给Agent排了个三小时的重构任务，账单一出来吓一跳：旗舰模型跑一轮DeepSWE长任务平均要花11.84美元，同样的活换个模型只要2.36美元，成功率还不掉。这就是9月3日Google悄悄上线的Gemini 3.8 Flash给出的答案。我翻完了官方跑分和多家第三方实测，把它拆开揉碎讲清楚，看完你就知道该不该切换。
六周连发三代，这次Flash想干旗舰的活
先交代背景：7月21日Gemini 3.6 Flash、8月13日3.7 Flash、9月3日3.8 Flash，Google六周三连发，更新节奏堪比手机OS。这一代定位很直接——最聪明的Flash主力模型，重点补强长程软件工程、自主Agent工作流和复杂多步推理。
规格上它支持100万token上下文、64K最大输出，提供low/medium/high三档思考强度，输入原生覆盖文本、图像、视频、音频和PDF。使用入口包括Gemini API、AI Studio和Antigravity（后者已把3.8 Flash设为默认模型）。值得注意的设计取向是：Google没有走”砍token省钱”的老路，反而明确说3.8在复杂任务上会主动增加推理步骤和工具调用，用更多计算换更强的完成度。同场还发布了面向安全防御的3.8 Flash Cyber变体（CyberGym漏洞发现86.2%，仅向Fairwind Program的认证防御者开放），侧面说明这一代的核心智能是在网络安全的”硬任务”里练出来的。
实测：跑分摸到旗舰门槛，细节完成度还是Flash级
跑分层面确实唬人。Terminal-Bench 2.1拿到90.8%，比3.7 Flash的81.6%暴涨9.2个点，还反超了Claude Opus 5（89.1%）和GPT-5.6 Sol（88.8%）；DeepSWE v1.1长周期软件工程测试73.7%，距Opus 5的74.0%只差0.3个点，并压过GPT-5.6 Sol的72.7%。
| 基准测试 | Gemini 3.8 Flash | Claude Opus 5 | GPT-5.6 Sol | Gemini 3.7 Flash |
|---|---|---|---|---|
| DeepSWE v1.1（长程工程） | 73.7% | 74.0% | 72.7% | 65.3% |
| Terminal-Bench 2.1（终端任务） | 90.8% | 89.1% | 88.8% | 81.6% |
| 单任务平均成本 | $2.36 | $11.84 | $6.46 | $2.03 |
但真实体验没那么完美。302.AI基准实验室的实测给了很冷静的结论：动态SVG图形生成、3D城市地图这类任务它速度极快、代码生成利落，可细节完成度明显逊色——网页复刻的视觉还原度输给同级竞品，多模态推理偶尔凭经验”脑补”答案。另一位开发者的评价很传神：”它非常努力，但有时候不知道自己为什么这么做。”换句话说，能跑出完整Demo和达到工程质量之间还有一道沟，产出需要人工检查和返工。同一任务它比3.7 Flash多花了约15%的token成本（$2.36对$2.03），单次基准成功成本$3.19对$3.12——涨价没涨在单价上，涨在思考步数上。
价格才是王牌：输入$0.75，只有旗舰的零头
3.8 Flash目前延续Flash系列的促销价：每百万token输入0.75美元、输出3.75美元（2026年12月31日前，之后涨到1.50/7.50美元）。对比同档竞品：
| 模型 | 输入/1M token | 输出/1M token | 定位备注 |
|---|---|---|---|
| Gemini 3.8 Flash | $0.75 | $3.75 | 年底前促销价，之后翻倍 |
| Gemini 3.7 Flash | $0.75 | $3.75 | 效率优先场景可继续用 |
| GPT-5.6 Luna | $0.20 | $1.20 | 更便宜，但能力低一档 |
| Claude Haiku 4.5 | $1.00 | $5.00 | 同档轻量选手 |
| Claude Opus 5 | $5.00 | $25.00 | 旗舰参照系，贵约5倍 |
| Qwen3.8-Flash | $0.16 | $0.47 | 国产性价比天花板 |
算笔实在账：同样的编码任务，3.8 Flash的成本约为Opus 5的五分之一，输出token单价更是便宜超过80%。对每天跑几百次工具调用的Agent流水线来说，这个差距会直接决定项目能不能盈利。之前我们实测Qwen3.8-Max-0902时提过国产模型的性价比优势，现在Google等于用促销价正面回击。
优缺点清单：值不值得换，看你的活儿
优点：一是速度，Artificial Analysis速度榜仅次于Flash-Lite，Agent多轮调用几乎无感等待；二是智能/成本比，DeepSWE同一成功率带里成本最低；三是三档effort可调，难题开high、日常分类用low，成本可控；四是Antigravity里的循环指令模式适合让模型自己迭代到跑通为止。
缺点：一是复杂任务token消耗比3.7更高，”单价没变”不等于”账单没变”；二是细节打磨欠火候，视觉还原度和复杂逻辑需要人盯；三是促销价12月31日到期后输入直接翻倍到$1.50；四是知识截止2026年3月，时效性内容仍需挂搜索。
适合谁：高频调用Agent流水线、原型验证、批量代码审查、预算敏感的长任务团队。不适合谁：对产出细节和审美要求苛刻的前端交付、以及纯粹比拼极限低价的场景——那个位置属于Qwen3.8-Flash。想体验Agent编排思路，也可以参考我们之前写过的豆包工作实测。
一句话总结：Gemini 3.8 Flash是目前性价比最高的”Agent干活型”模型——跑得快、跑得便宜、成功率够用，只要你接受它交付的每个Demo都需要你亲自把最后一道关。
