Google DeepMind 发布 Gemini 3.8 Flash 双版本：从智能体编程到自动化漏洞修复的全面跃迁

一次发布，两条战线：Google DeepMind 把 Flash 系列推向新高度

当业界还在消化三周前 Gemini 3.7 Flash 带来的冲击时，Google DeepMind 再次出手。六周内第三次更新 Flash 产品线，这次一口气推出两个变体——Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber。前者瞄准长周期编程与自主智能体，后者则专攻网络安全防御场景。两者共享同一套底层智能核心，却在各自领域展现出接近甚至超越更大规模前沿模型的能力。

从定价策略看，Gemini 3.8 Flash 延续了 3.7 Flash 的入门价格：每百万输入 token 0.75 美元，每百万输出 token 3.75 美元。这意味着性能提升并未伴随成本上涨，对于需要大规模部署智能体工作流的企业而言，这一信号尤为关键。

为什么 3.8 Flash 能在编程任务上逼近高成本前沿模型？

核心设计思路可以概括为一句话：让模型更“肯干”。在复杂任务中，Gemini 3.8 Flash 会主动执行更多推理步骤，反复调用工具进行迭代验证。这种“长周期智能体循环”机制，使其在 DeepSWE v1.1 长周期软件工程基准上，能够以远低于大型前沿模型的成本，端到端自主解决复杂工程问题。

在量化金融与专业法律领域，3.8 Flash 同样表现突出。Vals Finance Agent V2 与 Harvey 法律智能体基准测试中，它均超越了 3.7 Flash 及其他前沿模型。HLE-Verified 测试中达到 54.9% 的成绩，说明其在 STEM、人文学科与专业领域的多步推理能力已相当扎实。

值得注意的是，这种性能提升并非没有代价。模型在高努力级别下可能消耗更多 token。对于计算效率优先的场景，开发者可以选择降低努力级别，或继续使用仍获全面支持的 Gemini 3.7 Flash。

实际演示：从 3D 游戏到 DOS 版谷歌地图

Google DeepMind 展示了一系列由 Gemini 3.8 Flash 在 Google Antigravity 与 Google AI Studio 中构建的案例：

• 仅用一条循环指令提示词，便生成了一款包含解谜、环境叙事与 Nano Banana 生成纹理的沉浸式 3D 城堡游戏；
• 单次提示词构建出功能完整的 DOS 版谷歌地图，支持地点、路线与街景浏览；
• 利用美国地质调查局真实数据集，生成著名地质遗址的实时剖面、二维投影与科学解释地形图；
• Hardware Anatomy 交互式 3D 可视化工具，可自动将硬件设备分解为可爆炸查看的图层。

这些案例共同指向一个趋势：智能体编程正从“写代码片段”迈向“交付完整可运行产品”。

Gemini 3.8 Flash Cyber：把防御能力做成前沿水平

网络安全是本次发布的另一条主线。Gemini 3.8 Flash Cyber 通过新设立的 Fairwind Program 向受信任的防御方开放，强调在 Flash 级别的速度与成本下实现快速迭代。

自主漏洞发现

在行业标准漏洞发现基准 CyberGym 上，3.8 Flash Cyber 展现出前沿级性能，超越 3.5 Flash Cyber 及规模更大的前沿模型。更贴近真实防御需求的是，Google DeepMind 还构建了覆盖 20 种编程语言的内部综合基准，模型在其中实现了超过 70% 的成功率。

自动化补丁修复

与部分厂商优先发展攻击性能力不同，Google DeepMind 明确将漏洞修复置于更高优先级。在 Collinear 运营的 CWE-Bench 外部基准上，3.8 Flash Cyber 的 pass@1 达到 47.2%，与领先前沿模型的 47.8% 几乎持平，但成本显著更低，处于帕累托前沿。

真实场景验证

Chrome 安全团队发现，3.8 Flash Cyber 为 Chrome 漏洞生成正确补丁的数量，是规模大得多的最佳商用模型的 2.6 倍。Wiz 的测试则显示，其内部渗透测试召回率提升了 7.5% 至 9.7%。这些来自一线安全团队的反馈，比基准分数更具说服力。

国内视角：国产大模型在智能体编程与安全方向的进展

在智能体编程与代码生成赛道，国内厂商并未缺席。字节跳动的豆包大模型在代码补全与多轮工具调用上持续迭代；DeepSeek 系列以高性价比推理能力在开发者社区获得广泛关注；通义千问的 Qwen-Coder 系列在开源代码模型榜单中长期占据前列；智谱 GLM 与月之暗面 Kimi 也在长上下文与智能体任务上不断加码。

网络安全方向，国内安全厂商与大模型团队的合作正在加速。讯飞星火、文心一言等平台已推出面向代码审计与漏洞分析的行业方案，但在自主漏洞发现与自动化补丁生成的端到端闭环上，与 Google DeepMind 此次展示的 Fairwind Program 模式仍有差距。差异主要体现在两方面：一是高质量安全语料的积累与合规使用，二是与真实防御流程的深度集成。Gemini 3.8 Flash Cyber 选择优先发展修复而非攻击能力，这一取向对国内安全大模型的路线选择也有参考价值。

开发者该如何选择？

面对 3.7 Flash 与 3.8 Flash 并存的局面，决策逻辑并不复杂：

• 若任务涉及长周期自主编程、复杂多步推理或专业领域分析，优先选用 3.8 Flash；
• 若计算成本是首要约束，可降低努力级别或继续使用 3.7 Flash；
• 若属于受信任防御方且有漏洞发现与修复需求，可申请 Fairwind Program 获取 3.8 Flash Cyber。

更多技术细节可参考 Google DeepMind 官方博客 与 Gemini 模型文档。

常见问题

Gemini 3.8 Flash 和 3.8 Flash Cyber 有什么区别？

两者共享同一底层智能核心。3.8 Flash 面向通用长周期编程与自主智能体任务，按 token 计费开放；3.8 Flash Cyber 专攻网络安全防御，通过 Fairwind Program 向受信任防御方开放，重点强化漏洞发现与自动化补丁修复。

Gemini 3.8 Flash 的定价是多少？

延续 3.7 Flash 的入门价格：每百万输入 token 0.75 美元，每百万输出 token 3.75 美元。

3.8 Flash 在编程基准上的表现如何？

在 DeepSWE v1.1 长周期软件工程基准上，它以远低于大型前沿模型的成本，端到端自主解决复杂工程问题；在 Vals Finance Agent V2 与 Harvey 法律智能体基准上也超越 3.7 Flash 及其他前沿模型。

什么是 Fairwind Program？

Fairwind Program 是 Google DeepMind 为受信任防御方设立的项目，用于开放 Gemini 3.8 Flash Cyber 的访问权限，帮助安全团队在 Flash 级速度与成本下进行漏洞发现与修复。

国内有哪些同类产品值得关注？

豆包大模型、DeepSeek 系列、通义千问 Qwen-Coder、智谱 GLM 与 Kimi 均在智能体编程方向持续迭代；安全方向则有讯飞星火、文心一言等平台推出代码审计与漏洞分析方案，但在端到端自动化补丁闭环上仍在追赶。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。