Gemini 3.8 Flash
一句话
四家里最快（244.7 tok/s）、上下文 1M、唯一支持音频输入、有免费层；但思考 token 按输出价计费、每任务成本最高（$1.24），且引导价 2027-01-01 翻倍。
定位
Google Flash 档最新一代（2026-09-02 发布），官方叙事是 「works harder」：复杂任务上执行更多推理步、迭代调用工具、边做边校验。另有安全向变体 Gemini 3.8 Flash Cyber。
规格
| 项目 | 值 |
|---|---|
| 发布时间 | 2026-09-02 |
| 开放权重 | 否 |
| 上下文 | 1M |
| 输入模态 | 文本、图像、音频、视频 |
| 思考控制 | thinking_level: low / medium / high（默认 medium；minimal 已移除，会报校验错误） |
| 计费口径 | 思考 token 按输出价计费，usageMetadata.thoughtsTokenCount 单独返回 |
| 知识截止 | 见官方模型卡 |
价格（美元/百万 tokens）
| 项目 | 引导价（至 2026-12-31） | 标准价（2027-01-01 起） |
|---|---|---|
| 输入（文本/图像/视频/音频/PDF） | $0.75 | $1.50 |
| 输出（含思考 token） | $3.75 | $7.50 |
| 上下文缓存读取 | $0.075 | $0.15 |
| 缓存存储（每百万/小时） | $0.50 | $1.00 |
| Batch API 输入 / 输出 | 1.875 | 3.75 |
- 免费层：$0，有限速，数据会被用于改进 Google 产品。
- Google Search grounding：Gemini 3.x 共享每月 5000 次免费，之后 $14/千次。
- 3.6 / 3.7 Flash 同样在 2027-01-01 翻倍，换旧版 Flash 并不能规避涨价。
独立评测（Artificial Analysis，high 档）
| 指标 | 值 |
|---|---|
| 智能指数 | 41 |
| 输出速度 | 244.7 tok/s（同类中位数 74） |
| 混合价 | 3.75 |
| 每任务成本 | $1.24 |
| 缓存折扣 | 90% |
| 输出啰嗦度 | 170M tokens（同类中位数 81M，非常啰嗦） |
「同样的刊例价，更贵的账单」
AA 用旧版指数测得：3.8 Flash high 得分 59（3.7 Flash high 为 56），但每任务多花约 30% 输出 token，每任务成本从 0.58**，耗时从 2.2 分钟升到 2.5 分钟。 按
thinking_level降本：high 0.41 → low $0.24（每任务）。
优缺点
优势
- 245 tok/s，四家中最快；1M 上下文。
- 唯一支持音频输入；全模态统一价（除音频外输入同价）。
- 有免费层，零成本试用与评测。
- 生态成熟，工具调用与 grounding 集成完善。
风险
- 思考 token 按输出价计费：一次 10K 输入 + 2K 可见输出 + 6K 思考的请求，思考占整单费用的 60%。
- 引导价 2026-12-31 到期，2027-01-01 起 7.50；届时输入/输出都比 GPT-5.6 Luna（6）贵，与 Sonnet 5 的差距缩到约 1.3 倍。
- 默认「更努力」，不显式设置
thinking_level就等于放弃成本控制。- 闭源，无法私有化部署。
- 每任务成本 0.25）的近 5 倍。
适用场景
- ✅ 延迟敏感的高并发通用任务
- ✅ 多模态（含音频）处理、视频与语音类流水线
- ✅ 需要 Google 生态与 grounding 的场景
- ⚠️ 成本敏感场景必须显式下调
thinking_level；2027 年前重新评估