Gemini 3.8 Flash 深度解讀：同價為何任務成本反升 40%？（2026）

2026 年 9 月 2 日，Google 在官方部落格發布〈Introducing Gemini 3.8 Flash and 3.8 Flash Cyber〉：Gemini 3.8 Flash 已一般供應，發布時的推廣價是每百萬輸入 token 0.75 美元、輸出 token 3.75 美元；同一底層能力、資安防護更寬鬆的 Flash Cyber，則透過 Fairwind Program 提供給經審查的防禦者。

我的結論先放前面：Gemini 3.8 Flash 最有價值的進步，不是把思考變免費，而是用極高輸出速度承接更多推理與工具迴圈。這能提高複雜任務的完成率，也可能讓單次任務花更多 token、時間與錢。以下先還原 Google 發布內容，再用第三方測試重算「快」與「便宜」，最後拆解 Flash Cyber 的證據邊界與實際遷移方法。

Gemini 3.8 Flash 發布了什麼？

官方模型頁把 gemini-3.8-flash列為一般供應：支援文字、圖片、影片、音訊與 PDF 輸入，context window 最多約 100 萬 token，文字輸出上限 64K token。Google 把它定位為長時間軟體工程、自主 agent 與複雜知識工作的 Flash 級工作馬。

At times, the model might use more tokens to maximize performance, especially at higher effort levels.

中文：模型有時會使用更多 token 來提高表現，尤其是在較高 effort 設定下。

Google，2026 年 9 月 2 日

這句官方但書是整場發布最重要的線索。Gemini API 價格表顯示，0.75／3.75 美元是截至 2026 年 12 月 31 日的推廣價，而且輸出價格包含 thinking token；2027 年 1 月 1 日起，標準價會改為 1.50／7.50 美元。單價與 3.7 Flash 的推廣價相同，不代表完成同一項工作會產生相同帳單。

面向	Gemini 3.8 Flash	Gemini 3.8 Flash Cyber
底層能力	Google 表示兩者由相同的 foundational intelligence 驅動
發布時取得方式	Gemini API、AI Studio、Gemini app、AI Mode、Gemini Enterprise 與 Antigravity 等	經 Fairwind Program 審查的政府機關、關鍵基礎設施營運者、軟體維護者及其他合資格防禦者
安全邊界	一般版本的 CBRN 與資安濫用防護	資安防護較寬鬆，以支援更完整的防禦工作
正確理解	可公開採用的高吞吐模型	相同核心能力加上受控身分、政策與使用環境

跑分躍升，但「第一名」不等於可靠交付

Google 公布的成績確實有份量：Vals Finance Agent V2 為 61.4%，高於 3.7 Flash 的 59.0%；HLE-Verified 為 54.9%，對照前代的 53.6%；Harvey’s Legal Agent Benchmark 則是 10.0%，前代為 8.8%。最後一組最能校正行銷語言：即使 10.0% 在同一張比較圖上居首，絕對完成率仍不足以讓高風險法律工作跳過驗收。

DeepSWE v1.1 圖把 Gemini 3.8 Flash 放在高完成率、低平均任務成本的一側，這比只比 token 牌價更接近真實採購問題。不過，圖中的每個點仍綁定特定模型、effort、agent harness 與評測規則。想了解為何不能把一張排行榜當總冠軍，可先看 AlphaLab 的AI 模型排行榜交叉判讀。

同一 token 價格，任務成本為何高約 40%？

Artificial Analysis 在發布日的獨立測試補上了官方圖沒有直接回答的部分。在 high reasoning 設定下，Gemini 3.8 Flash 的 Intelligence Index 為 59 分，3.7 Flash 是 56 分；但每項 Index 任務的加權平均成本由 0.40 美元升至 0.58 美元，增加約 40%。該機構把差異歸因於平均輸出 token 增至約 4.8 萬、比前代多 30%，以及 agentic 評測中的回合數增加。

速度也要拆成兩層。Artificial Analysis 測得 high reasoning 約每秒輸出 300 token，解碼很快；可是每項任務平均時間仍由 3.7 Flash 的 2.2 分鐘增至 2.5 分鐘，因為模型產生更多內容、跑更多步驟。low reasoning 的 Index 是 52 分、每項任務 0.24 美元、平均 0.8 分鐘。這些數字只代表該機構當日的版本、題集與設定，不能直接套進你的工作負載。

最實用的成本式不是「token 單價」，而是：

每次成功任務成本＝所有輸入、輸出與 thinking token＋工具呼叫＋重試成本，再除以真正通過驗收的任務數。

Simon Willison 在發布當天用一個「make me a cool thing in html」提示做快速試跑，記錄為 13 秒、1.8 美分。這很好地示範 Flash 的互動速度，卻只是一個 HTML／JavaScript 樣本；它不能取代多題、盲評、含失敗重試的 production eval。

Flash Cyber 是模型升級，也是存取控制產品

在 2026 年 9 月 2 日的發布安排裡，Gemini 3.8 Flash Cyber 並不是一般使用者在 API 裡切換的一個公開模式。Google 說它採用較寬鬆的資安 mitigations，因此透過Fairwind Program審查組織、使用情境與控制措施，再提供優先存取。能力與資格、政策、稽核環境一起構成產品，不能只拿同一個模型名稱理解。

發布主張	數字	證據邊界
CyberGym 漏洞發現	pass@1 86.2%	公開 benchmark 上由 Google 公布的評測結果
20 種程式語言的漏洞發現	71.0%	Google 內部 benchmark，外界無法只靠公告重現
CWE-Bench 自動修補	47.2%，對照領先模型 47.8%	外部 benchmark，但本文所引分數仍來自 Google 發布
Chrome 漏洞修補	正確 patch 數為最佳大型商用模型的 2.6 倍	Google Chrome Security 團隊內部比較
Wiz 滲透測試題集	recall 高 7.5–9.7%，成本低 2.3–5.2 倍	合作夥伴內部 benchmark；2026 年 9 月 2 日公告未附完整樣本與逐題結果

這組資料的合理讀法是「值得受控評估」，不是「已被公開獨立重現」。CyberGym 與 CWE-Bench 讓任務定義比 demo 清楚；但 Chrome、Wiz、20 種語言題集仍主要是內部證據，而且 Flash Cyber 的受限存取也提高了外部複驗門檻。對防禦團隊而言，最終指標仍應是找出的有效漏洞、可合併 patch、誤報、人工審核時間與每個成功修補成本。

模型卡透露了行銷頁沒講完的兩件事

第一，Gemini 3.8 Flash 模型卡明確說它建立在 3.7 Flash 之上；architecture、training dataset、hardware 與部分安全方法欄位都回指 3.7 的模型卡。這代表公開資料足以確認依賴關係，卻不足以從模型卡判斷究竟是哪一項架構或訓練改動帶來進步。

第二，速度與安全並非單向改善。模型卡列出的已知限制包括 hallucination、偶發變慢或 timeout，以及高 effort 可能使用更多 token。自動安全評測裡，多語言 safety 相對 3.7 Flash 退步 5.4 個百分點（該指標愈低愈好）；Google 同時說，人工複核發現這些損失絕大多數屬於 false positive 或並不嚴重，專家 red team 沒發現重大疑慮。兩句必須一起保留：自動指標出現退步，不等於已證明實際傷害增加；人工說明也不能讓那個退步消失。

AlphaLab 判讀：Flash 的價值在吞吐，不在免費思考

我同意的部分：Gemini 3.8 Flash 把更強的 agentic 表現放進 Flash 的速度與單價帶，第三方 59 分與約 300 tokens/s 也提供了發布方以外的支持。對需要反覆讀文件、呼叫工具、修改程式再驗證的工作，這種吞吐可以把原本太慢的迴圈變得可用。

我保留的部分：「同價」只描述每百萬 token；高 reasoning 在 Artificial Analysis 的單次任務反而多花約 40%。Google 的專業 benchmark 有相對領先，也包含只有 10.0% 的絕對完成率；Cyber 最吸睛的真實環境成果，則多來自 Google 與合作夥伴內部比較。這些都支持測試，還不足以支持全面切換。

真正的新訊號是：模型供應商開始把「思考多久」變成可調的產品旋鈕，而高速模型可以在可接受的等待時間裡消耗更多推理。於是模型選擇不再是單一排行榜，而是品質、token 數、工具回合、總延遲與成功成本的共同最佳化。這也正是模型路由與評測比「選一個預設冠軍」更重要的原因。

團隊現在該怎麼測 Gemini 3.8 Flash？

1. 先固定 20 至 50 個真實失敗案例。包含長文件、程式修改、工具呼叫與需要人工修正的任務；不要只挑模型容易展示的題目。
2. 同時比較 3.7 Flash 與 3.8 Flash 的 low、medium、high。固定 prompt、工具、timeout、重試與驗收規則；現行設定若已是其中一組，不必重跑重複樣本。
3. 算每次成功任務，不只算每百萬 token。記錄輸入、輸出與 thinking token、工具回合、牆鐘時間、重試、人工修正時間，以及真正通過驗收後的成本。可用AI Evals 流程把這些欄位變成可重跑的測試集。
4. 先小流量路由，再決定是否換預設。把高 effort 留給確實提高通過率的難題；大量簡單任務優先比較 low／medium，並保留回滾。
5. 資安工作必須把模型放回控制系統。合資格團隊測 Flash Cyber 時，仍要限制儲存庫與工具權限、隔離執行、驗證 patch、記錄每次行動，並由授權人員核准高影響操作。

如果你的瓶頸是長時間 agent 的等待與完成率，Gemini 3.8 Flash 值得優先進測試池；如果工作短、輸出多就直接增加成本，或現有 3.7 Flash 已穩定過關，那麼更高分不一定是更好的生產設定。