini API 和 Google AI Studio 调用 3.8 Flash，也可以在 Google Antigravity、Android Studio 和 Stitch 中使用。
- 企业：可以在 Gemini Enterprise 中使用通用版。
- 个人用户：Google AI Pro 和 Ultra 订阅者可以在 Gemini、Google 搜索的 AI Mode 和 Google Sheets 中使用。
- 网络安全团队：通过 Fairwind Program 申请 Flash Cyber；获准后既可单独调用，也可与 CodeMender 配合。通过 Gemini Enterprise Agent Platform 的托管模型访问时支持零数据保留。不符合 Fairwind 条件的组织仍可用公开模型配合 CodeMender。
升级前应在同一套 harness、相同工具权限和相同验收标准下比较 3.7 与 3.8。至少测试 20 至 50 个真实任务，并分别记录完成率、总 token、端到端时长、工具费用和人工接管率。默认 medium 不一定适合所有流量；简单任务可以测试 low，关键任务再测试 high。
模型仍可能产生幻觉、偶发变慢或超时。知识截止时间标称为 2026 年 3 月，但部分领域仍可能停留在 2025 年 1 月。内部自动安全评测中，多语言安全指标比 3.7 Flash 退步 5.4 个百分点；Google 称人工复核发现相关损失大多来自误报或非严重样本。Gemini 3.8 Flash 的主要改进是长流程任务完成率提高；是否值得替换 3.7，应由实际任务的完成率和总成本决定。
Gemini 3.8 Flash 路由图
3.8 Flash 保持 3.7 的首发 token 单价，重点提高长流程编码、多步 Agent 和专业推理的完成率；Flash Cyber 把同一基础能力用于受控的漏洞发现与修补。
Gemini 3.8 Flash
通用主力：长流程软件工程、自主 Agent 和金融、法律、科研等多步骤专业任务。
3.8 Flash Cyber
安全特化版：漏洞发现、验证和自动修补；通过 Fairwind 向经审核的防御组织和专业人员开放。
长任务依靠多轮循环完成
- 01计划处理长上下文，拆解任务并选择下一步。
- 02调用工具运行代码、读取数据或操作外部工具。
- 03检查评估中间结果，而不是停在第一版答案。
- 04修正根据失败信息继续修改，直到满足验收条件。
代表性评测：提升集中在完整任务
73.7%，高于 3.7 Flash 的 65.3%，接近 Claude Opus 5 的 74.0%；各模型运行条件并不完全统一。
89.4%，高于 3.7 Flash 的 85.8%，衡量需要终端操作的编码任务。
56.5%，高于 3.7 Flash 的 43.5%，反映高难度生物医学研究工作流。
Cyber：发现、验证、修补，再通过权限闸门
- 01发现漏洞
CyberGym Pass@1 为 86.2%；Google 的 20 种语言、1200 个近期历史漏洞内部集成功率为 71.0%。
- 02生成补丁
CWE-Bench Pass@1 为 47.2%，接近 Fable 5 的 47.8%，平均单次 rollout 成本更低。
- 03受控访问
Cyber 版不在公开 API 中提供；Fairwind 要求身份审核、抗钓鱼 MFA、访问控制和使用追踪。
最终判断看完整任务，不只看 token 单价
任务短、结构稳定、调用量大，主要目标是压低延迟与成本。
需要长上下文、多步推理、连续工具调用或代码修改，失败后的人工返工成本较高。
有合法的漏洞研究或修补需求，并能满足 Fairwind 的身份、权限与审计要求。
完成率、总 token、端到端时长、工具费用、人工接管率；相同 token 单价不等于相同任务成本。
同样的 token 单价，不是同一种任务
调度员单价没变，那就全部切到 3.8？
3.8 与 3.7 的首发 token 单价相同，但任务结构并不相同。
调度员短而稳定的流量，3.7 仍然合适。
升级不是清空旧模型；任务短、结构稳定、量大时可以继续使用 3.7。
- 01
- 02
- 03
- 04
Flash Runner先检查失败原因，再改下一版。
3.8 的重点是把多轮计划、工具调用、检查和修正继续做下去。DeepSWE v1.1 从 65.3% 提高到 73.7%。
Fairwind 门卫Cyber 版不在公开 API；先核验防御用途和访问控制。
安全能力更强，同时意味着更严格的准入、身份和审计要求。
安全研究员发现漏洞只是第一步，补丁还要通过验证。
CyberGym Pass@1 为 86.2%；CWE-Bench 补丁 Pass@1 为 47.2%。不同评测不能直接合并比较。
调度员先跑 20 至 50 个真实任务，再决定切多少流量。
相同 token 单价不等于相同任务成本。升级判断要看端到端完成结果。
Introducing Gemini 3.8 Flash and 3.8 Flash Cyber
Gemini 3.8 Flash and 3.8 Flash Cyber deliver next-generation intelligence for agentic workflows and cybersecurity.
Sep 02, 2026
|
10 min read
Our newest Gemini models deliver next-generation intelligence for agentic workflows and cybersecurity.
Raluca Ada Popa
Gemini Security Lead, Google DeepMind
Building on the momentum of 3.7 Flash from three weeks ago and marking our third Flash release in only six weeks, today we’re introducing Gemini 3.8, our best reasoning and coding model yet, at the same speed and low cost of 3.7. Gemini 3.8 introduces 2 variants:
- Gemini 3.8 Flash: our most intelligent workhorse model, delivering significant improvements from 3.7 Flash across software engineering, agentic tasks, and critical, multi-step reasoning in specialized domains. It is available at the same introductory price 1 as 3.7 Flash at $0.75 per million input tokens and $3.75 per million output tokens.
- Gemini 3.8 Flash Cyber: our most capable cybersecurity model with frontier-level performance in vulnerability detection and automated patching, available to trusted defenders through our new Fairwind Program.
While tailored for different deployment environments, both of today's releases are powered by the same foundational intelligence, and further accelerated by long-running agentic loops designed to recursively evaluate and refine the underlying models. The significant coding and reasoning gains across this shared core were driven by a number of innovations, including rigorous training in the highly demanding domain of cybersecurity.
Gemini 3.8 Flash: built for long-horizon coding and autonomous agents
Gemini 3.8 Flash delivers substantial gains from 3.7 Flash, often approaching the performance of higher-cost frontier models.
On DeepSWE v1.1 (Long-Horizon Software Engineering) 3.8 Flash outperforms most larger frontier models in autonomously solving complex engineering problems end to end, only at a fraction of the cost.
Additionally, 3.8 Flash exhibits the dependability required for critical enterprise autonomy, across specialized knowledge domains. In quantitative and professional fields that require advanced analysis and reporting, 3.8 Flash outperforms 3.7 Flash and other frontier models in benchmarks like Vals Finance Agent V2 and Harvey's Legal Agent Benchmark. 3.8 Flash also achieves a 54.9% on HLE-Verified, demonstrating its ability to handle multi-step reasoning across STEM, humanities, and professional fields.
These performance gains stem from a core design choice: 3.8 Flash works harder. On complex tasks, it exhibits greater diligence — executing extra reasoning steps, and calling tools iteratively. At times, the model might use more tokens to maximize performance, especially at higher effort levels.
For applications where compute efficiency is the primary constraint, developers can utilize lower effort levels to minimize token overhead or continue to rely on Gemini 3.7 Flash, which remains fully supported for efficiency-first workloads.
Gemini 3.8 Flash Cyber: expert cyber performance
Gemini 3.8 Flash Cyber, available to a set of trusted defenders via the Fairwind Program, provides a decisive advantage in today’s complex cybersecurity landscape, with the Flash speed and cost that enables quick iteration.
Autonomous vulnerability discovery
On the standard industry benchmark for finding vulnerabilities, CyberGym, Gemini 3.8 Flash Cyber demonstrates frontier-level performance in autonomous vulnerability discovery. It surpasses both 3.5 Flash Cyber as well as significantly larger frontier models.
To better capture real-world defensive needs which are not limited to just C/C++ codebases like in CyberGym, we also evaluated Gemini 3.8 Flash Cyber against a comprehensive internal benchmark in which the model has to discover a wide range of vulnerabilities across complex codebases spanning 20 programming languages. Here, the model showcases an impressive leap over our previous models and reaches a success rate exceeding 70%.
Automated patching
With Gemini 3.8 Flash Cyber, we focused specifically on equipping defenders with expert capabilities that give them an advantage over attackers. This is why we have invested in vulnerability fixing from the start, and prioritized it over offensive capabilities like exploitation.
CWE-Bench, run by Collinear, is a challenging external benchmark for patching capabilities. On this benchmark, Gemini 3.8 Flash Cyber is on the Pareto frontier: with a pass@1 of 47.2% compared to a leading frontier model at 47.8%, yet offered at a significantly lower cost.
Real-world impact: securing Google’s code
We’re already using Gemini 3.8 Flash Cyber to secure code across Google. For example:
- The Chrome Security team found that 3.8 Flash Cyber produced 2.6 times more correct patches to vulnerabilities in Chrome than the best commercial models that are much larger.
- Wiz found that Gemini 3.8 Flash Cyber achieves +7.5-9.7% higher recall on their internal penetration testing benchmark for a 2.3-5.2x lower cost compared to other leading frontier models.
- Google’s Cloud Vulnerability Research team leveraged the 3.8 Flash Cyber model to find a critical foundational vulnerability in less than 2 hours, a vulnerability for which research and discovery usually takes months.
What our Fairwind Program partners are saying
Built with safety in mind
3.8 Flash ships with safeguards against misuse in the domains of Chemical, Biological, Radiological, and Nuclear (CBRN) and cyber offense, while enabling beneficial use cases, as per our Frontier Safety Framework. 3.8 Flash Cyber ships with a more permissive set of mitigations for cybersecurity, and as such, is only available to trusted defenders who require a more comprehensive set of cyber capabilities.
Gemini 3.8 models have also made a significant leap in prompt injection robustness as measured by Gray Swan, protecting Gemini model users from prompt-injection related malicious attacks.
Gemini 3.8 Flash and Cyber: get started today
- Developers: Build with 3.8 Flash and explore agent-first workflows in Google Antigravity or start building today in the Gemini API via Google AI Studio and Android Studio, or generate UIs in Stitch. Get started with our developer docs.
- Enterprises: Access 3.8 Flash in Gemini Enterprise.
- Consumers: 3.8 Flash is available to Google AI Pro and Ultra subscribers across the Gemini app, AI Mode in Google Search and Gemini in Google Sheets.
- Cyber: Through our new Fairwind Program, we’re providing trusted government authorities, as well as critical infrastructure operators and software maintainers with prioritized access to Gemini 3.8 Flash Cyber. Apply for access.