2026年9月2日

|

我们最新的Gemini模型为智能体工作流和网络安全带来下一代智能。


Raluca Ada Popa

Gemini安全负责人,Google DeepMind


图片1:标题为“Gemini 3.8 Flash 和 3.8 Flash Cyber”的主视觉图

基于三周前3.7 Flash的势头,并在仅六周内推出我们的第三个Flash版本,今天我们推出Gemini 3.8——这是我们迄今最优秀的推理与编码模型,同时保持与3.7相同的速度和低成本。Gemini 3.8引入两个变体:

  • Gemini 3.8 Flash: 我们最智能的主力模型,在软件工程、智能体任务以及专业领域的关键多步推理方面,相比3.7 Flash有显著提升。它以与3.7 Flash相同的入门价格1提供,即每百万输入token $0.75,每百万输出token $3.75。
  • Gemini 3.8 Flash Cyber: 我们最强大的网络安全模型,在漏洞检测和自动修补方面具备前沿性能,通过我们新的Fairwind计划向受信任的防御者提供。

虽然针对不同的部署环境进行了定制,但今天的两个版本都由相同的基础智能驱动,并通过旨在递归评估和优化底层模型的长期运行智能体循环进一步加速。这一共享核心在编码和推理方面的显著提升源于多项创新,包括在高度严苛的网络安全领域中的严格训练。

Gemini 3.8 Flash:为长周期编码和自主智能体而构建

Gemini 3.8 Flash相比3.7 Flash带来显著提升,通常接近更高成本前沿模型的性能。

图片2:显示Gemini 3.8 Flash及其他模型的对比图表

在DeepSWE v1.1(长周期软件工程)上,3.8 Flash在端到端自主解决复杂工程问题方面优于大多数更大的前沿模型,而成本仅为其一小部分。

图片3:显示Gemini 3.8 Flash DeepSWE v1.1的图表

此外,3.8 Flash在专业知识领域展现出关键企业自主性所需的可靠性。在需要高级分析和报告的量化和专业领域,3.8 Flash在Vals Finance Agent V2和Harvey's Legal Agent Benchmark等基准测试中优于3.7 Flash及其他前沿模型。3.8 Flash在HLE-Verified上还达到54.9%,展示了其在STEM、人文学科和专业领域处理多步推理的能力。

图片4:显示Gemini 3.8 Flash Vals Finance Agent v2的图表

图片5:显示Gemini 3.8 Flash Harvey's Legal Agent Benchmark的图表

图片6:显示Gemini 3.8 Flash HLE-Verified的图表

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,它表现出更高的勤勉度——执行额外的推理步骤,并迭代调用工具。有时,模型可能会使用更多token以最大化性能,尤其是在更高努力水平下。

对于计算效率是主要约束的应用,开发者可以利用较低的努力水平来最小化token开销,或继续依赖Gemini 3.7 Flash,后者在效率优先的工作负载中仍得到全面支持。

Gemini 3.8 Flash Cyber:专家级网络性能

Gemini 3.8 Flash Cyber通过Fairwind计划向一组受信任的防御者提供,在当今复杂的网络安全环境中提供决定性优势,并具备Flash的速度和成本,支持快速迭代。

自主漏洞发现

在行业标准的漏洞发现基准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以及显著更大的前沿模型。

图片7:显示Gemini 3.8 Flash Cyber CyberGym Pass@1的图表

为了更好地捕捉现实世界的防御需求(这些需求不仅限于CyberGym中的C/C++代码库),我们还针对一个全面的内部基准评估了Gemini 3.8 Flash Cyber,该模型需在跨越20种编程语言的复杂代码库中发现各种漏洞。在此,该模型相比我们之前的模型展现出显著飞跃,成功率超过70%。

图片8:显示Gemini 3.8 Flash Cyber现实世界漏洞发现的图表

自动修补

借助Gemini 3.8 Flash Cyber,我们特别专注于为防御者配备专家级能力,使其在对抗攻击者时占据优势。这就是为什么我们从一开始就投资于漏洞修复,并将其优先于利用等攻击性能力。

CWE-Bench由Collinear运营,是一个具有挑战性的外部修补能力基准。在此基准上,Gemini 3.8 Flash Cyber处于帕累托前沿:pass@1为47.2%,而领先的前沿模型为47.8%,但成本显著更低。

图片9:显示Gemini 3.8 Flash Cyber StaticBench Pass@1与每次部署成本的图表

现实世界影响:保护Google的代码

我们已经在使用Gemini 3.8 Flash Cyber来保护Google内部的代码。例如:

  • Chrome安全团队发现,3.8 Flash Cyber 生成的针对Chrome漏洞的正确补丁数量是那些体积大得多的最佳商业模型的2.6倍。
  • Wiz发现,Gemini 3.8 Flash Cyber 在其内部渗透测试基准上实现了+7.5-9.7%的更高召回率,同时成本比其他领先前沿模型低2.3-5.2倍。
  • 谷歌云漏洞研究团队利用3.8 Flash Cyber模型在不到2小时内发现了一个关键的基础性漏洞,而此类漏洞的研究和发现通常需要数月时间。

我们的Fairwind计划合作伙伴的评价

图片10:Armadin创始人兼首席架构师David Slater的引述

图片11:Palo Alto Networks CTO办公室总监Charlie Sestito的引述

图片12:Snowflake CSTO Mayank Upadhyay的引述

图片13:Wiz威胁暴露负责人Gal Nagli的引述

以安全为先的设计

3.8 Flash内置了针对化学、生物、放射性和核(CBRN)及网络攻击领域滥用的防护措施,同时根据我们的前沿安全框架支持有益的使用场景。3.8 Flash Cyber配备了更为宽松的网络安全缓解措施,因此仅向需要更全面网络能力且值得信赖的防御者开放。

Gemini 3.8模型在提示注入鲁棒性方面也取得了显著进步(根据Gray Swan的测量),保护Gemini模型用户免受与提示注入相关的恶意攻击。

图片14:显示Gemini 3.8 Flash Cyber Gray Swan IPI基准的图表

Gemini 3.8 Flash和Cyber:立即开始使用

本文内容采集自官方网站,排版和翻译可能与原页面存在差异。

阅读官方全文