美国豆包的优势，只剩下快了……
硬核看板热度: 4881
文章分析Gemini 3.8 Flash模型的更新特点，指出其虽保持Token单价不变，但因推理轮次增加导致单任务成本上升；重点提升Agent能力，在多步任务执行、工具调用和复杂模拟（如四缸发动机）中表现显著优于前代及竞品Flash模型；核心优势转向高速推理（超300 token/秒），以速度支撑多轮迭代，实现轻量模型下的质量跃升。
摘要由 Mars AI 生成本摘要由 Mars AI 模型生成，其生成内容的准确性、完整性还处于迭代更新阶段。
按月更新版本，我就问问还有谁？
7月Gemini 3.6 Flash、8月Gemini 3.7 Flash、9月Gemini 3.8 Flash。这更新频率也是没谁了……
3.6和3.7 Flash的提升不痛不痒，我原本已经彻底对Gemini失去信心了，看到3.8 Flash发布的新闻，我的期待值几乎就是0。不过还是试了试3.8 Flash，没想到虽是Flash模型，它这次在能力上的进步还挺明显。
01、单价没涨，为什么干活还贵了
3.8 Flash的Token单价和之前依然保持不变，3.6、3.7、3.8，连着三代更新竟然一点没涨价。
我们的美国大
话是这么说，但是总价还是涨了。
因为这次3.8 Flash最大的特色是提升轮次。官方说以前Flash模型会出现活没干完就草草了事的情况，新模型解决了这一点。Gemini 3.8 Flash的解决办法是让模型多想一会，多说一点，任务多做几轮。
这就导致了一个问题。和前几代Gemini相比，虽然Token单价一直没变，但是同样的任务下，由于完成任务普遍轮次变多了，开销还是涨了。3.8 Flash高推理档位的单任务输出Token比3.7 Flash多了33%，加上智能体任务轮次增加，平均任务成本从0.40美元涨到了0.58美元。
有意思的是，Google对步骤多少的态度，还真不是一成不变的。
3.6 Flash发布时，官方强调的是少走弯路：用更少的推理步骤和工具调用完成任务；到了3.8 Flash，官方又开始强调要多想几步。
可是老大，我们这样让3.8 Flash多说话真的有用吗？
同样的提示词，分别让Gemini 3.7 Flash和Gemini 3.8 Flash给我讲讲电贝斯的发声原理。同样是让我拨动琴弦试试看，3.7说得很明白：「用力拨动4弦」；结果3.8来了个「用右手手指猛烈拨动最粗的4弦」……
？？？？
Hello？我的钱都花在这了吗？
02、美国大豆包终于能把活干完了
话都说不明白，那这个多做几轮的方法到底在哪进步了？
原来，它是来干活的。这次迭代主要是Agent能力的提升。
Arena的Agent能力排名从上一代Gemini 3.7 Flash的32名升到了14名。
试了一下，提升效果还真挺明显。它的能力已经超越了大部分「Flash」等级的轻量级模型。
我让3.8 Flash做了一个四缸发动机的互动模拟，就用了1分钟，而且结果呈现的要素齐全。
作为对比，3.7 Flash在同样的提示词下直接什么都没画出来，我在提示词里还特别说明了「要做验证」。看来3.7果然为了赶快交差美美无视了这个部分……
让GPT检查才发现，不仅因为一开始的依赖加载出了问题，后面的旋转过程、点火顺序全都写的不对。果然一回头测试3.7 Flash，美国大
和Gemini 3.7 Flash同样的问题也出现在各家的Flash模型上。
GPT-5.6 luna和GLM-5.3 flash全都没能加载出来渲染正常的的发动机活塞，后面旋转、点火过程也全都没有。而且这俩模型分别做了20分钟和35分钟，结果还是完全运行不了。
不过
03、质量不够，速度来凑
不过真要说Gemini和市面上其他模型比最大的优势，还得是速度。
Gemini系列现在的速度是真快，高推理模式下的3.8 Flash，每秒钟输出Token达到了300以上……
市面上所有推理模型里，速度前几名全都是Gemini。
这和Google给Flash系列模型的定位有关。
在官方的产品定位里，它的主战场是Agent，而且定位是调用工具、持续运行、落实任务的「worker agent」，不是那个深度思考、规定路线、统筹调度的「central agent」。所以它追求速度快、省Token，其实 3.8 Flash的表现很符合Google对Flash系列产品的定位。
我又一次拿出我的吃豆人做了测试。
我发现Gemini 3.8 Flash这速度真有点东西。整个游戏功能齐全，只用了29秒。这也太快了……
用相同的提示词测试了一下在Artificial Analysis同样在「智能」维度得到59分的GPT-5.6 Sol xhigh。结果要慢不少，做了1分35秒，另外这个结果真的不怎么样，这个帧数是要干啥……
,
为什么3.8 Flash作为一个轻量模型还能在很多测试任务里保持质量？
因为对于它来说，高速是多做几轮的条件。
我看Google最近的Flash系列大更新是一次挺漂亮的曲线救国。
曾经的大模型发布是先做个旗舰模型，然后蒸馏出来一个轻量快速的Flash模型。但是由于Gemini 3.5 Pro的「持续难产」，Google选择反其道行之：质量不够、速度来凑。3.6、3.7的模型还是在一味地卷速度，但是这次的3.8 Flash，Google是真做到了利用高速优势，达到更好的质量。
用这种优化方式，Gemini 3.8 Flash的能力已经能算是「旗舰级Flash」模型了，但是它毕竟依然不是Pro。现在都已经9月了，原定6月发布的Gemini Pro模型到底啥时候能发出来，我真的等不及了。
本文来自微信公众号 “硬核看板”（ID：yinghekb），作者：王芮
本内容旨在传递行业动态，不构成投资建议或承诺。
24H热门新闻
暂无内容
