Gemini 3.8 Flash 上線：官方數字曬出來，多數任務打平甚至贏 Opus 5，但這兩項差距藏不住

Google 這次玩很快。3.6 Flash、3.7 Flash、3.8 Flash，三個月內喊了第三次「新一代 Flash」，最新這款 9 月 2 日上線，距離上一版 3.7 Flash 才三週。Hacker News 討論串當天衝到 775 分，比較少見的是這次吵的重點不是「有沒有比前一代強」，而是「跟貴一個檔次的旗艦模型比，到底輸在哪」。我把 Google 官方自己貼出來的評測表整理成看得懂的版本，答案比行銷稿誠實。

官方自己曬的分數：多數項目打平甚至贏 Opus 5

先講價格。3.8 Flash 每百萬輸入 token 0.75 美元、輸出 3.75 美元，這是到 2026 年 12 月 31 日的介紹價，明年 1 月 1 日起漲回 1.50／7.50 美元。對照組 Claude Opus 5 是 5／25 美元，GPT-5.6 Sol 是 4／20 美元，換算下來 3.8 Flash 現在的價格大約只要 Opus 5 的六分之一到七分之一。

照這個價差，多數人會猜它的實力該差 Opus 5 一大截，但官方公布的比較表打臉了這個猜測。財務分析類的 Vals Finance Agent v2，3.8 Flash 拿 61.4%，比 Opus 5 的 58.6% 還高。法律流程的 Harvey's Legal Agent Benchmark，3.8 Flash 10.0% 對 Opus 5 6.7%。長程軟體工程的 DeepSWE v1.1，3.8 Flash 73.7% 只小輸 Opus 5 的 74.0%，差距僅 0.3 個百分點，幾乎打平。終端機任務 Terminal-bench 2.1，3.8 Flash 89.4% 甚至些微領先 Opus 5 的 89.1%。多模態的 CharXiv Reasoning、長影片理解 LVBench、生物研究 LABBench2 這三項，3.8 Flash 更是整張表裡分數最高的模型，贏過所有對照組，包含 Opus 5。

但有兩個地方，差距大到藏不住

把整張表看完會發現一個規律：贏的都是「單一任務、範圍明確」的測試，一旦換成「需要長時間自己規劃、操作整個環境」的任務，3.8 Flash 就現出原形。最明顯的是 Terminal-bench 4.0，測的是更貼近真實情境的通用 agent 能力，3.8 Flash 只拿 19.1%，Opus 5 是 51.8%，輸了 32.7 個百分點，是整張表裡差距最大的一項。電腦操作測試 OSWorld-2.0 也一樣，3.8 Flash 59.0% 對 Opus 5 75.4%，輸 16.4 個百分點。知識工作類的 GDPVal-AA v2（用 Elo 分數計算），3.8 Flash 1545 分，Opus 5 是 1824 分，差距同樣不小。

這個落差跟 Google 官方文件寫的定位其實是一致的。3.8 Flash 主打的是「有明確目標、步驟相對固定」的 agent 工作，例如照著規格寫程式、跑財務或法律的固定流程。換成「自己判斷下一步該做什麼、需要長時間通盤規劃」的開放式任務，還是旗艦模型 Opus 5 穩。所以「打敗前沿模型」這種說法沒有說謊，只是只挑了對自己有利的那幾項出來講。

主打「省成本」，但第三方測出來的用量沒那麼便宜

Google 這次的賣點是「Flash 的速度跟成本、旗艦的智慧」，DeepMind 官方頁面上甚至直接寫「Best for token efficiency」。

DeepMind 官方網站把 Gemini Flash 定位成「coding、knowledge work、multimodal tasks 的 token 效率最佳選擇」。（圖片來源：Google DeepMind 官方網站）

但獨立跑分機構 Artificial Analysis 量到的實際狀況有點反差。開到 High 推理強度時，3.8 Flash 的首字延遲（time to first token）要 13.3 秒，同級模型的中位數是 2.99 秒，等於慢了四倍以上，換成 Low 強度延遲會降到 0.7 秒，但代價是放棄大半推理能力。輸出速度倒是真的快，High 模式下每秒吐 304.6 個 token，遠高於同價位模型 70.8 token 的中位數，可是吐得快不代表吐得少，同一組跑分任務，3.8 Flash 總共花了 1.2 億個輸出 token，中位數只要 7,100 萬，等於多燒了近 70% 的量。換算下來，帳單上單價便宜不等於整輪任務跑下來總花費也便宜，這是兩筆帳，得分開算。

還有一項官方自己承認的退步。DeepMind 的模型卡寫明，3.8 Flash 在「多語言安全性」的自動化測試上比 3.7 Flash 退步了 5.4 個百分點，人工紅隊測試雖然仍通過上線門檻，但這代表非英文情境下的防護不是進步、而是略為鬆動，做多語系客服或面向海外用戶的人要留意。

一般訂閱戶不用額外開通，Pro／Ultra 直接吃得到

跟前陣子 Claude Fable 5.1 上線 那篇提到「訂 Pro 也用不到、得另外開額外用量」的做法不一樣，Google 官方部落格寫得很直白，3.8 Flash 已經上線給 Google AI Pro 和 Ultra 訂閱戶使用，不用另外解鎖、不用多付費，訂閱的當下就切得到這顆新模型。Google AI Pro 月費 19.99 美元、Ultra 分兩檔，99.99 美元是 5 倍用量、199.99 美元是 20 倍用量，三檔都在原本的訂閱額度裡直接含 3.8 Flash，這點對一般只是在 Gemini App 裡聊天、不碰 API 的人來說，是最直接的差異。

不過要注意，Google 自家的方案介紹頁目前主打的招牌模型還是 Gemini 3.1 Pro，3.8 Flash 這顆是在應用程式選單裡切模型才會看到的選項，官方行銷頁沒有特別把它拉出來講，算是藏在訂閱裡的加映，不是這次改版的主打賣點。

開發者怎麼用、多少錢

除了 Gemini App，3.8 Flash 也同步開放給 Google AI Studio、Android Studio、Google Antigravity 這些開發工具，企業客戶則是走 Gemini Enterprise。API 計價前面提過，0.75／3.75 美元的介紹價撐到今年底。換算一輪對話的成本，假設輸入 1 萬 token、輸出 1,500 token，大概是 0.0075 美元加 0.0056 美元，兩者相加約 0.013 美元，換算台幣不到一塊錢，比 Claude 那篇算過的 Fable 額外用量（同樣輸入輸出比例下大約 0.18 美元）便宜了十幾倍。規格上，3.8 Flash 支援文字、圖片、語音、影片輸入，脈絡長度 100 萬 token，單次輸出上限 6.4 萬 token，跟前一代 3.7 Flash 相同。這次是延伸訓練、不是全新的底層模型，這點官方模型卡寫得很清楚，沒有藏著掖著。

所以到底要不要在意

如果你只是 Google AI Pro／Ultra 訂閱戶，平常就在 Gemini App 裡問問題查資料，這次更新幾乎不用做任何事，選單切過去就是新模型，多數場景會比 3.7 Flash 更準，代價頂多是偶爾回應變慢一點。如果你是拿 API 在跑 agent、寫程式或串接固定流程的工作，3.8 Flash 目前這個價位帶確實划算，官方數字也支持「跑得動、跟旗艦打平手」的說法，但前提是任務範圍要明確。一旦換成需要長時間自主規劃、操作整個電腦環境的開放式任務，Terminal-bench 4.0 跟 OSWorld-2.0 那兩項差距擺在那，該用 Opus 5 還是得用 Opus 5，別被「打敗前沿模型」這種標題騙了只看對自己有利的那幾項分數。