Gemini 3.8 Flash：谷歌把价格战打进了token消耗层

文 | AI唱反调

大模型价格战，进入了暗战阶段。

9月2日，谷歌发布Gemini 3.8 Flash，单价一分没涨：输入每百万token 0.75美元，输出3.75美元。Artificial Analysis当天的实测却发现，完成同一个任务的总成本涨了40%——模型每个任务多消耗了30%的输出token。

价格表没动，账单动了。这个矛盾里，藏着下一代模型竞争的真正战场。

Gemini 3.8 Flash在DeepSWE上追到离Opus 5只差0.3分，价格不到对方1/6，代价是单任务token消耗上升30%、明年初单价翻倍。Agentic推理越多，账单越厚——成本竞争的口径正在从"每token价格"切换到"每任务成本"。

一款什么样的模型

先把公开资料能确认的规格摆清楚。

Gemini 3.8 Flash是谷歌43天里的第三款Flash：3.6在七月下旬，3.7在八月十三日，3.8在九月二日。皮查伊在财报电话会上说过，Flash的目标是尽量接近月更节奏。

基准成绩集中在四类任务上：DeepSWE v1.1长周期软件工程73.7%，距离Claude Opus 5的74.0%只差0.3分；HLE-Verified综合推理54.9%，高于Opus 5的54.4%和GPT-5.6 Sol的54.5%；Vals金融智能体61.4%排第一；生成速度约305 token/秒，是独立机构测过最快的商用模型。

定价上，当前优惠价输入0.75美元、输出3.75美元每百万token，有效期到12月31日。作为参照，Opus 5是5美元/25美元，GPT-5.6 Sol是4美元/20美元。

模型现已进入Gemini App、AI Studio和Antigravity编程平台，Cursor、Vercel等开发工具在发布当天完成接入。

技术机制：为什么会"多用30%的token"

这次升级的核心设计，谷歌自己的表述是模型会"更努力地完成任务"。

拆开讲就是agentic推理深度的提升。面对复杂任务，模型执行更多推理步骤、更频繁地迭代调用工具。数据流的变化大致是这样：

每一步都跑测试、查输出，最终答案的错误率被压下去了——DeepSWE能追平旗舰靠的就是这个。但每一轮"推理-工具-验证"循环都要消耗输出token，步骤翻倍，token消耗自然上去。高算力模式下，这个放大效应更明显。

Artificial Analysis测出的数字链条是完整的：单任务输出token增加约30%，折算成单任务总成本上升约40%。即便涨完，单任务约0.58美元的成本，仍然落在"智能-成本"性价比前沿上——高推理档综合智能指数59分，比上代提高3分。

另一层价格变化在明年：优惠价到期后，单价将翻倍至输入1.50美元、输出7.50美元。用量涨一轮、单价再涨一轮，两波叠加才是完整的价格路径。谷歌同时保留3.7 Flash作为低成本选项，承诺继续支持。

为什么是现在

Flash系列的升级节奏，指向的是开发者入口的争夺。

编程Agent和自动化工作流是当前token消耗增长最快的场景，也是各家API收入的主战场。这个场景的采购逻辑很现实：单位智能成本谁低用谁，迁移成本极低。DeepSWE追到离Opus 5只差0.3分、价格不到六分之一，等于直接把"旗舰级编程能力"的商品价格打穿了一个量级。

同天发布的Gemini 3.8 Flash Cyber则补了另一条战线：CWE-Bench漏洞修复47.2%，与领跑的Fable 5基本持平；Chrome安全团队实测其有效补丁产出是更大商业模型的2.6倍；Wiz内部渗透测试召回率高出7.5到9.7个百分点，同等成绩花费仅为竞对的1/2.3到1/5.2。这个版本不公开售卖，只通过Fairwind计划向约650家受信机构开放——与Anthropic把Mythos 5.1锁进可信访问计划的门控逻辑一致。前沿网安能力正在变成需要资质审核的战略资源。

合理推演是，谷歌的账算在规模上：Flash承担开发者生态的走量任务，把使用习惯和工具链锁定在自家平台上，Pro级别的利润款可以等能力差距真正拉开再发。这也解释了为什么六月预告的Gemini 3.5 Pro至今没有发布——Flash太强，Pro的价格锚点立不住。

边界要摆上桌

基准口径的边界需要先讲清。

官方主打的四个基准全部领先，但第三方核对了完整榜单后，画面并不均匀。开放式Agent任务是明显短板：Terminal-Bench 4.0上Opus 5拿到51.8%，3.8 Flash只有19.1%；OSWorld电脑操作75.4%对59.0%。Harvey法律基准上10.0%的"领先"，实际是全榜模型集体不及格下的相对值。

规律大致是：边界清晰、终点明确的专业任务，它能贴着旗舰打；需要自主规划下一步的开放任务，差距会被拉开。沃顿教授Ethan Mollick的初步评价是"一个很好的Flash模型，但并不等于前沿模型"。

另外，所有对比数据均为厂商自测口径，发布日基准与生产环境表现历来存在差距。成本侧的实际影响也取决于任务结构：短问答场景几乎不受token放大影响，长链路Agent任务才是成本上升的重灾区。社区传闻称部分团队已在评估回迁3.7 Flash控制预算，尚无官方数据印证。

这次发布可以确认的产品事实是：Flash系列的迭代周期压缩到三周级，能力触及旗舰边缘，网安版本进入资质门控。

更值得注意的是成本竞争口径的迁移。当各家每token单价逐渐咬平，"完成一个任务烧多少token"就成了新的定价杠杆——推理更深、步骤更多的模型天然更贵，即便价目表一动不动。Anthropic两天前把缓存读取价砍了75%，打的也是同一本账。

对开发者的实际建议只剩一条：选型时盯住单任务成本，而不是单价。价格战的第二阶段，比的是谁的账单更会"藏"。