Google 的 Gemini 3.8 Flash，内部据称以“Skimaki”为代号，如今已经不只是“即将发布”的传闻。Google 开发者文档显示，这款模型已于 2026 年 9 月 2 日正式开放（GA），并可用于生产环境。3

它的目标也并非单纯应对聊天问答，而是处理更长流程的软件工程、自主智能体和复杂企业工作流。对 Google 来说，这次更新释放出的信号很明确：与其只追求更大、更昂贵的前沿模型，不如先把编程和工具调用能力做到足够实用，同时让企业能够以更低成本大规模调用。

Gemini 3.8 Flash 要解决什么问题？

Google 将 Gemini 3.8 Flash 描述为目前“最智能的 Flash 模型”，专为长周期软件工程、自主智能体和复杂企业流程打造。3

这类任务远不止生成一小段代码。一个编程智能体可能需要：

• 阅读并理解陌生代码库；
• 调用终端、文档或其他开发工具；
• 修改多个文件；
• 运行测试并定位失败原因；
• 根据结果反复修正，直到任务完成。

因此，编程是检验智能体能力的一项重要压力测试。模型或许能在一次回答中给出看似正确的代码，但如果无法在多轮操作中保持上下文、稳定决策并从错误中恢复，它仍然很难真正承担开发工作。

“Flash”这一名称则体现了产品取舍。它不是 Google 体量最大、价格最高的旗舰模型，而是试图在推理、编程能力与速度、成本之间取得平衡。Google 文档显示，在 2026 年年底前，Gemini 3.8 Flash 的引入价格为：每百万输入 token 0.75 美元，每百万输出 token 3.75 美元。3

Jetski 测试说明了什么？

《华尔街日报》援引知情员工称，Google 工程师曾在公司内部编程工具 Jetski 中，将 Gemini 3.8 Flash 与 Anthropic 的 Claude Opus 进行正面对比。一些工程师据称更偏好 Google 的模型。1

这确实说明 Gemini 3.8 Flash 在 Google 自己的开发环境中表现出了积极信号，但它并不等同于公开基准测试。现有报道没有披露一套可完全复现的测试集、评分方法、模型配置或独立评测结果，因此不能据此断言 Gemini 3.8 Flash 在所有编程任务上都优于 Claude Opus。

对于编程智能体而言，测试环境尤其重要。代码仓库的选择、文档访问权限、能否执行测试、上下文长度、响应延迟，以及模型是否愿意主动修改错误结果，都可能显著影响最终成绩。

目前最稳妥的结论是：Google 内部测试人员据称看到了明显的编程能力提升，并且在部分 Jetski 对比中更喜欢 Gemini 3.8 Flash；但这一优势能否在独立测试中延续，仍有待验证。1

为什么选择 Flash，而不是等待更大的旗舰模型？

一个快速、节省资源的编程模型，通常比昂贵的旗舰模型更容易大规模部署。一次软件开发任务可能触发许多次模型调用，因此延迟和单次 token 成本，有时与模型在单项挑战中的最高能力同样重要。

如果一个模型在单次测试中略逊一筹，却能在反复调用工具的真实流程中更快、更便宜，那么它可能反而更适合生产环境。

现有报道支持这种“效率优先”的技术与商业解读，但并没有证明 Google 选择 Flash 的决定性原因，是为了避开政府审查或某个特定监管门槛。更有依据的解释是：Google 希望把编程和智能体能力以足够低的成本部署到产品及企业服务中。1338

强化学习如何推动 Gemini 3.7 Flash 的迭代？

相关报道提到，Google 在开发过程中加大了对强化学习的投入。简单来说，强化学习是模型训练后期的一种方法，通过反馈或奖励，帮助模型更好地完成目标任务。

对于编程智能体，这意味着训练重点不只是“写出看起来合理的代码”，还包括：

• 是否真正完成了任务；
• 是否有效使用了工具；
• 是否运行并验证了结果；
• 出现错误后能否继续排查和修复。

这一方向也有助于解释 Gemini 3.7 Flash 与 3.8 Flash 之间较快的迭代。Google 似乎不只是扩大基础模型规模，而是在重点改善长流程软件工程中更重要的行为表现。1

不过，公开资料仍不足以判断具体提升有多少来自强化学习、其他后训练方法、模型架构变化、工具集成或评测方式调整。开发者进行独立测试时，这些因素都值得关注。

发布时机与 Google 的 AI 组织调整

Gemini 3.8 Flash 发布之际，Google DeepMind 正处在管理层调整后的高压阶段。8 月，Demis Hassabis 不再负责 Google DeepMind 的日常运营，转任 Google DeepMind 主席和 Alphabet 首席科学家。Google 表示，他仍将与团队保持密切联系，并在模型和研究工作上提供建议；更多日常运营职责则由其他高管承担。29

路透社还报道称，Google 联合创始人 Sergey Brin 曾敦促核心 AI 员工全力投入 Gemini，帮助 Alphabet 缩小与 OpenAI、Anthropic 的差距。37 此外，路透社此前报道，AI 智能体已成为 Google 面向企业客户商业化 AI 的重要支点。38

在这一背景下，Gemini 3.8 Flash 就不只是一次常规版本更新。它是一款面向编程、强调生产环境落地的 Flash 模型，符合 Google 希望更快把实用型智能体带入产品和企业工作流的战略，即使更大型的系统仍在继续研发之中。

Google 想补上的，是编程能力短板

这款模型瞄准的是 Google 被认为落后于 OpenAI 和 Anthropic 的一块关键领域：软件工程和智能体编程。1

随着 OpenAI 加大对编程智能体的投入，Anthropic 的 Claude 模型也成为开发者构建软件工具时的重要参照，Google 面临的竞争压力进一步上升。

Google 的应对方式并不是简单地等待下一款更大的模型“自然追上”。Gemini 3.8 Flash 代表了另一种更容易落地的方案：提升代码质量，保持较低延迟，并让高频、多轮的智能体交互足够便宜。

如果它在 Google 之外的环境中同样表现出色，这种组合可能比一次狭窄的榜单领先更重要。编程智能体最终需要服务开发者、团队和云客户，而不仅仅是在受控演示中看起来令人印象深刻。

哪些结论仍未得到证明？

仅凭发布资料和 Jetski 内部对比，还无法回答以下问题：

• 独立编程能力： Google 内部人员据称更偏好它胜过 Opus，但这不是独立、可复现的公开基准结果。1
• 长期可靠性： 真正的编程智能体必须在多次工具调用、测试和修改中保持有效，而不是只解决一个提示词任务。
• 真实代码库覆盖范围： 模型表现可能因编程语言、框架、文档质量、遗留代码以及安全敏感程度而异。
• 实际性价比： 引入价格提供了重要参考，但开发者还需要在自己的工作负载中评估总成本、延迟、工具调用次数和错误恢复成本。3
• 竞争优势能否持续： OpenAI 和 Anthropic 都可能快速回应，因此早期优势未必能够长期保持。

现阶段，Gemini 3.8 Flash 最适合被理解为 Google 将编程和自主工具调用打造成快速、可扩展产品能力的一次尝试。它已经正式开放，内部编程测试也传递出积极信号；但“已经全面超越 Claude Opus”或“彻底填平 Google 的编程差距”等更大的结论，仍需要透明的公开评测和独立开发者体验来确认。

Google 的 Gemini 3.8 Flash，内部据称以“Skimaki”为代号，如今已经不只是“即将发布”的传闻。Google 开发者文档显示，这款模型已于 2026 年 9 月 2 日正式开放（GA），并可用于生产环境。3

它的目标也并非单纯应对聊天问答，而是处理更长流程的软件工程、自主智能体和复杂企业工作流。对 Google 来说，这次更新释放出的信号很明确：与其只追求更大、更昂贵的前沿模型，不如先把编程和工具调用能力做到足够实用，同时让企业能够以更低成本大规模调用。

Gemini 3.8 Flash 要解决什么问题？

Google 将 Gemini 3.8 Flash 描述为目前“最智能的 Flash 模型”，专为长周期软件工程、自主智能体和复杂企业流程打造。3

这类任务远不止生成一小段代码。一个编程智能体可能需要：

• 阅读并理解陌生代码库；
• 调用终端、文档或其他开发工具；
• 修改多个文件；
• 运行测试并定位失败原因；
• 根据结果反复修正，直到任务完成。

因此，编程是检验智能体能力的一项重要压力测试。模型或许能在一次回答中给出看似正确的代码，但如果无法在多轮操作中保持上下文、稳定决策并从错误中恢复，它仍然很难真正承担开发工作。

“Flash”这一名称则体现了产品取舍。它不是 Google 体量最大、价格最高的旗舰模型，而是试图在推理、编程能力与速度、成本之间取得平衡。Google 文档显示，在 2026 年年底前，Gemini 3.8 Flash 的引入价格为：每百万输入 token 0.75 美元，每百万输出 token 3.75 美元。3

Jetski 测试说明了什么？

《华尔街日报》援引知情员工称，Google 工程师曾在公司内部编程工具 Jetski 中，将 Gemini 3.8 Flash 与 Anthropic 的 Claude Opus 进行正面对比。一些工程师据称更偏好 Google 的模型。1

这确实说明 Gemini 3.8 Flash 在 Google 自己的开发环境中表现出了积极信号，但它并不等同于公开基准测试。现有报道没有披露一套可完全复现的测试集、评分方法、模型配置或独立评测结果，因此不能据此断言 Gemini 3.8 Flash 在所有编程任务上都优于 Claude Opus。

对于编程智能体而言，测试环境尤其重要。代码仓库的选择、文档访问权限、能否执行测试、上下文长度、响应延迟，以及模型是否愿意主动修改错误结果，都可能显著影响最终成绩。

目前最稳妥的结论是：Google 内部测试人员据称看到了明显的编程能力提升，并且在部分 Jetski 对比中更喜欢 Gemini 3.8 Flash；但这一优势能否在独立测试中延续，仍有待验证。1

为什么选择 Flash，而不是等待更大的旗舰模型？

一个快速、节省资源的编程模型，通常比昂贵的旗舰模型更容易大规模部署。一次软件开发任务可能触发许多次模型调用，因此延迟和单次 token 成本，有时与模型在单项挑战中的最高能力同样重要。

如果一个模型在单次测试中略逊一筹，却能在反复调用工具的真实流程中更快、更便宜，那么它可能反而更适合生产环境。

现有报道支持这种“效率优先”的技术与商业解读，但并没有证明 Google 选择 Flash 的决定性原因，是为了避开政府审查或某个特定监管门槛。更有依据的解释是：Google 希望把编程和智能体能力以足够低的成本部署到产品及企业服务中。1338

强化学习如何推动 Gemini 3.7 Flash 的迭代？

相关报道提到，Google 在开发过程中加大了对强化学习的投入。简单来说，强化学习是模型训练后期的一种方法，通过反馈或奖励，帮助模型更好地完成目标任务。

对于编程智能体，这意味着训练重点不只是“写出看起来合理的代码”，还包括：

• 是否真正完成了任务；
• 是否有效使用了工具；
• 是否运行并验证了结果；
• 出现错误后能否继续排查和修复。

这一方向也有助于解释 Gemini 3.7 Flash 与 3.8 Flash 之间较快的迭代。Google 似乎不只是扩大基础模型规模，而是在重点改善长流程软件工程中更重要的行为表现。1

不过，公开资料仍不足以判断具体提升有多少来自强化学习、其他后训练方法、模型架构变化、工具集成或评测方式调整。开发者进行独立测试时，这些因素都值得关注。

发布时机与 Google 的 AI 组织调整

Gemini 3.8 Flash 发布之际，Google DeepMind 正处在管理层调整后的高压阶段。8 月，Demis Hassabis 不再负责 Google DeepMind 的日常运营，转任 Google DeepMind 主席和 Alphabet 首席科学家。Google 表示，他仍将与团队保持密切联系，并在模型和研究工作上提供建议；更多日常运营职责则由其他高管承担。29

路透社还报道称，Google 联合创始人 Sergey Brin 曾敦促核心 AI 员工全力投入 Gemini，帮助 Alphabet 缩小与 OpenAI、Anthropic 的差距。37 此外，路透社此前报道，AI 智能体已成为 Google 面向企业客户商业化 AI 的重要支点。38

在这一背景下，Gemini 3.8 Flash 就不只是一次常规版本更新。它是一款面向编程、强调生产环境落地的 Flash 模型，符合 Google 希望更快把实用型智能体带入产品和企业工作流的战略，即使更大型的系统仍在继续研发之中。

Google 想补上的，是编程能力短板

这款模型瞄准的是 Google 被认为落后于 OpenAI 和 Anthropic 的一块关键领域：软件工程和智能体编程。1

随着 OpenAI 加大对编程智能体的投入，Anthropic 的 Claude 模型也成为开发者构建软件工具时的重要参照，Google 面临的竞争压力进一步上升。

Google 的应对方式并不是简单地等待下一款更大的模型“自然追上”。Gemini 3.8 Flash 代表了另一种更容易落地的方案：提升代码质量，保持较低延迟，并让高频、多轮的智能体交互足够便宜。

如果它在 Google 之外的环境中同样表现出色，这种组合可能比一次狭窄的榜单领先更重要。编程智能体最终需要服务开发者、团队和云客户，而不仅仅是在受控演示中看起来令人印象深刻。

哪些结论仍未得到证明？

仅凭发布资料和 Jetski 内部对比，还无法回答以下问题：

• 独立编程能力： Google 内部人员据称更偏好它胜过 Opus，但这不是独立、可复现的公开基准结果。1
• 长期可靠性： 真正的编程智能体必须在多次工具调用、测试和修改中保持有效，而不是只解决一个提示词任务。
• 真实代码库覆盖范围： 模型表现可能因编程语言、框架、文档质量、遗留代码以及安全敏感程度而异。
• 实际性价比： 引入价格提供了重要参考，但开发者还需要在自己的工作负载中评估总成本、延迟、工具调用次数和错误恢复成本。3
• 竞争优势能否持续： OpenAI 和 Anthropic 都可能快速回应，因此早期优势未必能够长期保持。

现阶段，Gemini 3.8 Flash 最适合被理解为 Google 将编程和自主工具调用打造成快速、可扩展产品能力的一次尝试。它已经正式开放，内部编程测试也传递出积极信号；但“已经全面超越 Claude Opus”或“彻底填平 Google 的编程差距”等更大的结论，仍需要透明的公开评测和独立开发者体验来确认。