发布日：谷歌仍在大战中，Meta 在编程领域居首

Google 于 2026 年 9 月 2 日发布了 Gemini 3.8 Flash 及其安全版本 Gemini 3.8 Flash Cyber，距上一代 3.7 Flash 仅三周。这是六周内第三次 Flash 发布，四个月内第四次。 introductory 定价维持不变：每百万输入 Token 0.75 美元、每百万输出 Token 3.75 美元；该价格将于 2026 年 12 月 31 日到期，随后翻倍至 1.50 美元和 7.50 美元。该模型支持文本、图像、视频、音频和 PDF，上下文窗口为 1,048,576 Token，最大输出 65,536 Token。此外，6 月宣布的 Gemini 3.5 Pro 至今仍未发布；8 月，DeepMind 负责人 Demis Hassabis 转任董事长，运营管理由升任 SVP 的 Koray Kavukcuoglu 接手。

谷歌表示，3.8 Flash 在 DeepSWE v1.1 基准测试中，针对长周期软件工程任务的表现超过了大多数前沿模型，而成本仅为后者的一小部分。在 Artificial Analysis Intelligence Index 上，该模型在高推理级别下获得 59 分，比前代高出 3 分，与 GPT-5.6 Sol 和 Grok 4.6 持平。排名更高的模型包括：GLM-5.3 和 Kimi K3（均为 60 分），Grok 4.6 和 GPT-5.6 Sol（均为 61 分），Claude Opus 5（63 分）以及 Claude Fable 5.1（66 分）。成本方面，据 Artificial Analysis 统计，Flash 3.8 每道 Index 任务的成本为 0.58 美元，而 Fable 5.1 则为 3.76 美元。在 OSWorld 2.0 智能体计算机使用测试中，该模型较 3.7 Flash 有所提升，但仍明显落后于 Claude Opus；在 Terminal-Bench 4.0 测试中，其得分率为 19.1%。

谷歌承认 3.8 Flash 消耗了更多 Token：该模型会执行额外的推理步骤，并迭代调用工具。Artificial Analysis 的测量结果显示，尽管 Token 单价保持不变，但由于输出 Token 增加了 30% 且每个智能体交互回合数增多，单道任务的成本比前代高了约 40%。开发者仍可选择低、中、高三档推理级别，或继续使用 3.7 Flash。

p>该网络版本取代了 Gemini 3.5 Flash Cyber，用户仅能通过全新的 Fairwind 项目访问该项目。该项目目前涵盖约 650 家合作伙伴，包括 Accenture、CrowdStrike、Datadog、Palo Alto Networks、Snowflake、Wiz 以及 Internet Security Center。参与者还将获得 CodeMender Agent 的访问权限。根据提供商内部数据，Chrome 安全团队报告 补丁 准确率提升了 2.6 倍，云团队在 2 小时内发现了一个关键漏洞，而在 CWE-Bench 基准测试中，通过率达到了 47.2%。据制造商称，这两款模型均内置了防范滥用机制，特别针对 CBRN 领域及进攻性网络行动。

与此同时，3.8 Flash 在发布当天就被加入了 Google 搜索 AI Mode 的模型菜单。Google 搜索产品副总裁 Robby Stein 宣布，该模型现已面向全球 Google AI Pro 和 Ultra 订阅用户开放使用，在输入框中点击加号图标即可选择。免费版用户没有模型选择权限，仍将使用默认模型。此前两代 Flash 模型的新版本后来都成为了全球默认模型。 → Search Engine Land, The New Stack, The Verge, Vals AI, Ars Technica, The Register, Search Engine Journal, blockchain, NPowerUser, MarkTechPost

**Synthszr 观点**：六周内发布三个 Flash 模型，3.7 与 3.8 的间隔仅为 21 天。这种高频迭代节奏并非自愿，而是源于旗舰模型缺位的现实困境。原本承诺在 6 月发布的 Gemini 3.5 Pro 始终未现身；Hassabis 于 8 月转任董事长后，谷歌只能依靠低价位产品线维持市场声量。对于将这些模型嵌入产品的开发者而言，发布频率本身构成了隐性成本：三周前基于 3.7 Flash 完成的评估，如今针对的已是一个在菜单中消失的旧版本；而任务成本 40% 的上涨，往往要到下个月的账单才体现出来。判断竞争压力不应只看基准测试分数，更要看厂商让自家模型在市场上停留的时间有多短。临近跨年，大概率还会有新 Flash 版本发布，且 1 月 1 日起价格体系也将翻倍调整。

Meta 宣称 Muse Spark 1.3 与 OpenAI 和 Anthropic 实力相当

2026 年 9 月 2 日，Meta 发布了 Muse Spark 1.3，这是其超级智能实验室迄今推出的最强模型，意在追平头部实验室水平。Meta 首席 AI 官 Alexandr Wang 在接受彭博社采访时表示，这是该公司迄今为止最大的性能飞跃，称其“可与 Claude Fable 5.1 竞争”，且在代码生成任务上“优于 GPT-5.6 Sol”。该模型现已通过 Meta Model API 和 Muse Code 开放使用，在 Facebook、Instagram 及 Meta AI 应用中的全面推广将在未来几天内落地。自今年 4 月 Spark 系列首次亮相以来，这已是第四个版本。

Artificial Analysis 的独立测评数据部分印证了这些说法。max 版本在智能指数中得分 62 分，在 636 个受评模型中位列第 6，落后于 Claude Fable 5.1 和 Claude Opus 5。面向客户开放的 xhigh 级别得分为 61 分，与 GPT-5.6 Sol (max)、Grok 4.6 (high) 和 Claude Opus 5 (high) 持平，高于 8 月份 Muse Spark 1.2 的 57 分。max 版本目前仍限合作伙伴在预览阶段使用。Meta 自家发布的对比表格基于内部Harness评测得出，因此其证据类型与外部指数有所不同。

在单任务成本方面，Muse Spark 1.3 定价为 0.55 美元，相比之下 GPT-5.6 Sol 为 0.95 美元，Grok 4.6 为 0.94 美元。在得分相同的情况下，Muse Spark 1.3 比 OpenAI 的模型便宜 42%。在 9 月 2 日的对比中，没有任何得分不低于 59 分的模型比它更便宜；最接近的是 Gemini 3.8 Flash，得分 59 分，定价 0.58 美元。Token价格保持不变，输入Token每百万 1.25 美元，输出 4.25 美元，缓存输入 0.15 美元。不过与自家前代产品相比，单任务成本从 0.40 美元涨至 0.55 美元，主要因为实测每个任务的输入 Token数量增加了约 57%。此外，还有一档 Contributor 级别，具有较低的速率限制，且允许使用用户提示词进行训练，其输入价格为 0.10 美元，输出价格为 0.20 美元。

提升最大的领域是多步工具使用：在 Tau3-Bench Banking 上从 35% 升至 47%，在 Terminal-Bench 2.1 上从 80% 升至 85%。有两项指标出现回落：AA-LCR 从 83% 降至 79%，Omniscience 准确率下降了三个百分点，同时弃答率有所上升。据该公司介绍，模型在面对含糊的 Prompts 时会主动追问，遇到阻碍时会求助用户，并在执行高风险操作前进行确认。一个「max reasoning」模式将在通过更多安全测试后推出。Mark Zuckerberg 还在 X 上宣布，将「很快」发布 Muse Spark 的开放权重版本——此前 Meta 已凭借 Spark 系列放弃了 Llama 路线，转向自研策略。 → Artificial Analysis, SiliconANGLE, implicator, unite, The Register

Synthszr 观点：「追平了」是分析师电话会上的说法，但它勉强才够得上自家的测量基准。Muse Spark 与 Claude 模型之间只差 62 对 61 分，而那个 62 分的版本目前仅向部分合作伙伴提供限量预览，任何想把它用于生产环境的人都无从验证。Wang 在接受 Bloomberg 采访时称该模型「优于」GPT-5.6 Sol，但 Meta 的对比表跑在 Meta 自家的 Harness 上，而且有两项独立测量数据出现下滑：AA-LCR 从 83% 降至 79%。真正可靠的数字在价格那一栏：每项任务 0.55 美元，OpenAI 是 0.95 美元，而指数得分同为 6。