4个月4个Flash，Gemini到底在下什么怪棋？

四连超凡 Quadra kill，不是游戏，而是 Gemini 又双叒叕发新的 Flash 模型了。

出于刻板印象和谷歌低调的宣发，这次的 Gemini 3.8 Flash 世超本来没太上心。

但意外的是，网上风评很不错，尤其是编辑部的谷歌老粉，纷纷感慨：

难道说，Flash 才是对的？

看官方的跑分表，确实会被唬住，因为它拉来对标的，已经是 Claude 和 GPT 的旗舰模型了。

最有冲击力的提升都集中在「干活」两字上。

DeepSWE 这项，主打长线的编程开发能力，已经摸到了 Claude Opus 5 的屁股，只差 0.3%。

而像传统测 Agent 能力的 Terminal-bech，它在 2.1 版的测试里也是力压全场，豪取 89.45%；

不过在上个月更新的 4.0 版中，它又拉了个 19.1%，能力泛化差点意思。

除此之外，多模态成绩还算强势，科研，金融分析等专业领域，也小有进步。

而且翻开更具体的模型卡片能看到，3.8 Flash 的世界知识来到了 26 年的 3 月份，脑子里终于更新了点新东西。

但难崩的是谷歌很快打了个补丁，说只有部分领域是新的，很多老领域仍然是雷打不动的 25 年 1 月。。。

当然，重头戏还是性价比，3.8 Flash 这次性能跑分库库涨，但吐 token 的速度仍旧一泻千里。

看 Artificial Analysis 的榜单，大伙儿多半是两位数，就它干到了三百多。

不过话说回来，比起之前，它执行起任务的速度反而要慢一些。

因为谷歌说 3.8 Flash 在工作中会更努力的调用工具，推理更多步骤，这样活儿会干得更漂亮，代价就是拉长交付时间。

价格这块儿也挺有活儿，虽然 Flash 的便宜大碗众所周知，但直接贴到跑分表里头两行，大写特写的，咱还是头一回见。

我们也简单实测了一下，省流就是除了快还是快，干活儿不懒，智商一般，但写东西意外的挺有人味儿。。。

比如同样生成一篇文章，讲述最近 DLSS 5 有争议的内容。

GPT 5.6 这儿东拼西凑两分半开始下笔，但你一下就能品到 AI 味儿，直冲天灵盖儿。

像「不是而是」这种已经是老版本了，现在是三五个字儿一句话，配合莫名其妙的设问，再点缀上无穷无尽的排比，读起来断断续续的，非常割裂。。。

Gemini 3.8 Flash 则是另一种画风，3000 字的稿子，17 秒足矣，多一秒都是对 Flash 的亵渎。

遣词造句的习惯也完全不同，风格更犀利，乐意用一些网络热梗去类比。

虽然偶尔显得用力过猛，但场景的渲染和情绪的递进都丝滑很多，读起来也流畅一些，起码没那么乏味。

不过你仔细看完，就会发现，这俩纯偏科生来的，Gemini 虽然说人话了，但它论证的准确度远不如 GPT 严谨。

接下来的 Coding 测试，表现就没有跑分看起来那么猛了。

先来个常规的 3D 场景建模，用网页还原二游那种渲染的质感，造个日式便利店。

就结果来看，确实达不到原作者 Demo 中 Claude Opus 5 的那种质感。

模型整体的规格和样式基本没错，但内部的细节就少了太多，而且光影效果也没按提示词来，整体的滤镜色调都差了个档次。

作为对比，下面又拿 GPT 5.6 Terra 和 Kimi K3 跑了一轮，虽然跑分表上他们旗鼓相当，但这俩的质感明显好很多。

超市的门能打开了，模型边缘也加了非常灵魂的黑色描边，多了很多二次元风格化的处理细节。

向左滑动，依次为GPT 5.6 Terra和Kimi K3

接下来加大难度，让它复刻经典的 Minecraft 游戏。

如果是网页版，配上一句话的提示词，那你将体验到窜稀一样的速度，它不到一分钟就能搓出来。

虽然跟预想的一样拉完了，但好在没啥 BUG，方块能挖也能放，主打一个简约。

而如果升级一下，用谷歌 AI Studio 的那套工具打辅助，那质感挠一下就上来了。

细节更接近 Minecraft 原版，方块的类型更多，玻璃草地的材质也很还原，尤其是游戏本体的功能性更丰富了，菜单有更多设置选项，游戏中也多了背包之类的复杂系统。

能看出来，有工具跟没工具的 Gemini 3.8 Flash 是两个玩意儿。

所以我干脆安装了 Antigravity，谷歌官方的本地 Agent 工具，看看更专业的 Harness 加持下，会不会有更好的效果。

不过还是得吐槽一下，比起 Codex，WorkBuddy 之类的应用，Antigravity 的使用体验就是一坨，没有中文适配，没有技能商店，第三方插件寥寥无几，一切都透露着原始美。。。

言归正传，这一版的 Minecraft 我让它结合一下漫威蜘蛛侠的玩法，能在城市间荡蛛丝。

这回没那么快了，花了大概 8 分钟，它才把成品掏出来。

地点设置在纽约的曼哈顿，Minecraft 的玩法都还在，方块都转化成了更适配主题的现代化材质。

可能是因为在执行前写了计划书的原因，完成度明显高了很多。

比如很多地标建筑，像帝国大厦，跨海悬索桥，拿方块还原的都不错，过河小桥，路灯这些小细节也不少，连史蒂夫本人都换成了 Spiderman 的皮肤。

不过这个荡蛛丝的玩法物理判定太复杂，它修了好几轮都还有 Bug，Spiderman 的速度诡异，一会儿飞起，一会儿卡住，在大楼之间来回抽搐抖动。

最后我又测了一下代码理解能力，让它去 GitHub 上把 DeepSeek Harness 拉下来，做个方便理解代码仓库的 wiki。

花了十分钟，它把项目从头到尾读了一遍，然后搓出了 wiki。

内容倒是没偷懒，架构设计，接入的协议，以及后续二次开发的标准都扒了出来。

但审美这块儿还是祖传的 AI 味儿，后续我让它自己装个 skill，然后重构一下前端。

结果它老毛病又犯了，2 分钟安装执行糊弄完毕，风格切换就是换个色儿，翻开思维链能看到，skill 装是装了，但只调用了一半儿就自作主张交差了。。。

这通测试下来，也能感觉到 Gemini 3.8 Flash 的尴尬之处，它执行速度奇高，但又有一堆莫名其妙的小毛病。

有前面 4 个月 4 个 Flash 模型的积累，没人比谷歌更懂 Flash 的性价比，所以执行效率没啥毛病。

但小毛病这块儿又确实影响体验，像 Minecraft 这个任务，网页版，AI Studio 和 Antigravity 的产物存在明显差距。

工具越少，约束越松散，它就越随心所欲。反之如果有靠谱的 Harness 去约束，有清晰的规划和边界，那它又会听话很多。

所以只能期待一手谷歌给 Harness 的升级，给模型补上能动的手脚，到时候就知道 Flash 这条路到底是夯还是拉了。。。

撰文 ：风华

编辑：江江 & 面线

美编：素描

图片、资料来源 ：

Google DeepMind，Artificial Analysis，DeepSWE，Google AI Studio，Gemini，Antigravity，部分图源网络