首页›模型性能

Gemini 3.8 Flash：编程评测、音视频输入与 API 价格

整理 Google 公布的 DeepSWE、Terminal-Bench 结果，以及百万上下文、输入类型、首发价与常规价。

独立编辑与核验：DeepSeekDSH源码核验：0.1.5-rc.2 · 2026-09-11

本页内容

Gemini 3.8 Flash 支持文本、图片、音频和视频输入，提供百万上下文和最多 64K 文本输出。Google 公布了软件工程与终端任务成绩；其中 Terminal-Bench 2.1 和 4.0 使用不同任务集，两个百分比不能直接比较。

Flash 成本面板

Gemini 3.8 Flash 评测与价格

结合官方跑分和当前第三方 Index 版本，不把不同年代的分数刻度混在一起。

Sep 11, 2026

Google 将 3.8 Flash 定位为最智能的 workhorse 模型，并在 2026 年保持 3.7 Flash 同档促销价。

DeepSWE v1.173.7%

Vals Finance Agent v261.4%

Legal Agent all-pass10.0%

上下文1M多模态输入

Google DeepMind 2026 年 9 月 Model Card 显示，3.8 Flash 相比 3.7 Flash 在软件工程与 Agent 知识工作流上都有明显提升。

DeepSWE v1.1 73.7%，已经让 Gemini 3.8 Flash 在 Google 的对比表里靠近很多大型 Frontier Model；Terminal-Bench 2.1 也达到 89.4%。这类指标不是简单代码补全，而是偏 Agent 化的软件工程任务。

因此它已经可以作为 Coding Agent 的主力候选：读仓库、调用工具、连续执行多个步骤，尤其适合同时在意吞吐和调用成本的场景。

两个数字并不矛盾，它们说明 Benchmark 版本标签有多重要。Terminal-Bench 4.0 是另一套、更难的评测，不能把 2.1 和 4.0 的百分比当成同一张试卷。

这对比较 DeepSeek、OpenAI 特别重要：DeepSeek 部分发布表仍然重点展示 Terminal Bench 2.1，而 OpenAI 和 Artificial Analysis 最新页面已经大量使用 Terminal-Bench 4.0。

比较所需条件

看到“模型 A 89 分、模型 B 58 分”时，先确认 Benchmark 版本、Harness、工具配置完全一致，再讨论谁强。否则数字都可能是真的，但比较结论是假的。

Gemini 3.8 Flash 支持 Text、Image、Audio、Video，最大上下文 1M Tokens，文本最大输出 64K。这使它很适合不只是看代码的 Agent：例如看截图做 UI QA、读图表和长 PDF、分析视频，再结合工具完成后续动作。

Google 也公布了较强的图表推理和长视频成绩，但这些仍然属于厂商测试。真正上线时最好拿你自己的截图、PDF、视频类型跑一遍。

Google 当前给 Gemini 3.8 Flash 的首发优惠价是输入 $0.75 / 1M Tokens、输出 $3.75 / 1M；Model Card 同时标出了常规价 $1.50 / $7.50。计算长期预算时，应同时保留常规价格方案，工具服务和媒体处理费用另计。

如果你同时需要低成本、多模态、超长上下文和不错 Coding，它很有吸引力：UI 截图 QA、长文档分析、既要看视觉结果又要改代码的 Agent、大批量知识工作流都很适合。

但最难的自主 Terminal 任务仍然有明显上升空间，Terminal-Bench 4.0 的结果已经说明这一点。不要因为便宜就直接把更强模型全部替掉，先跑自己的回归集。

来源与核验