Gemini 这不声不响的家伙，更新速度真的是快！
Gemini 3.5 Pro 迟迟不出，Flash 版本一路狂飙，从 3.5 到 3.6 再到 3.7 再到 3.8 也没用多少时间。
谷歌在大模型上好像退出了巅峰赛，但是 Gemini 的 Flash 其实有一个巨大的优势：又快又便宜！
667d3671-a103-476b-b058-b02eba3bd525
这种快，不是一般的快，而是快如闪电的快，10 倍速吊打国内的 Flash。
今天这个 3.8 的版本好像在能力方面也提升了不少，G家的模型，性价比又悄悄凸显出来了。
基础情况
按照惯例，我们先看一下这次更新的基础情况。
image-20260903113715227
不得不说，Gemini 的新模型的关注度是真的低！居然只有 32 万查看！
为此我还特地去找了 Google 的账号：
它这个帖子稍微好一点！
介绍还是万年不变：
......我们迄今为止最佳的推理与编码模型......
这次不一样的一点是，同步更新了一个叫 Cyber 的模型，听名字，就知道这是一个和安全相关的模型了。
Gemini 3.8 的基准情况如下：
描述为：
Gemini 3.8 Flash：我们迄今为止最智能的多功能模型。它在编码、代理工作流以及关键的多步骤推理方面带来了升级，同时保持与 3.7 Flash 相同的速度和低成本。
Cyber部分的情况如下：
描述为：
Gemini 3.8 Flash Cyber：我们最具能力的网络安全模型，在漏洞检测和自动化修补方面提供前沿级性能。
最后有一个价格信息：
Gemini 3.8 Flash 以与 3.7 Flash 相同的介绍价格* 提供：百万输入令牌和3.75/百万输出令牌。
然后就没有然后了！
从贴出来的两项数据看，这次的 3.8 Flash 还是非常强的，直接把 GPT-5.6 Sol 和 Opus 5 都压下去了。
我找了一下它完整的基准数据：
谷歌还特地把价格也写到了表格里面，然后基准数据又有多项第一！看起来很不错的样子。
谷歌还专门分享了一个 DeepSWE 的测试数据：
结论是：在 DeepSWE v1.1（长周期软件工程）基准测试中，3.8 Flash 能够以极低的成本，在自主端到端解决复杂工程问题方面优于多数更大规模的前沿模型。
这是要用 Flash 的价格和速度，直接打爆人家的旗舰模型么？
这么一看性价比要拉爆了！ 比 Sonnet 5 都便宜一半都不止啊！
下面我就上手试一试。除了看效果之外，我重点给大家看看 Flash 的速度，我会和 GLM5.3Flash 做一个对比。
下面就直接给测试结果了！
赛博朋克版清明上河图
这个例子是要结合清明上河图内容和赛博朋克风格。考验风格融合能力、创造力、审美、空间感等。
老例子了，就不多说其他了，直接看结果：
这个结果吧，谈不上空间感、审美这些，整体来说还是比较抽象。但是呢，也不能说很差，该有的好像也都有，运行呢也没啥错误！
整体来说，就是属于不突出，也不犯错！ 有一点必须强调，它搞定这个例子，只用了 1 分钟。
甲维斯的车库
这个例子主要测试网页复刻能力和 3D 建模能力。
我会给两张参考图，一个是人物，一个是网页。让他复刻网页的效果，把人物放到里面。
结果如下：
这个 UI 复刻效果还是不错的。除了颜色部分多了两种颜色之外，其它细节都很好！
建模部分吧，不是太理想！！
我尝试过让他优化建模：
确实有优化，但是非常有限！
建模方面和 DS Flash，Qwen 3.8 Flash 半斤八两！ 网页复刻方面，差得也不多，比 DS 好一些。
天文机械表
这个例子是考验大模型脑力的，同时也考验网页呈现能力。 这个题目的难点是：一次性提出N个有点难度需求，很容易分散AI模型的注意力，导致失误！
Gemini3.8Flash 这个样式和风格还是很不错，但是细节禁不起推敲，有两个小表盘设计得不是很好！我估计就是因为它一次性完成的缘故，有些智能体会一个一个拆解需求，一个一个验证，就不容易错。
游戏复刻
两个经典游戏复刻，我就不介绍了，直接上结果！
超级玛丽：
坦克大战：
这两个游戏，它都非常听劝，去查了资料，借鉴了代码，所以完成度比较高！
超级玛丽这边遇到了一个跳跃的问题，修复之后基本没有问题，整个地图还原度非常高，坦克大战是消墙逻辑有点问题，同样地图的还原度也很高。
Gemini 在游戏方面好像有它独特的画风，还是不错的！
这已经是中上水平了！
整体测下来，各方面综合一下，对比其它家的模型，水平不能算特别突出，中规中矩。
确实是 Flash 的水平，没有那种旗舰模型的惊艳感。
我感觉它在实战中是没法和 GPT-5.6 Sol 和 Claude Opus 5 比的。
中途出现了两个事故，我觉得也要提一下。
一个是它生成了代码，却不保存到电脑中！
一个是它覆盖了一个文件的代码！
这两个点暴露了它的 Agent 能力真的是"一坨"！ 只生成代码不保存，这不就是 chat 么？还有乱覆盖文件，覆盖之前都不检查，不提醒，这个有点太弱智了。
所以它给我的感觉是 API 还挺强的，有时候调用一次就能干人家十次的活，但是它自家的 Antigravity + 模型本身的 Agent 能力非常弱。所以只适合执行中低难度的任务。复杂任务不是很靠谱。
速度对比
能力不算出彩，没有基准中那么强。但是它的速度是真的快！这个问题我必须单独起一个段落来讲，因为有些 Flash 实在是太慢了。
我就以甲维斯的车库为例。它们的结果都差不太多，但是时间上差太多了。
GLM5.3Flash 的情况如下：
刚开始就直接用了半个小时，但这还只是创建页面，不小心被我中断了。后来验证加更新代码又花了 40 分钟。
也就是这例子它总共用了 70 分钟！
Qwen 3.8 Flash 的情况：
我目前没有阿里家的会员。所以这次是白嫖了孙哥的中转站！
整个时间非常长。长达 2 个小时！
其中有一个 821 秒（十几分钟）跑的是《赛博朋克版清明上河图》！
这个速度应该是受到了中转的影响。
然后我又用 OpenCode 跑了一轮：
大概用了 32 分钟，开始进入验证阶段！
然后 OpenCode 又出问题了：
就是发什么都说 Bad Request！ 我新启一个对话是正常的。在当前这个对话中死活无法继续！
让O哥分析了一下说是截图太大，放在上下文中导致调用被拒绝了！
OpenCode 这傻逼又不给我关键的提示信息，然后它也没有很好的处理图片上下文问题。总不可能上下文里不能有多图图吧？我 Codex，Claude 都是大量截图自查的！
DeepSeek Flash 的情况：
DS这个我有点没心情讲了，因为在我查看时间时候出了一个事故。
首先是，我本地的 DSH 突然消失了，重装后发现记录全无：
重新跑出现了一个错误，提示我没钱了。问题是，前几天刚充了 50 元啊！
然后我去 DeepSeek 后台看了一下，好家伙，我还倒欠 12 块钱了！
看了一下平台记录，是一个叫 my 的 API key 消耗的。
9 月 1 号，下午 5 点多，一下子消耗了 60 多块！flash，exp，pro 都有调用，各 40 次。
但是我完全不记得我 9 月 1 号创建过这个密钥。我当时正在研究 aiaiao 这个项目，最近这几天应该都没有打开过 DeepSeek 后台，没有启动过DSH（我可能失忆了）！
我查了一下，本地 agent 这几天都没有碰过这个 API key！
这个事情的诡异点是，本地的 DSH 突然没了，我不记得我创建了这个 key，我本地电脑上也没有这个 key 的信息。
应该没人会看上我几十块钱的 DeepSeek 账号吧？？？ 难道是我批评 DS 太多次了，DS 生气了，给我充公了，这也不可能吧！
这么一来，我在 DSH 上跑的例子也没有，数据全部被清空了。我就只能凭记忆说个大概了，DS 跑同一个测试的时间基本也是在十几分钟到几分钟的样子。DS本来是非常快的，但是最近的新版本，由于智能体流程的改进，以及复杂问题脑力不够，导致整个过程也慢了不少。
DSH 和 OpenCode 这两个东西，我是真的不太想用了！
收拾心情，继续。
Gemini 3.8 Flash 的情况：
同样的需求，它只花了 3 分钟！！！
DS 和 Qwen 这两个我反正很少用，我就不说了，我们来对比一下 GLM5.3Flash 吧！
比例是 3:70，大概 35 倍的时间差距！
如果一个例子还没有说服力，我可以再找一个！
比如《超级玛丽》这个例子。 GLM5.3Flash 消耗了 2 个小时。
Gemini 3.8 Flash 消耗了 6 分钟！
比例大概是 6:120，也就是 20 倍的样子。 这个例子已经是Gemini最慢的情况，大部分需求，三分钟内搞定。
你说同一个任务速度差个 100%，也不小了吧，现在是差 2000%~35000%！
当然，也可能和我测试的例子有关系，有些模型一看到我的例子，就觉得应该好好思考下，所以搞特别久，这个也是可能的。
但是，谷歌为啥一下子就搞完了呢？而且结果也是能看的！
所以我觉得现在国产 Flash 最大的问题是它一点都不 flash，它只是 small。 脑子不够，tokens 和时间来凑。同样的问题，消耗的时间巨多，浪费的 tokens 也不少。
只有谷歌这个 Flash，才真的配得上 Flash 的称号！ 虽然它单价还不算最便宜，但是完成一个任务消耗的 tokens 目测会非常少，也就是单任务的消耗情况非常优秀。
天下武功唯快不破啊，能力达到基准线之后，速度就变得很重要了。国产模型的问题不是快不快，而是太慢了太慢了太慢了。
我让它校验一下文章，它都能给我搞 10 分钟！稍微复杂一点需求动不动就是半个小时，一个小时。
打个不恰当的比喻：裤子都错了，你让我磨一个小时的指甲，这种服务体验是很糟糕的！
谷歌这模型，能力不算顶级。但是性价比和速度绝对是拉爆了！
只要你有需求，立马开干，3 分钟搞定。