被嘲“美国大豆包”的Gemini，这次靠什么翻身？

过去几个月，Gemini在中文互联网上有个杀伤力不小的外号：“美国大豆包”。这个称呼吐槽的是它身上长期存在的反差：发布会上基准成绩漂亮、上下文窗口巨大、免费额度充足，真正用起来却偶尔理解跑偏，一本正经地给出错误答案。被用户指出问题后，它还可能先送上一大段夸奖和道歉，情绪价值给得很足，事情却没办好。

在Gemini 3.5 Flash发布后，这种调侃一度升级为：“这是最快告诉你错误答案的AI。”如今，Google带着Gemini 3.8 Flash回来了。这是其六周内推出的第三款Flash，也是不到四个月内的第四次Flash更新。新模型在Artificial Analysis Intelligence Index上获得59分，与xhigh档位下的GPT-5.6 Sol和medium档位下的Grok 4.6持平；在DeepSWE v1.1上，它甚至超过大多数体量更大的前沿模型，登上长程软件工程榜首。

更关键的是，Gemini 3.8 Flash仍能保持每秒约300 Token的输出速度，约为许多主流模型的4—6倍。“美国大豆包”这次似乎真的变聪明了。Google没有直接把Flash做成一款缩小版Pro，而是让模型思考更多、反复调用工具、执行更多轮次，并为此消耗更多Token。

一款模型可以拥有极高的Token输出速度，每项评测任务的加权生成时间却比上一代更长。理解这组看似矛盾的数据，才是理解Gemini 3.8 Flash的关键。

Flash冲进第一梯队

自2026年初以来，Google一直没有发布前沿级别的Gemini Pro模型。原本承诺在今年6月推出的Gemini 3.5 Pro至今没有出现，据称原因之一是它的编程能力未能达到Google的预期。8月初，Google DeepMind的管理层也发生变化。Demis Hassabis卸任CEO、转任董事长，Koray Kavukcuoglu接过管理工作，职衔则变成了高级副总裁。Google CEO Sundar Pichai随后试图安抚外界，但这并没有完全消除市场的疑虑：Google是否还准备继续争夺前沿模型的最高位置？

与此同时，Flash系列进入了高速迭代。Gemini 3.5 Flash、3.6 Flash、3.7 Flash和如今的3.8 Flash接连发布，Google更新低价模型的速度，已经超过其他实验室迭代同类产品的速度。Flash原本是Google模型家族里的经济型产品线，主打低成本和高速度，能力通常低于Pro系列。到了Gemini 3.8 Flash，这条边界已经开始模糊。

开启高推理档位后，Gemini 3.8 Flash在Artificial Analysis Intelligence Index上获得59分，比上一代提高3分。它与xhigh档位下的GPT-5.6 Sol、medium档位下的Grok 4.6持平，距离最高档位下的GLM-5.3和Kimi K3只有1分，距离最高档位下的GPT-5.6 Sol和高档位下的Grok 4.6也只有2分。

再往上，Claude Opus 5获得63分，Claude Fable 5.1以66分位居榜首。Gemini 3.8 Flash没有拿下绝对最高分，却已经进入当前第一梯队。Google暂时没有依靠Pro重返模型能力的最前沿，却让Flash回到了帕累托前沿：在当前市场上，很难找到一款智能水平比它更高、成本又比它更低的模型。

Token单价没涨，完成任务却贵了40%

今年年底前，Gemini 3.8 Flash将沿用上一代的API推广价格：每百万输入Token 0.75美元，每百万输出Token 3.75美元，缓存输入则按正常输入价格的10%计费。优惠期结束后，价格将翻倍，恢复至每百万输入Token 1.50美元、每百万输出Token 7.50美元。

按照Artificial Analysis的测算，高推理档位下的Gemini 3.8 Flash完成一项Intelligence Index评测任务，平均成本为0.58美元，是该机构测得的同等智能水平中最便宜的模型。作为对比，Anthropic最新的通用旗舰模型Claude Fable 5.1完成同类任务约需3.76美元，成本是Gemini 3.8 Flash的6倍以上。最高推理档位下的GPT-5.6 Terra，单任务成本为0.53美元，与Gemini 3.8 Flash接近，但智能水平得分为57分，比后者低2分。

Gemini 3.8 Flash的Token单价没有上涨，单任务成本却比Gemini 3.7 Flash高出约40%，从0.40美元增至0.58美元。在Artificial Analysis的Intelligence Index评测中，新模型每项任务的加权平均输出Token增长30%，达到约4.8万个，同时在智能体评测中执行了更多轮次。

Google将这种变化形容为“3.8 Flash works harder”。面对复杂任务时，它会增加推理步骤、反复调用工具，并可能在较高推理档位下消耗更多Token，以换取更好的最终结果。它消化这些额外计算的关键，正是速度。Artificial Analysis测得，Gemini 3.8 Flash在高推理档位下平均每秒输出约305个Token，是榜单第二名Meta Muse Spark 1.2的两倍左右，后者为每秒154个Token。

GPT-5.6 Luna以每秒126个Token位居其后，Nemotron 3 Ultra和DeepSeek V4 Pro 0813分别为每秒112个和80个Token。相比之下，Claude系列模型在榜单上的位置明显靠后：启用fallback的Claude Fable 5.1每秒输出66个Token，Claude Opus 5则为每秒56个Token，还不到Gemini 3.8 Flash的五分之一。

由于输出Token增加了30%，Gemini 3.8 Flash在这套评测中的单任务加权生成时间仍从2.2分钟升至2.5分钟，增幅约14%。这项指标只统计模型生成输出所需的时间，不包含首Token延迟和其他系统开销，不能直接等同于Agent完成整项工作的真实耗时。

换句话说，3.8 Flash吐Token更快，却也生成了更多Token。300 TPS抵消了部分额外Token带来的时间开销，但没有让加权生成时间继续缩短。这也说明，评价Agent模型只看Token单价已经不够。模型为了完成任务会生成多少Token、执行多少轮，以及能以多快的速度消化这些Token，才是决定真实成本和体验的关键变量。