谷歌杀疯了！Gemini 3.8 Flash 昨夜正式发布，六周内连更三款 Flash，43 天三代迭代，Jeff Dean 都走了谷歌还在疯狂卷模型，这节奏直接把 AI 圈整麻了🔥

先看硬数据，确实猛：

- LMArena Agent 榜空降第 14，微弱优势险胜 DeepSeek-V4-Pro
- DeepSWE v1.1 拿 73.7%，距 Opus 5 的 74.0% 仅差 0.3 个百分点
- Terminal-Bench 2.1 以 89.4% 反超 Opus 5 的 89.1%
- HLE-Verified 人类终极考试 54.9%，和旗舰差距肉眼可见缩小
- 输出速度 305 token/s 断层第一，几乎是第二名 Meta 的两倍
- 定价一分没涨：输入 $0.75 / 百万 Token，输出 $3.75 / 百万 Token

对一款走量定位的 Flash 来说，这表现确实超常发挥了。

但全网都在调侃谷歌这波是 "邪修"——

OpenAI 和 Anthropic 都在努力让模型用更少步骤完成任务，谷歌反其道而行：完成任务需要的步骤越来越多，主打靠 Loop 大力出奇迹。面对复杂任务，3.8 Flash 会多走几步推理、反复迭代调用工具，高 effort 档位下比前辈烧更多 Token。

代价就是：虽然 Token 单价没涨，但单任务成本 0.58 美元，比 3.7 Flash 反而涨了约 40%，每个任务平均输出 4.8 万 Token。所谓性价比，好像也没那么香了。

更尴尬的是刷分争议。在 8 月底刚出的 Terminal-Bench 4.0 上，3.8 Flash 直接拉胯到 19.1%，而 Opus 5 是 51.8%—— 老基准猛如虎，新基准原形毕露，网友直言 "纯纯刷分刷出来的"。

真正的隐藏杀器是 3.8 Flash Cyber——

谷歌史上最强网络安全模型，专攻自主挖漏洞、自动生成补丁。CyberGym 漏洞发现测试 86.2% 屠榜，覆盖 20 种编程语言的内部代码库挖洞成功率超 70%，CWE-Bench 修洞 pass@1 达 47.2%，几乎打平领跑的前沿模型（47.8%），成本却低一大截。

实战更炸裂：Chrome 安全团队拿它修洞，正确补丁数量是最强商业模型的 2.6 倍；Wiz 用它跑渗透测试，召回率提升 7.5-9.7 个百分点，花费只有其他模型的 1/2.3 到 1/5.2；最夸张的是 Google Cloud 漏洞研究团队，用它不到 2 小时就挖出一个以往需要研究数月的关键基础漏洞。

可惜能力太强，不公开发布，仅通过 Fairwind 计划向受信防御者开放 —— 又是一个只守不攻的模型。

DeepMind 姚顺宇的点评很到位：对模型来说只是一小步，对 RSI（递归自我改进）来说是一次巨大飞跃。六周三款 Flash 搞不好只是开胃菜，谷歌内部代码突击队由 DeepMind CTO 领导、联创布林直接监督，目标是逼出递归自我进化，把模型改造成全自动 AI 研究员。

而就在谷歌发模型的当口，Meta 也端出了 Muse Spark 1.3——

智能指数 62 分，与 Claude Fable 5 持平，压过 Gemini 的 59 分。编程能力优于 GPT-5.6 Sol，与 Fable 5.1 旗鼓相当，工具调用次数还减少约 20%。Meta 首席 AI 官 Alexandr Wang 直接阴阳："Gemini，谁啊？"

前一天 Anthropic 刚发 Fable 5.1（智能指数 66 分登顶），OpenAI 在为 Astra 预热，谷歌六周三款 Flash 疯狂迭代，Meta 同日硬刚 —— 大模型三国杀，已经进入白热化了。

谷歌想重回第一梯队，光靠 "邪修"Trick 估计不够，还是坐等 Pro 吧。#极客头条#