Gemini 3.8 Flash 相较于 3.7 Flash 实现了显著提升，其性能通常逼近成本更高的前沿模型。
在 DeepSWE v1.1（长程软件工程）基准上，3.8 Flash 在自主端到端解决复杂工程问题方面超越了大多数更大规模的前沿模型，而成本仅为后者的一小部分。
此外，3.8 Flash 展现出关键企业级自主应用所需的可靠性，涵盖多个专业知识领域。在需要高级分析与报告的量化及专业领域，3.8 Flash 在 Vals Finance Agent V2 和 Harvey 法律智能体基准（Harvey’s Legal Agent Benchmark）等测试中超越了 3.7 Flash 及其他前沿模型。3.8 Flash 在 HLE-Verified 上还取得了 54.9% 的成绩，展示了其跨 STEM、人文学科和专业领域进行多步推理的能力。
这些性能提升源于一个核心设计选择：3.8 Flash “更努力地工作”。在复杂任务上，它表现出更强的勤勉度——执行额外的推理步骤，并迭代调用工具。有时，该模型可能会消耗更多 token 以最大化性能，尤其是在更高的 effort 级别下。
对于以计算效率为主要约束的应用，开发者可以使用较低的 effort 级别来最小化 token 开销，或继续依赖 Gemini 3.7 Flash——该模型仍将获得完整支持，适用于效率优先的工作负载。
Gemini 3.8 Flash 在 Google Antigravity 中通过一个使用循环指令的简单提示词构建了这款游戏。该游戏运用谜题、环境叙事以及由 Nano Banana 生成的纹理，打造了一个沉浸式 3D 关卡，玩家将扮演一位在城堡中探索的巫师。
Gemini 3.8 Flash 在 Google Antigravity 中仅凭单个提示词就构建了一个功能完整的 DOS 版 Google Maps，完全可玩，包含地点、路线导航和街景功能。
借助 Gemini 3.8 Flash 在 Google Antigravity 中基于美国地质调查局（U.S. Geological Survey）真实数据集构建的著名地理景点地形图，可以探索实时横截面、2D 投影和科学解说。
Hardware Anatomy 是一个用 Gemini 3.8 Flash 在 Google AI Studio 中构建的交互式 3D 可视化工具，可为硬件设备生成符合真实比例的逼真 Three.js 拆解渲染图。它会自动将设备分解为多个层级，你可以通过拆解滑块将其展开并逐层检查。
面向一批受信任的防御者（通过 Fairwind Program 提供）开放的 Gemini 3.8 Flash Cyber，在当今复杂的网络安全格局中提供了决定性优势，同时具备 Flash 系列的速度和成本优势，支持快速迭代。
在漏洞发现的标准行业基准 CyberGym 上，Gemini 3.8 Flash Cyber 在自主漏洞发现方面展现出前沿级性能。它超越了 3.5 Flash Cyber 以及规模大得多的前沿模型。
为了更好地捕捉真实世界的防御需求——而不仅限于 CyberGym 中的 C/C++ 代码库——我们还在一个综合性的内部基准上评估了 Gemini 3.8 Flash Cyber，该模型需要在跨越 20 种编程语言的复杂代码库中发现各类漏洞。在这里，该模型相较我们之前的模型实现了令人瞩目的飞跃，成功率达到 70% 以上。
在 Gemini 3.8 Flash Cyber 上，我们特别专注于为防御者配备专家级能力，使其在与攻击者的对抗中占据优势。正因如此，我们从一开始就投资于漏洞修复能力，并将其优先于漏洞利用等攻击性能力。