Gemini 3.8 Flash「Skimaki」到底是什麼？

Gemini 3.8 Flash 是 Google 據報正在推出、以程式碼能力為重點的 Gemini 模型，內部代號為「Skimaki」。它的產品定位不是單純追求更大的模型規模，而是把能力集中在長流程軟體工程、工具操作與 AI 代理（agentic）工作流程上。25

這類工作通常不只需要模型一次產生程式碼，還包括反覆閱讀程式庫、呼叫工具、修改檔案、執行測試，再根據結果修正方案。Google 的開發者文件將 3.8 Flash 描述為適合長流程軟體工程、自主代理及複雜企業工作流程的模型。5

什麼時候發布？「即將推出」可能已經是過時說法

《華爾街日報》引述知情人士報導，Gemini 3.8 Flash 最快可能在 **2026 年 9 月 2 日（星期三）**發布。2 不過，Google 的 AI for Developers 文件在同一天已將 gemini-3.8-flash 列為一般可用（GA），並稱其已可投入生產環境使用。5

因此，截至目前，更準確的說法是：這款模型至少已出現在 Google 的正式開發者文件中；至於不同產品、地區或 API 帳戶的實際開放時間，仍可能有所差異。早期以「即將發布」描述它的報導，可能反映的是公告前的資訊，而不是目前最新狀態。

Google 如何在 Jetski 中比較 Claude Opus？

據《華爾街日報》引述的 Google 員工說法，工程師曾在 Jetski 這個 Google 內部程式設計工具中，讓 Gemini 3.8 Flash 與 Anthropic 的 Claude Opus 進行正面比較；部分工程師表示，他們更偏好 Gemini 3.8 Flash 的程式碼表現。2

但這項消息需要放在正確脈絡下理解：

• 這是公司內部工具中的比較，不是任何人都能重現的公開基準測試。
• 「工程師偏好」屬於內部、偏質性的評估，未必等同於所有任務的客觀分數。
• 結果可能受到提示詞、工具權限、模型版本、測試程式庫及評測方式影響。
• 即使在 Jetski 中表現較佳，也不能直接推論 Gemini 3.8 Flash 已全面超越 Claude Opus。

換句話說，Jetski 的測試顯示 Google 可能在程式碼能力上取得進展，但仍不足以作為整體競爭力的定論。

為什麼要做成更快、更便宜的 Flash 模型？

「Flash」系列的核心思路，是在速度、使用成本與能力之間取得更實用的平衡，而不是單純打造 Google 最大、最昂貴的前沿模型。對程式碼代理而言，模型可能需要在一次任務中連續進行數十甚至更多次的推理、工具呼叫與驗證；如果每一步都使用高成本旗艦模型，整體延遲與費用會迅速累積。

因此，一款足夠強、但反應更快且推理成本較低的模型，更適合用於：

• 大量程式碼生成與除錯
• 需要多次工具呼叫的軟體工程代理
• 企業內部自動化工作流程
• Google 產品與雲端服務中的高頻 AI 功能

Google 開發者文件也將 Gemini 3.8 Flash 定位為面向長流程軟體工程與複雜企業工作流程的模型，並列出限時的入門價格：每 100 萬個輸入 token 為 0.75 美元，每 100 萬個輸出 token 為 3.75 美元。5

至於有人推測，較小型、效率導向的 Flash 模型可以避開大型前沿模型所面對的部分審查壓力，這比較接近策略性推論。現有報導並未證實存在某個特定政府審查門檻，也沒有證據表明監管是 Gemini 3.8 Flash 設計取向的決定性原因。

Google 為何此時特別重視程式碼與 AI 代理？

Google 近來面對的實際壓力，是外界認為它在程式碼能力及 AI 代理應用上落後於 OpenAI 與 Anthropic。當競爭對手把資源更集中於可自主執行程式設計任務的代理後，Google 需要的不只是單次問答能力，而是能在真實工作流程中持續執行任務的模型。12

Google 也已將 AI 代理視為企業 AI 商業化策略的核心。對企業客戶而言，一個速度較快、成本較低、能大規模部署的程式碼模型，可能比單靠高價旗艦模型更容易整合到雲端產品與日常開發工具中。4

背後的領導層與組織變化

這場模型競賽也發生在 Google AI 組織調整之際。2026 年 8 月，Demis Hassabis 不再負責 Google DeepMind 的日常執行管理，轉任董事長及 Alphabet 首席科學家；更多營運權力則交由其他高層負責，同時保留 Hassabis 在策略與科學方向上的角色。3

路透社另報導，Google 共同創辦人 Sergey Brin 曾敦促關鍵 AI 團隊「all in」Gemini，反映公司希望加快追趕競爭對手的壓力。1 這些人事與資源調整，為 Gemini 3.8 Flash 這類更聚焦商業部署的模型提供了組織背景，但不能單獨證明模型一定會在市場上勝出。

訓練重點：不只是把模型做大

相關報導指出，Google 增加了對強化學習的投入。強化學習可以理解為模型訓練後期的一種方法：系統透過反覆嘗試、取得回饋與獎勵，逐步學習如何更可靠地完成任務。

對程式碼代理而言，這類訓練有助於模型學會不只「寫出看似合理的程式碼」，還要知道如何檢查結果、處理錯誤、使用工具並完成較長的任務鏈。這也能解釋為何 Gemini 3.7 Flash 與據報的 3.8 Flash 之間更新速度較快：重點可能在於把既有模型能力轉化為更穩定的程式碼與工具操作表現，而不只是擴大預訓練規模。2

目前仍不能下的結論

即使 Google 內部的 Jetski 測試結果令人關注，Gemini 3.8 Flash 的真實競爭力仍需等待更完整的公開資料，包括：

• 可獨立重現的公開基準測試
• 不同語言與大型真實程式庫中的表現
• 長時間自主執行任務時的可靠性
• 程式碼安全性與錯誤率
• 實際 API 價格、速度及整體性價比

目前關於 Gemini 3.8 Flash 優於 Claude Opus 的資訊主要來自匿名員工所述的內部比較。2 因此，最穩妥的判斷是：「Skimaki」顯示 Google 正積極補強程式碼與 AI 代理能力，且可能已經正式進入開發者可用階段；但它是否全面領先 OpenAI 或 Anthropic，仍有待公開測試與實際使用驗證。

Gemini 3.8 Flash「Skimaki」到底是什麼？

Gemini 3.8 Flash 是 Google 據報正在推出、以程式碼能力為重點的 Gemini 模型，內部代號為「Skimaki」。它的產品定位不是單純追求更大的模型規模，而是把能力集中在長流程軟體工程、工具操作與 AI 代理（agentic）工作流程上。25

這類工作通常不只需要模型一次產生程式碼，還包括反覆閱讀程式庫、呼叫工具、修改檔案、執行測試，再根據結果修正方案。Google 的開發者文件將 3.8 Flash 描述為適合長流程軟體工程、自主代理及複雜企業工作流程的模型。5

什麼時候發布？「即將推出」可能已經是過時說法

《華爾街日報》引述知情人士報導，Gemini 3.8 Flash 最快可能在 **2026 年 9 月 2 日（星期三）**發布。2 不過，Google 的 AI for Developers 文件在同一天已將 gemini-3.8-flash 列為一般可用（GA），並稱其已可投入生產環境使用。5

因此，截至目前，更準確的說法是：這款模型至少已出現在 Google 的正式開發者文件中；至於不同產品、地區或 API 帳戶的實際開放時間，仍可能有所差異。早期以「即將發布」描述它的報導，可能反映的是公告前的資訊，而不是目前最新狀態。

Google 如何在 Jetski 中比較 Claude Opus？

據《華爾街日報》引述的 Google 員工說法，工程師曾在 Jetski 這個 Google 內部程式設計工具中，讓 Gemini 3.8 Flash 與 Anthropic 的 Claude Opus 進行正面比較；部分工程師表示，他們更偏好 Gemini 3.8 Flash 的程式碼表現。2

但這項消息需要放在正確脈絡下理解：

• 這是公司內部工具中的比較，不是任何人都能重現的公開基準測試。
• 「工程師偏好」屬於內部、偏質性的評估，未必等同於所有任務的客觀分數。
• 結果可能受到提示詞、工具權限、模型版本、測試程式庫及評測方式影響。
• 即使在 Jetski 中表現較佳，也不能直接推論 Gemini 3.8 Flash 已全面超越 Claude Opus。

換句話說，Jetski 的測試顯示 Google 可能在程式碼能力上取得進展，但仍不足以作為整體競爭力的定論。

為什麼要做成更快、更便宜的 Flash 模型？

「Flash」系列的核心思路，是在速度、使用成本與能力之間取得更實用的平衡，而不是單純打造 Google 最大、最昂貴的前沿模型。對程式碼代理而言，模型可能需要在一次任務中連續進行數十甚至更多次的推理、工具呼叫與驗證；如果每一步都使用高成本旗艦模型，整體延遲與費用會迅速累積。

因此，一款足夠強、但反應更快且推理成本較低的模型，更適合用於：

• 大量程式碼生成與除錯
• 需要多次工具呼叫的軟體工程代理
• 企業內部自動化工作流程
• Google 產品與雲端服務中的高頻 AI 功能

Google 開發者文件也將 Gemini 3.8 Flash 定位為面向長流程軟體工程與複雜企業工作流程的模型，並列出限時的入門價格：每 100 萬個輸入 token 為 0.75 美元，每 100 萬個輸出 token 為 3.75 美元。5

至於有人推測，較小型、效率導向的 Flash 模型可以避開大型前沿模型所面對的部分審查壓力，這比較接近策略性推論。現有報導並未證實存在某個特定政府審查門檻，也沒有證據表明監管是 Gemini 3.8 Flash 設計取向的決定性原因。

Google 為何此時特別重視程式碼與 AI 代理？

Google 近來面對的實際壓力，是外界認為它在程式碼能力及 AI 代理應用上落後於 OpenAI 與 Anthropic。當競爭對手把資源更集中於可自主執行程式設計任務的代理後，Google 需要的不只是單次問答能力，而是能在真實工作流程中持續執行任務的模型。12

Google 也已將 AI 代理視為企業 AI 商業化策略的核心。對企業客戶而言，一個速度較快、成本較低、能大規模部署的程式碼模型，可能比單靠高價旗艦模型更容易整合到雲端產品與日常開發工具中。4

背後的領導層與組織變化

這場模型競賽也發生在 Google AI 組織調整之際。2026 年 8 月，Demis Hassabis 不再負責 Google DeepMind 的日常執行管理，轉任董事長及 Alphabet 首席科學家；更多營運權力則交由其他高層負責，同時保留 Hassabis 在策略與科學方向上的角色。3

路透社另報導，Google 共同創辦人 Sergey Brin 曾敦促關鍵 AI 團隊「all in」Gemini，反映公司希望加快追趕競爭對手的壓力。1 這些人事與資源調整，為 Gemini 3.8 Flash 這類更聚焦商業部署的模型提供了組織背景，但不能單獨證明模型一定會在市場上勝出。

訓練重點：不只是把模型做大

相關報導指出，Google 增加了對強化學習的投入。強化學習可以理解為模型訓練後期的一種方法：系統透過反覆嘗試、取得回饋與獎勵，逐步學習如何更可靠地完成任務。

對程式碼代理而言，這類訓練有助於模型學會不只「寫出看似合理的程式碼」，還要知道如何檢查結果、處理錯誤、使用工具並完成較長的任務鏈。這也能解釋為何 Gemini 3.7 Flash 與據報的 3.8 Flash 之間更新速度較快：重點可能在於把既有模型能力轉化為更穩定的程式碼與工具操作表現，而不只是擴大預訓練規模。2

目前仍不能下的結論

即使 Google 內部的 Jetski 測試結果令人關注，Gemini 3.8 Flash 的真實競爭力仍需等待更完整的公開資料，包括：

• 可獨立重現的公開基準測試
• 不同語言與大型真實程式庫中的表現
• 長時間自主執行任務時的可靠性
• 程式碼安全性與錯誤率
• 實際 API 價格、速度及整體性價比

目前關於 Gemini 3.8 Flash 優於 Claude Opus 的資訊主要來自匿名員工所述的內部比較。2 因此，最穩妥的判斷是：「Skimaki」顯示 Google 正積極補強程式碼與 AI 代理能力，且可能已經正式進入開發者可用階段；但它是否全面領先 OpenAI 或 Anthropic，仍有待公開測試與實際使用驗證。