Gemini 3.8 Flash 发布：软件与智能体新突破

▲ 794bratao472 HN 评论区

Google DeepMind 于2026年9月发布了Gemini 3.8 Flash，这是Gemini 3系列的最新迭代版本。该模型在软件工程、智能体任务及复杂知识工作流方面实现了显著性能提升，同时延续了可定制的努力级别，让用户能灵活平衡质量、成本与延迟。Gemini 3.8 Flash 基于Gemini 3.7 Flash构建，支持高达100万token的上下文窗口，并输出最多64K token的文本。尽管在多语言安全评估中略有回退，但整体安全表现与前代持平，且通过了严格的儿童安全红线测试。该模型知识截止日期为2026年3月，适用于开发者、企业及通用智能体场景，是生产级部署的理想选择。

Gemini 3.8 Flash 专为成本效益扩展通用型、生产就绪的智能体而设计，适用于软件工程、智能体任务和复杂知识工作流。
阅读原文 →HN 评论区RSS

HN 评论区

472
  1. simonw

    速度加上它在 HTML 和 JavaScript 方面表现出色的事实，真的让人兴奋。

    这是我用 1.8 美分和 13 秒，通过提示词“用 HTML 给我做个酷东西”得到的结果：

    https://gisthost.github.io/?6a77bc41a81718c6aaa10d4ab243c59f

    对话记录在这里（这是聊天的一部分）：https://gist.github.com/simonw/b6149a49d327164d67d62c3d12992...

  2. jampa

    我一直在用 Gemini 3.7 开发我的个人旅行规划应用。在多个基准测试中，它在所有我尝试的项目上都排名更高：

    - 现实世界知识（某处何时开门关门、地理位置、历史事实）。它在处理一组地点并规划访问顺序方面也是最好的。

    - 图片排序（哪张图适合作为主图）。Gemini 能分辨出照片拍的是物体本身，还是从该处看到的风景。

    - 文档解析（从 PDF 中提取相关的旅行信息）。

    如果你用大模型做任何非代码相关的事情，我强烈建议不要像我之前那样，仅仅因为其他模型更流行就忽视 Gemini。

  3. mattlondon

    目前在 https://deepswe.datacurve.ai 上排名第一，击败了 Opus 5！

    https://artificialanalysis.ai/models/gemini-3-8-flash 显示其智能得分为 59，与 Opus 5 medium 相同！

    哇——对于一个 Flash 模型来说，这个基准测试表现非常强劲。至于实际使用体验如何，还有待观察。

  4. simonw

    鹈鹕（思考强度：高、中、低）：https://tools.simonwillison.net/markdown-svg-renderer?url=ht... - 高成本 8.9742 美分

    这是 3.7 版本的鹈鹕用于对比：https://tools.simonwillison.net/markdown-svg-renderer.html?u... - 高成本 8.4387 美分

    （我觉得在低思考强度级别上，3.8 相比 3.7 是退步了。）

  5. simonw

    Gemini 模型最有趣的地方仍然是其多模态支持：它们接受音频和视频输入，而 OpenAI 和 Anthropic 的旗舰模型目前仍仅限于图像。

    Gemini Flash 也很便宜，因此非常适合进行媒体分析，比如从图像和视频中提取结构化数据。

  6. brap

    人们最近对 Gemini 有点视而不见，但这几次快速发布的 Flash 版本确实非常优秀。

    这类快速且廉价的模型非常适合那些可验证且可以无限重试的任务（比如写代码），你基本上可以用良好的框架（harness）以极少的时间和金钱成本获得前沿水平的结果。

  7. mattlondon

    哇，这距离 3.7 Flash 发布才过去多久——3 到 4 周？而 3.7 Flash 距离 3.6 Flash 好像也是 3 到 4 周，如果我没记错的话？

    我热切地等待更多信息，但这听起来像是没有了 Demis 指手画脚的 DeepMind 终于被释放了，正在全速运转？真是令人震惊！

    到了这个地步，这当然已经是个梗了，但 3.5 Pro 在哪里呢？:)

  8. a11r

    看来定期更新并逐步改进的策略效果很好。有趣的是，Artificial Analysis 智能指数得分最大的提升出现在中等推理级别（3.7 的低、中、高分别为 51、53、57，而 3.8 分别为 52、57、59）。我认为较低推理级别的得分更能反映模型的真实能力，因为高级别推理往往专注于刷基准分（benchmaxxing）。我们在生产环境中使用最低推理级别，效果很好。

  9. abixb

    我喜欢 Google 在这里的策略。最近这些新的 Flash 模型（Flash 3.6、3.7 以及现在的 3.8）显然是从一个更大的未发布模型（据传闻是 Gemini 3.5 Pro）蒸馏而来的。

    模型发布中较少被讨论的一个方面是缓存失效（底层架构、权重或分词器的变化）；我认为 Google 似乎正在从 2 月份发布的最后一个“Pro”版本（3.1）中榨取最大价值。

    小模型追赶上大模型的消息太棒了。

  10. newppc

    如果 Google 有实力且想赢，他们需要开始发布世界模型（world models）。

同日更多故事

2026-09-02