模型評測 · 官方基準測試 · 相同提示詞的 API 測試
Gemini 3.8 Flash 是 Google 針對長期軟體工程、代理程式及複雜知識工作所推出的全新正式版 Flash 模型。其發布時的宣稱相當強勢，但我們進行的首批受控測試結果卻遠不如預期那般理想。.
這篇關於 Gemini 3.8 Flash 的評測，將官方資訊與實際測試結果區分開來。Google 的相關頁面確認了發布日期、模型狀態、上下文視窗、定價、工具以及效能測試聲明。透過七項使用相同提示詞的 API 任務，我們得以了解該模型實際返回的結果，並與 Gemini 3.7 Flash 進行對比。.
如果您想重複進行比較，卻不想管理獨立的模型分頁，, GlobalGPT 提供一個工作區，用於測試多個 AI 模型。關於上一代產品的背景資訊，我們的 Gemini 3.6 快速評測 這顯示了 Flash 系列產品線的變化有多快。.
Gemini 3.8 快速評測：簡短結論
在這項首輪七項任務的評測中，Gemini 3.8 Flash 的表現未勝過 Gemini 3.7 Flash。. 在六組可用的配對中，3.8 在前端規劃任務中勝出，於 Python 錯誤修正任務中打平，並在狀態精確度、資料推理、有界代理規劃及 SEO 編輯這四項任務中落敗。其餘的研究任務則未有定論。.
這項差距並非源於基礎知識的不足，而是來自完成作品中的細微瑕疵：一個分母計算錯誤、狀態標籤過於寬鬆、行文不夠精煉，以及工具規劃不夠具體。這些細節正是決定答案能否立即派上用場的關鍵。.
評論快照
| 度量 | Gemini 3.8 Flash | Gemini 3.7 Flash |
|---|---|---|
| 任務勝利 | 1 | 4 |
| 領帶 | 1 | 1 |
| 已完成任務的耗時 | 49.266 秒 | 42.909 秒 |
| 已完成任務的輸出標記 | 9,199 | 7,489 |
| 預估已完成任務的成本 | $0.036121 | $0.028569 |
這些結果描述了在單一 API 路徑及單一配置下執行的六項小型文本任務。它們並非對任一模型的通用排名。.
什麼是 Gemini 3.8 Flash？
Google 對 Gemini 3.8 Flash 的說明 作為其用於編碼與代理的最具智慧的 Flash 主力系統，特別著重於長遠的軟體工程與知識工作。該系統基於 Gemini 3.7 Flash，而非完全獨立的架構。.
這種定位至關重要，因為這不僅僅是一款價格更低的通用聊天機器人。Google 將 3.8 Flash 定位為一款生產級代理模型，它能夠在文件、工具、程式碼以及較長的任務序列之間進行推理，同時維持與 Flash 相當的延遲和擴展性。.
Gemini 3.8 更新版本發布日期
的 官方模型卡 發表於 2026年9月2日. Google 的產品頁面顯示，該機型已全面上市，而非僅限預覽版本。.
與 Gemini 3.7 韌體相比，有哪些變化？
官方的重點已轉向執行時間較長的代理任務及最終產出成果。Google 特別強調軟體工程、嚴謹的推理、工具執行、多模態理解，以及複雜的企業級工作。在我們的小型測試集裡，這種定位體現為最強的前端方案，但並未在各方面都帶來更可靠的最終答案。.
Gemini 3.8 快閃記憶體規格與供貨狀況
| 規格 | Gemini 3.8 Flash | 證據 |
|---|---|---|
| API 模型 ID | gemini-3.8-flash | 官方定價頁面與 API 回傳的回應 |
| 狀態 | 正式推出 | Google DeepMind 產品頁面 |
| 輸入上下文 | 最多 100 萬枚代幣 | 官方人物卡 |
| 最大文字輸出量 | 64K 代幣 | 官方人物卡 |
| 輸入 | 文字、圖片、音訊、影片及 PDF 檔案 | 官方產品頁面 |
| 輸出 | 文本 | 官方人物卡 |
| 工具支援 | 函式呼叫、搜尋作為工具、電腦使用 | 官方產品頁面 |
| 官方通行區域 | Gemini 應用程式、Gemini 企業代理平台、Google AI Studio、Gemini API、AI 模式，以及 Google Antigravity | 官方人物卡 |
| 知識截止 | 部分網域為 2026 年 3 月；其餘網域則為 2025 年 1 月 | 官方人物卡 |
100 萬個代幣的窗口僅代表處理能力，並非證明能完美檢索長篇文件。下方的測試包包含一個短篇且對狀態敏感的提取任務，但並未驗證其在 100 萬個代幣規模下的表現。.
Gemini 3.8 快閃定價與 API 費用
的 Gemini API 官方定價頁面 列出截至 2026 年 12 月 31 日的發射頻率為 每 100 萬輸入代幣為 $0.75 和 每 100 萬個輸出代幣為 $3.75, ，包括思考代幣。2027年1月1日，這些費率將調升至 $1.50 和 $7.50。.
已公布的價格變動
付費層級每 100 萬枚代幣的價格。2027 年 1 月的費率是 2026 年優惠期費率的兩倍。.
在我們的測試期間，Gemini 3.8 Flash 與 Gemini 3.7 Flash 的公布起始費率相同。儘管如此，由於 3.8 的記錄代幣使用量較高，因此每筆完成的交易對成本都更高。 在 T02 至 T07 期間，3.8 的估算值為 $0.036121，而 3.7 的估算值則為 $0.028569。.
若想了解速度與成本曲線上的另一個切點，請參閱我們的 Gemini 3.5 Flash Lite 評測. Lite 機型適用於不同的工作負載，因此其較低的價格不應被視為品質上的自動優勢。.
Gemini 3.8 Flash 官方基準測試
Google 的效能頁面重點介紹了四個領域：DeepSWE v1.1、Vals Finance Agent v2、Harvey’s Legal Agent Benchmark 以及 HLE-Verified。其圖表顯示，在所有三項評估中，Gemini 3.8 Flash 的表現均優於 Gemini 3.7 Flash，且公布了確切的百分比數據。.
| 官方評估 | Gemini 3.8 Flash | Gemini 3.7 Flash | 證據範圍 |
|---|---|---|---|
| DeepSWE v1.1 | 在 Google 的圖表中，高於 70% | 圖表中低於 3.8 | Google 表示，在「高效能」領域中，3.8 位居首位；但公開圖表並未顯示確切的數值標籤。. |
| Vals 財務代理程式 v2 | 61.4% | 59.0% | Google 官方圖表；該基準的完整評估方法仍至關重要。. |
| 哈維的法律代理人基準 | 10.0% | 8.8% | 此基準測試結果並不保證在實際部署時具有法律上的準確性。. |
| 經 HLE 驗證 | 54.9% | 53.6% | 它並未直接衡量 SEO 編輯、UI 規劃或回應效率。. |
我們如何測試 Gemini 3.8 Flash
兩款模型均收到相同的任務提示、溫度參數 0、3,200 個代號的輸出上限，以及相同的 API 路徑。由於首次 3.8 次請求因技術問題失敗，因此針對兩款模型均重新執行了一次 T02；僅對匹配的重跑結果進行評分。.
| 記錄欄位 | 使用方式 |
|---|---|
| 退回的模型 ID | 已確認所請求的模型已作出回應。. |
| 實際產出 | 比較了正確性、完整性、狀態一致性以及所需的編輯工作。. |
| 已過去的秒數 | 測量的是本地端到端的響應時間，而非供應商端的延遲。. |
| 輸入與輸出標記 | 支援以官方入門費率進行的任務層級成本估算。. |
| 完成原因 | 將可用的答案與不完整或受預算限制的結果區分開來。. |
Gemini 3.8 Flash 實際測試結果
每張卡片都將任務內容、實際提交的作品、評量結果以及編輯評語整合在一起。為便於閱讀，摘錄內容已加以縮減，但仍保留了關鍵細節。.
測驗 1：研究綜述
任務： 請根據已鎖定的事實集，撰寫一篇 180 字的買入建議，內容須包含三個理由、兩個未知數及一份測試計畫。.
Gemini 3.8 Flash
18.211 秒 · 361 個輸入標記 / 3,196 個輸出標記 · 估計 $0.012256
“「我們建議選擇 A 型號…… 3. 價格一致性：A 型號與 B 型號的 API 入門價格相同」”
Gemini 3.7 Flash
13.490 秒 · 108 個輸入 / 3,196 個輸出標記 · 估計 $0.012066
“「我們直接建議試行並採購 A 型號……截至 12 月 3 日，兩款型號的 API 入門價格均維持完全相同。」”
這兩則回答都在句子中途戛然而止，尚未提及所需的未知數和測試計畫。3.8 號的回覆報告指出 停止, ，而 3.7 版則指出 長度; ；這兩種原因都不會改變對可用性的判斷。.
測驗 2：Python 錯誤修正
任務： 回傳三筆數值最高的已支付記錄，在數值相同時保留輸入順序，處理空輸入，說明根本原因，並新增兩項測試。.
Gemini 3.8 Flash
7.969 秒 · 344 個輸入 / 1,517 個輸出令牌 · 估計 $0.005947
paid.sort(key=lambda r: r["amount"], reverse=True)
該文說明了 Python 的穩定排序，並針對排序結果、並列情況、篩選以及空輸入進行了測試。.
Gemini 3.7 Flash
7.818 秒 · 91 個輸入 / 1,359 個輸出標記 · 估計 $0.005164
paid.sort(key=lambda r: r["amount"], reverse=True)
它回傳了同樣的最小修正方案，並涵蓋了相同的驗收標準。.
這兩段程式碼在功能上相當。第 3.7 題的解答稍短且執行成本較低，但這並不足以造成輸出品質的差異。.
測試 3：文字型前端實作計畫
任務： 針對所述的結帳流程，規劃五項優先處理的修正事項、響應式行為及品質保證（QA）工作。未提供螢幕截圖。.
Gemini 3.8 Flash
10.128 秒 · 340 個輸入 / 1,509 個輸出標記 · 估計 $0.005914
其中規定了 58/42 的桌面版面配置、48–52 像素的行動呼籲按鈕（CTA）、鄰近的信任標示、情境式折扣提示、行動版訂單摘要摺疊面板、焦點狀態，以及溢出檢查。.
Gemini 3.7 Flash
8.149 秒 · 87 個輸入 / 1,416 個輸出標記 · 估計 $0.005375
該提案雖然提出了類似的網格與行動端技術堆疊，但新增了「256 位元加密結帳」功能，而這項細節在該任務中並未提及。.
這兩項計畫皆可執行。3.8 號計畫具備更完善品質保證檢查清單，且避免提出具體的加密主張。.
測試 4：狀態感知式提取
任務： 將 Orion 進行彙總，並將「已確認」、「已規劃」、「已核准」、「待處理」、「未知」及「未經核實」等狀態儲存至事實表中。.
Gemini 3.8 Flash
6.292 秒 · 371 個輸入 / 1,122 個輸出標記 · 估計 $0.004486
它將第二位試飛員標記為「已確認／待處理」，並註明第一位試飛員「成功處理」了 82% 件案件。.
Gemini 3.7 Flash
7.126 秒 · 118 個輸入 / 1,152 個輸出標記 · 估計 $0.004409
它將「推出」狀態維持為「已規劃（未核准）」，「法律審查」狀態維持為「已規劃（待處理）」，而「生產就緒」狀態則維持為「未知」。“
兩者均保留了核心事實，但 3.7 將「已批准」、「規劃中」、「待審查」及「狀態不明」這四種狀態區分得更為精確。兩者均在中立的 82% 試點聲明中加入了「成功」一詞。.
測驗 5：數據推理
任務： 計算 ROAS 和付費轉換率、正確處理零支出分母、對管道進行排名，並建議採用「$300」的條件式分配比例。.
Gemini 3.8 Flash
11.074 秒 · 377 個輸入 / 2,355 個輸出標記 · 估計 $0.009114
它正確地將電子郵件的 ROAS 評定為 7.0×、搜尋的 ROAS 為 3.0×、社群媒體的 ROAS 為 2.6×，並將合作夥伴的 ROAS 排除在外。接著指出，零支出會導致 ROAS 和 CPA 的分母皆為零。.
Gemini 3.7 Flash
9.106 秒 · 124 個輸入 / 1,969 個輸出標記 · 估計 $0.007477
它回傳了相同的正確排名，並將合作夥伴 ROAS 視為無法衡量，隨後在電子郵件能擴大規模時，建議採用 $200 電子郵件 / $100 搜尋。.
第 3.8 題的答案存在一個真正的數學錯誤：CPA 是支出除以轉換次數，因此 $0 除以 4 的結果仍是 $0，並非分母為零的情況。.
測試 6：有界代理規劃
任務： 請使用四種指定工具來蒐集一項官方 API 價格，若遇到非官方或含糊不清的證據則停止，並以不超過 220 字的篇幅定義「完成」的標準。.
Gemini 3.8 Flash
5.603 秒 · 354 個輸入 / 948 個輸出標記 · 估計 $0.003821
該流程圖繪製了「搜尋」、「擷取」、「解析」及「儲存」等步驟，並增設了「真實性」、「可用性」及「價格透明度」等審核關卡。.
Gemini 3.7 Flash
5.127 秒 · 101 個輸入 / 894 個輸出標記 · 估計 $0.003428
它採用了明確的工具呼叫語法，名為 model_pricing.csv, 需要不同的輸入與輸出速率，並將一列經驗證的資料視為完成。.
這兩項計畫都符合停止條件。3.7 號計畫對於可用的呼叫及儲存的產出物有更具體的說明，且不會假設工具已執行完畢。.
測驗 7：SEO 撰稿與編輯
任務： 僅回傳 HTML 內容，精確使用「Gemini 3.8 Flash 評測」一次，保留四項已鎖定的事實，並避免出現未經證實的結果、價格、日期或存取聲明。.
Gemini 3.8 Flash
8.200 秒 · 379 個輸入 / 1,748 個輸出標記 · 估計 $0.006839
<p>本篇關於 Gemini 3.8 Flash 的評測，透過將官方基準測試結果與採用相同提示的 API 測試進行比較，來評估這款 Google 機型；實際操作結果尚待評估紀錄出爐：</p>Gemini 3.7 Flash
5.583 秒 · 126 個輸入 / 699 個輸出令牌 · 預估 $0.002716
<p>這篇關於 Gemini 3.8 Flash 的評測，透過將官方基準測試結果與採用相同提示的 API 測試進行比較，來分析這款 Google 的新機型；實際操作結果目前尚未公布。.</p>兩者都符合結構要求並包含關鍵事實。第 3.7 句的表述更簡潔，讀起來像是一篇可發表的 SEO 文案；而第 3.8 句中「如評估紀錄所示」的句式則顯得有些生硬。.
Gemini 3.8 閃光測試評分表
| 任務 | 優勝者 | 決定性的差異 |
|---|---|---|
| 研究綜述 | 無法得出明確結論 | 兩者皆不完整 |
| Python 錯誤修正 | 平手 | 等效程式碼與覆蓋率 |
| 前端規劃 | Gemini 3.8 Flash | 更完善的质量保证，且不提出虛構的加密主張 |
| 狀態擷取 | Gemini 3.7 Flash | 更精確的狀態標籤 |
| 資料推理 | Gemini 3.7 Flash | 無 CPA 分母錯誤 |
| 代理式規劃 | Gemini 3.7 Flash | 更多具體的呼叫與實體 |
| SEO 編輯 | Gemini 3.7 Flash | 更簡潔且適合發表的句子 |
這項結果為發布報導提供了有用的平衡視角。Gemini 3.8 Flash 雖然在 Google 選擇突顯的官方代理模型與長期評估方面表現更強，但在我們進行的四項小型受控任務中，3.7 版本卻產出了更優質的最終成果。.
Gemini 3.8 我們觀察到的 Flash 限制
最大的問題並非某次重大失誤。而是 額外的校對工作：分母計算錯誤、狀態標籤表述模糊、SEO 句式生硬，以及每項完成的任務所消耗的代幣數量過多。此外，T01 在尚未完成一項嚴格規定為 180 字的交付成果前便已結束。.
此測試套件僅使用文字。它不會評估圖片、音訊、影片、PDF 檔案、電腦操作、真正的長文脈檢索，或是長達數小時的代理程式運行。Google 的模型說明卡也指出，在較高的努力程度下，可能會出現幻覺、偶爾的運作遲緩或超時，以及較高的標記使用量。.
Gemini 3.8 閃存評測：最終評語
Gemini 3.8 Flash 對於基於代理的及長時域工作負載而言，是一項具有實質意義的官方升級，但並非適用於所有日常任務的自動升級。. 在本次評測中，它贏得了六組可用配對中的其中一組，而 Gemini 3.7 Flash 則贏得了四組，且耗時較少、產出代幣較少，估算成本也較低。.
實際的經驗教訓是：應針對您實際發布的工作進行測試。若您的工作負載屬於長期運行的軟體工程或涉及大量文件的代理程式執行，根據 Google 的官方基準測試指引，版本 3.8 值得認真嘗試。若您的重點在於簡潔的編輯、小規模的資料分析，或對狀態敏感的摘要處理，我們的初步結果顯示，版本 3.7 仍具備極高的競爭力。.
在我們早先的研究中也出現了相同的模式 Gemini 3.6 Flash 與 Gemini 3.1 Pro 比較: 世代標籤並不能取代並排的產出檢查。在 GlobalGPT, 檢視最終答案，並根據證據而非版本號來做出選擇。.
Gemini 3.8 快閃記憶體 常見問題集
Gemini 3.8 韌體是何時發布的？
Google DeepMind 於 2026 年 9 月 2 日發布了 Gemini 3.8 Flash 模型卡。.
Gemini 3.8 Flash 是否已正式上市？
是的。Google 的官方產品頁面顯示，Gemini 3.8 Flash 已正式上市。.
Gemini 3.8 Flash API 的型號編號是什麼？
官方型號編號為 gemini-3.8-flash, 這也與我們在 API 測試中獲得的模型 ID 相符。.
Gemini 3.8 Flash 的價格是多少？
截至 2026 年 12 月 31 日，Google 列出的費率為每 100 萬個輸入代幣 $0.75，以及每 100 萬個輸出代幣（含思考代幣）$3.75。 自 2027 年 1 月 1 日起，費率將調升至 $1.50 及 $7.50。.
Gemini 3.8 是否無 Flash？
Google 的定價頁面列出了免費方案，該方案提供有限的模型存取權限，以及免費的輸入和輸出代幣。各項限制及模型的可用性可能會因帳戶和路徑而異。.
什麼是 Gemini 3.8 快閃記憶體上下文視窗？
根據官方模型卡的資料，Gemini 3.8 Flash 最多可處理 1M 個輸入令牌，並可產生最多 64K 個令牌的文字輸出。.
Gemini 3.8 Flash 是否支援圖片、音訊、影片及 PDF 檔案？
是的，作為輸入。Google 的產品頁面列出了文字、圖片、影片、音訊和 PDF 作為輸入；而模型卡則列出了文字作為輸出。.
Gemini 3.8 是否支援 Flash 工具？
Google 列出了函式呼叫、將搜尋作為工具，以及電腦使用等項目。工具的可用性可能取決於產品和 API 路徑。.
Gemini 3.8 Flash 是否比 Gemini 3.7 Flash 更好？
並非在每項任務中皆然。在本次評測中，Gemini 3.8 Flash 在六組可用的任務對中贏得其中一組，Gemini 3.7 Flash 贏得四組，其餘一組則打成平手。Google 的官方評測著重強調其代理在長期展望方面的表現，以及軟體工程方面的表現更為出色。.
Gemini 3.8 Flash 適合編碼嗎？
在這項編碼任務中，這兩款模型都產出了正確的 Python 最小修正程式碼。鑑於 Google 的官方定位以及 DeepSWE 的主張，模型 3.8 對於較長的軟體工程工作流程尤為重要，而我們這次的小規模錯誤修正並未測量這方面的表現。.
既然公佈的速率相同，為什麼在測試中 Gemini 3.8 Flash 的成本會更高呢？
在每個已完成的配對中，其記錄的代幣使用量都較高。當其中一個回應消耗更多代幣時，即使採用每代幣統一費率，總成本仍可能更高。.
我該到哪裡取得 Gemini 3.8 韌體？
Google 列出了 Gemini App、Gemini 企業代理平台、Google AI Studio、Gemini API、AI 模式以及 Google Antigravity。實際可用性仍可能因帳戶、產品及地區而異。.
此處的基準測試結果是否經過獨立驗證？
不。基準測試部分直接引用了 Google 的官方說法。由於在研究期間無法聯繫到 Artificial Analysis，因此其排行榜數據並未作為經核實的證據納入本草案中。.
