六週內第三個 Flash，旗艦還是沒現身。google|Google 上線 gemini|Gemini 3.8 Flash，官方把它寫成「目前最聰明的工作馬」：軟體工程、[agentic-ai|智能體化 AI](/dictionary/agentic-ai|智能體化 AI) 任務，以及專業領域的多步推理，都要比三週前的 3.7 Flash 再往上跳一截。同日還有第二個封套——3.8 Flash Cyber，走 Fairwind Program，只給通過審核的防禦端。The Decoder、9to5Google、Artificial Analysis 與多家產業媒體同步拆官方數字；共同主線很清楚：便宜的工作馬又變聰明了，但「每百萬 token 不變」不等於「每件事一樣便宜」。
你如果剛換完 3.7，第一反應大概是：又來了？這正是這則消息的張力所在。Google 新任 DeepMind 負責人 Koray Kavukcuoglu 公開強調，公司不是只在做性價比優化，仍想在原始能力上領先。可市場眼前看到的，仍是 Flash 系列以三週節奏連續出貨，而 Gemini 3.5 Pro、Gemini 4 這類前沿旗艦的公開時間表依舊缺席。節奏本身可以讀成執行力，也可以讀成用工作馬填補旗艦空窗——兩種讀法都成立，端看你站在採購、投資還是研究那一側。
兩個封套：公開工作馬，與上鎖的防禦版
3.8 Flash 是通用推理與編程模型；3.8 Flash Cyber 則承接先前 3.5 Flash Cyber 的位置，不公開對一般開發者開放。Google 透過 Fairwind Program，把 Cyber 版發給政府機構、關鍵基礎設施營運商與軟體維護者。官方說法是：為了做防禦向的自主漏洞發現，它的安全閘門比標準版更鬆——這句話本身就說明，能力與存取控制被拆成兩條產品線，而不是同一個 API 開關。
對一般開發者與企業團隊，今天真正能摸到的仍是標準 3.8 Flash。入口包括 Google AI Studio、Google Antigravity、Android Studio、Gemini api|API，以及企業端的 Gemini Enterprise。消費端則進 gemini|Gemini App（Google AI Pro／Ultra）、Search 的 AI Mode，付費訂閱還能在 Google Sheets 裡用到。知識截止日期官方寫得相當誠實：部分領域到 2026 年 3 月，另一些領域你可能會感覺模型知識仍停在 2025 年 1 月附近——遷移評測時，別假設「新版本＝全世界都更新到昨天」。
標價沒變，單任務帳單卻可能變貴
導入價維持與 3.7 Flash 同一檔：每百萬 token 輸入 0.75 美元、輸出 3.75 美元，優惠吃到年底（12 月 31 日）；2027 年元旦起回到常規 1.50／7.50。對照同日仍在市面上的前沿標價，Claude Opus 5 約 5／25，GPT-5.6 Sol 約 4／20——就算導入期結束，3.8 Flash 的每 token 單價仍明顯低於那一層。
真正要盯的是 Artificial Analysis 的「每任務成本」。在 Intelligence Index 同檔水準上，3.8 Flash 仍落在 Pareto 前沿，單任務約 0.58 美元，是該智力檔裡最便宜的之一；但相對 3.7 Flash 的約 0.40 美元，大約貴了四成。每 token 價沒漲，任務帳單卻上漲——官方自己也解釋了原因：複雜任務上，3.8 會多跑推理步、迭代呼叫工具，「工作更勤」。勤快換來基準分數，也換來更多 reasoning-tokens|推理標記 與工具回合。Google 因此公開建議：若你最在意算力效率，可以調低 reasoning 等級，或乾脆繼續用仍受支援的 3.7 Flash。
| 模型 | 輸入／輸出（美元／百萬 token） | 備註 |
|---|---|---|
| Gemini 3.8 Flash（導入至年底） | 0.75／3.75 | 與 3.7 導入價相同 |
| Gemini 3.8 Flash（2027 起常規） | 1.50／7.50 | 仍遠低於 Opus／Sol 門面價 |
| Claude Opus 5 | 約 5／25 | 前沿層 |
| GPT-5.6 Sol | 約 4／20 | 前沿層 |
吞吐面上，高 reasoning 時 3.8 Flash 輸出大約每秒 300 token，平均每任務約 2.5 分鐘；低 reasoning 可壓到約 48 秒。同檔對照：Claude Fable 5.1 約 2.1 分鐘、舊的 3.7 Flash 約 2.2 分鐘、GPT-5.6 Luna／Terra 約 2.6／3.3 分鐘。換句話說，3.8 不是靠「更快吐字」贏，而是靠「願意多想幾步」換分——這會直接反映在代理流水線的延遲與發票上。
基準：DeepSWE 貼上 Opus 5，但真實體感仍要自己跑
Google 自報長程軟體工程基準 DeepSWE v1.1：3.8 Flash 73.7%，只差 Claude Opus 5 的 74.0% 一點點，明顯高於 Claude Sonnet 5 的 53.8%、GPT-5.6 Sol 的 72.7%，以及前任 3.7 Flash 的 65.3%。官方還強調，在許多基準上 3.8 Flash「常常逼近更高價的前沿模型」；9to5Google 轉述的官方語彙則是：軟體工程、代理任務與專業領域多步推理都有「substantial gains」。
| 基準／指標 | Gemini 3.8 Flash | 對照 |
|---|---|---|
| DeepSWE v1.1 | 73.7% | Opus 5 74.0%；Sol 72.7%；3.7 Flash 65.3%；Sonnet 5 53.8% |
| Artificial Analysis Intelligence Index | 59 | 3.7 Flash 56；與 Sol（xhigh）、Grok 4.6（medium）同檔 |
| HLE-Verified | 54.9% | 官方用來展示多步推理與專業分析 |
| 單任務成本（AA） | 約 0.58 美元 | 3.7 Flash 約 0.40 美元 |
定量與專業代理場景，Google 點名 Vals Finance Agent V2 與 Harvey 的 Legal Agent Benchmark：3.8 Flash 勝過 3.7，也勝過部分前沿對照。這些是垂直代理榜，不是「聊天 Elo」；對做財務自動化、法務草稿管線的團隊，意義比通用問答榜更直接。官方示範則繼續走「工作流編排」敘事：在 Antigravity 裡用單一 prompt|提示詞 生成 3D 小遊戲，貼圖交給 Nano Banana 影像模型——行銷片不是基準，但說明產品想賣的是 code-generation|程式碼生成 加上工具鏈，而不是單輪對話。
獨立評測端，Artificial Analysis 把 Intelligence Index 從 56 拉到 59，增益主要來自代理向的工具使用與編程任務。這和 Google 自己強調的「多推理、多工具」一致。提醒一句老話：基準會騙人，真實 repo、真實權限、真實延遲與真實發票才不會。3.8 若在你的內部套件上多花 40% token 才換來 5% 通過率，那它對你就不是 Pareto，只是比較會加班的實習生。
Flash Cyber：Fairwind 上的防禦專線
3.8 Flash Cyber 不進公開價目表。Google 說它在自主漏洞發現上接近前沿水準。CyberGym（C／C++ 漏洞偵測產業基準）官方報 86.2%，高於前代 3.5 Flash Cyber 的 77.5%，也高於 GPT-5.6 Sol 的 83.6% 與 GPT-5.5-Cyber 的 85.6%。外部 CWE-Bench 自動修補 Pass@1 來到 47.2%，幾乎貼上領先前沿模型的 47.8%，但成本敘事仍是「便宜一個數量級的工作馬去做接近前沿的防禦活」。
提示詞注入抗性同樣被拿出來打。Gray Swan IPI 上，標準 Gemini 3.8 Flash 的攻擊成功率約 5.5%；DeepSeek V4 Pro 約 60.1%、Kimi K3 約 52.7%、Grok 4.6 約 51.8%。anthropic|Anthropic 的 Claude Opus 5 約 4.8%，略優；若再加上 Claude 生態內的額外安全選項，還能再壓低。對會把外站內容、郵件、工單原文直接塞進 ai-agent|AI代理 的團隊，這個數字比「又一個資安模型」更有採購意義——它談的是prompt-injection|提示詞注入成功率和代理失控半徑。
把 Cyber 線放回更大的產業脈絡：同日 openai|OpenAI 也在把 Astra 的網路能力標成 Critical、把進階能力鎖進 Daybreak 藍隊軌道。Google 選擇的是另一條路——用獨立封套＋受審分發，而不是把最強攻防能力直接掛上一般 API。兩邊都在回答同一件事：前沿 llm|大型語言模型 的網路能力已經不能再用「聊天產品安全政策」隨便包一層。
實務上，標準 3.8 的 5.5% IPI 攻擊成功率，已夠讓多數消費級與一般企業代理拿來當「相對抗注入」的參考點；但別把它讀成免疫。灰天鵝式攻擊、多輪社會工程、以及工具回傳裡夾帶的惡意指令，仍會穿過任何單一基準。Cyber 版則是另一個採購宇宙：你要的是自主挖洞與修補接近前沿的通過率，代價是審核、合約與可能永遠進不去的等候名單。
跟誰比、什麼時候該留在 3.7
同日 Anthropic 還放出 Fable 5.1，主打快取讀取大砍、高度代理工作負載可省到約四成五。兩邊打法不同：Fable 用「讀已處理上下文更便宜」去降代理帳單；Gemini 3.8 用「願意多想、多呼叫工具」去推基準，再誠實告訴你 token 用量可能上升。若你的瓶頸是長上下文反覆前綴，Fable 的快取故事更刺耳；若你的瓶頸是長程軟體工程分數與工具規劃品質，3.8 的 DeepSWE 貼邊 Opus 才是新聞點。
相對自家 3.7，遷移清單可以很務實：
- 先用同一組內部評測集，固定 temperature／reasoning 檔位，比通過率、平均 token、平均牆鐘時間三欄，不要只看官方表。
- 代理流水線若工具呼叫本來就密，預設假設單任務成本上漲，再決定要不要用低 reasoning 檔換回來。
- 效率優先、分數已夠用的批次任務，留下 3.7 完全合理——官方自己也這麼說。
- 需要防禦向自主挖洞、且你進得了 Fairwind，才去評估 Cyber；一般 SaaS 後端排程用不到那條線。
- 旗艦空窗還在：若你的路線圖綁的是「等 Gemini 前沿 Pro／4 再上生產」，Flash 連發改變的是過渡期工具選擇，不是把旗艦時程變出來。
開發者工作流上，Antigravity、AI Studio 與 Gemini API 同步可取，意味著「新模型先在 IDE／代理編排器裡被用起來」比「先發一篇研究博客」更像這次的預設路徑。對已經把 3.7 嵌進 CI、code review bot 或多代理編排的團隊，升級成本主要在評測與成本監控，不在換 SDK。對還沒建立 token 儀表板的團隊，3.8 反而可能變成帳單驚喜——因為標價看起來沒變。
企業採購與路由：別被「導入價沒變」骗到
採購問卷若只問「百萬 token 單價」，3.8 會看起來像 3.7 的免費升級。真正該改的欄位是：平均每任務 token、P95 延遲、工具呼叫次數、以及在固定預算下能跑完的任務數。Artificial Analysis 把單任務成本從約 0.40 拉到約 0.58，等於用同一張價目表，告訴你模型變勤快之後，錢包要重新校準。
對已簽 Gemini Enterprise 或雲端承諾用量的團隊，這通常變成路由策略問題，而不是「要不要換成 Google」的二選一。高分、高風險、長程工程任務走 3.8 high；摘要、分類、格式轉換、已穩定的批次 ETL 留在 3.7 或更低檔。官方保留 3.7 支援，等於默許雙模型並存。別急著在控制台把預設模型一鍵切掉——先做影子流量兩週，看發票曲線與失敗率哪個先爆炸。
另一個常被忽略的細節是輸出長度與context-window|上下文窗口策略。代理若習慣把整倉 diff、整份測試紀錄、整段瀏覽器 DOM 來回塞，3.8 的「多想幾步」會把本來就肥的上下文再放大。此時該優化的是檢索與摘要層，而不是指望換 Flash 小版本自動變便宜。換句話說：3.8 獎勵的是「問題難、步驟長、工具要迭代」的工作；它懲罰的是「上下文髒、提示詞鬆、工具亂槍打鳥」的工作。
跟同日戰場的對照，不只是分數表
把鏡頭拉遠，這天的產品新聞幾乎像排好的對照實驗。Google 用 3.8 Flash 證明：工作馬可以把 DeepSWE 推到貼齊 Opus 5，同時維持個位數美元級的百萬 token 導入價。anthropic|Anthropic 的 Fable 5.1 則證明：旗艦層也可以靠快取讀取大砍，讓高度代理帳單掉一截。OpenAI 同日的敘事重心卻在能力分級與網路風險——Astra 被標成 Critical 網路能力，進階能力鎖進受控軌道。三家都在賣「能幹更久的代理」，但一家用更勤快的推理換分，一家用更便宜的上下文重讀換帳單，一家用更嚴的能力閘門換部署許可。
對開發者社群，這意味著 2026 下半年的預設問題不再是「哪個聊天比較會寫詩」，而是：
- 你的任務是分數瓶頸，還是帳單瓶頸？
- 你的代理失敗比較常出在規劃品質，還是出在重複上下文太貴？
- 你有沒有資格／需求去碰防禦向專線（Fairwind、Daybreak 之類）？
答得清楚，模型選擇就清楚；答不清楚，就會變成每三週追一次 Flash 版本號的疲勞賽。
三週前的 Gemini 3.7 Flash 已經把「編程與代理主力＋年底前半價導入」這套劇本演過一輪。3.8 幾乎是同一劇本的加強版：導入價不動、基準再跳、再加一條 Cyber 封套，並更直白地承認 token 用量可能上升。若你當時因為 3.7 的 DeepSWE 65.3% 而觀望，現在 73.7% 貼邊 Opus，觀望理由變少；若你當時已經因為帳單可控而全量切到 3.7，現在反而要小心「看起來免費的升級」。
下一步要驗證什麼
這不是「Google 又贏一輪」的收束句，而是一張可執行的觀察清單。
首先看 DeepSWE、Vals Finance、Harvey Legal 這類代理榜，會不會在第三方複測裡被壓回現實；官方表漂亮，不代表你的權限模型與私有工具鏈同樣漂亮。其次看導入價結束後，企業合約是否仍能鎖住接近 0.75／3.75 的有效單價——若 2027 年一開年就被迫吃 1.50／7.50，再加上更高的每任務 token，總成本曲線會比今天簡報上的數字刺眼。第三看 Fairwind 的實際准入速度與使用條款：Cyber 分數再貼前沿，進不去、不能用於你的資產範圍，就等於沒有產品。第四看旗艦是否繼續缺席；若 Flash 還以三週節奏出貨，而 Gemini 3.5 Pro／Gemini 4 持續無日期，市場會更篤定地把 Google 的前沿敘事讀成「工作馬策略」，投資人與研究社群的耐心會分開計價。
最後，也是最土的一條：把 3.7 與 3.8 在你自己的 repo、同一組隱藏測資上跑同一夜，並列通過率、平均 token、P95 延遲、人工介入次數。通過率漲幅蓋得過那大約 40% 的單任務成本，再切預設路由；蓋不過，就讓 3.8 先當評測分身與高難度分流，別急著全站升級。工作馬可以很聰明，但發票不會因為官方形容詞而自動客氣。