9月2日深夜，谷歌把 Gemini 3.8 Flash 丢了出来——六周之内第三款 Flash（7月底 3.6、8月中 3.7、9月初 3.8），同一天 Meta 还顺手发了 Muse Spark 1.3，两家"闪电小模型"对台，科技圈首页刷了一整天。36氪
但如果你只看两种标题，会被彻底带偏：一边是"单价只有旗舰 1/7，跑分暴击 Opus 5"，另一边是两万播放的 B 站实测视频《矮子里拔将军，居然还真能用？》，还有"干活挺勤快，就是没开窍"。哔哩哔哩今日头条 对一个每天拿模型干活、月底看账单的人来说，真正的问题只有一个：这次发布把价格战从"单价层"打进了"账单层"，而首发价只挂到跨年前夜。
下面三件事，按顺序看清。
一、单价没涨，账单先涨了40%
先把牌面上的数字摆齐。3.8 Flash 输入 $0.75、输出 $3.75（每百万 token），和上一代一分不差，大约是 Claude Opus 5（$5/$25）的七分之一。
问题出在谷歌官方博客自己承认的那句话上：3.8 会"works harder"——任务变难时，模型多走推理步数、反复调工具、自己验证结果。能力是这么涨上来的，token 也是这么烧掉的。第三方评测机构 Artificial Analysis 的实测：单次任务消耗 token 从 3.7 代的约 3.7 万涨到 4.8 万，单任务实际成本从 $0.40 涨到 $0.58，贵了 40%；首字延迟平均 13.3 秒，同类模型中位数只有 2.99 秒。知乎 再看两个参照系：
对比自家前代 3.7：同价，但每单贵 40%；
对比旗舰：第三方 Datacurve 验证长程编程任务通过率与 Opus 5 打平，3.8 Flash 每任务 $2.36，Opus 5 要 $11.84，差 5 倍。知乎
所以这笔账的结论是：比旗舰便宜得真实，比自己上一代悄悄变贵。单价表正在失去"直接等于成本"的意义——想省钱，得用自己的任务跑一轮，别信任何人的单价宣传。头条那篇评论的标题其实最准确：“谷歌把价格战打进了 token 消耗层”。今日头条
二、榜单哪门是真的，哪门是"背题"
官方和媒体放了一堆分数，逐门拆开看，它的强弱比宣传里清楚得多：
真强的几门：
长程软件工程 DeepSWE v1.1：73.7%，对比 3.7 代的 65.3%，离 Opus 5 的 74.0% 只差 0.3 个点；
终端操作 Terminal-Bench 2.1：89.4%，全场第一；
长视频理解 LVBench：87.8%，比 Opus 5 高 12 个点；
1M token 上下文 + 指令遵循"刻板"——深度用户的评价：在 Agent 环境里同时开多个子任务"毫无 token 焦虑"，调工具极少出 schema 级错误。
露馅的几门：
同一个终端考场换成新题（Terminal-Bench 4.0）：19.1%，Opus 5 是 51.8%——旧卷 89、新卷 19，这是社区"背题"质疑的核心证据；
真实电脑操作 OSWorld 2.0：59.0%，落后旗舰 16 个点；
综合知识工作 GDPVal：1545 Elo，Opus 5 是 1824；
Artificial Analysis 综合分：59，低于 Opus 5 max 的 63 和 Anthropic 前一天发布的 Fable 5.1 max 的 66。知乎
还有一个必须记住的坑：官方演示里那个精美的 3D 城堡，是在谷歌自家 Antigravity 平台里反复迭代、还调用了生图模型拼出来的；媒体用同样的提示词在普通环境复现，得到的是"漏水的火山口"。跑分考的是"模型+工具+迭代"整套系统，不是裸模型单打独斗。知乎
一句话定位，也是那篇两万播放实测视频的准确翻译：它是干活的牛马，不是全能顾问。
三、首发价窗口、用不到的 Cyber 版，以及分工清单
价格窗口。知乎几篇拆解文都提到同一个信息：这次是"首发价"，挂到 2026 年 12 月 31 日，2027 年 1 月 1 日起输入涨到 $1.50、输出 $7.50——正好翻倍。知乎 一次 20 万输入 + 2 万输出的静态任务，从现在的约 $0.225 变成约 $0.45。这个说法来自整理信源而非谷歌官方中文页面，上车前以自己的账号后台定价页复核为准。就算复核属实也别慌：现在是 9 月初，离"翻倍"还有近四个月，足够你拿真实任务先跑一轮。
用不到的 Cyber 版。同场发布的 3.8 Flash Cyber 主打漏洞发现（CyberGym 86.2%）和自动修补，但不公开、不售卖，只通过 Fairwind 计划定向开放给政府、关键基础设施和软件维护者，普通用户用不到。知乎 看到"安全能力领先，你也能用"的稿子，直接划走。另外，撑牌面的 Pro 版这次压根没影，3.5 Pro 也已经拖了三个月——要顶级推理的还在等。知乎
换不换，对号入座：
你现在用 3.8 Flash 干什么 | 判断 |
|---|---|
长程编码、批量修 bug、跑测试 | 值得现在换，五分之一的旗舰成本 |
多 Agent 并发、大量子任务、长文档/长视频精读 | 适合，token 便宜到不用心疼 |
金融、法律类垂直 Agent 工作流 | 官方口径全场第一，但绝对分不高（法律仅 10%），管住预期 |
日常问答、聊天式使用 | 别换，13.3 秒首字延迟会毁掉体验 |
点鼠标填表式的电脑自动化 | 别指望，比旗舰差 16 个点 |
综合咨询、直接要交付物 | 继续留给旗舰，Elo 差 279 分 |
两个省钱的实操细节：3.8 Flash 的 thinking level 分 LOW、MEDIUM、HIGH 三档、默认是 MEDIUM，简单任务手动降 LOW 能明显压 token。知乎 迁移前按四个字段记一周账——任务成功率、总 token、重试次数、墙钟时间——"账单层"的价格战，只能用账单层的数据验证。
最后说下学生党：小红书这两天"Gemini 学生优惠又可以白嫖了？"的体验帖又热了一轮。小红书 那是订阅端的羊毛，跟这次 API 首发价是两回事，别混着算。
接下来盯什么
1 月 1 日定价页是否真的按翻倍执行，以及翻倍后各家"闪电模型"跟不跟价；
3.5/3.8 Pro 什么时候放出来——Pro 才是这轮版本号的天花板；
“works harder” 式计价会不会被 OpenAI、Anthropic 跟进：如果是，往后所有模型的单价宣传都要打对折着看；
Terminal-Bench 4.0 这类新题库下一轮更新后，3.8 Flash 还顶不顶得住——"背题"质疑目前只有一份证据。
工具越出越快、三周一代，恰恰说明厂商在抢走量市场：这对天天干活的人是好事，但前提是别看错价签。首发价四个月，牛马随便用，顾问还得请。
