21CTO导读：Google Gemini 3.8发布了，有什么样的新特性敬请看本文。

面对业界对 AI 工具落地与实用效率的严苛要求，Google DeepMind 正在以几乎“四周三更”的高频率节奏，加速将大模型从“单纯对话”推向“高效干活”。

编程能力大幅进阶：内部代号“Skimaki”直追行业头部

Gemini 3.8 Flash 在延续 Flash 系列轻量、低延迟、高性价比优势的同时，大幅提升了软件工程能力。

总体包括如下两点。

内部表现越级：该模型此前在 Google 内部测试阶段的代号为“Skimaki”。在内部开发平台 Jetski 的对比测试中，部分工程师对该模型的偏好甚至超过了 Anthropic 的顶级模型 Opus，展现出极强的实操体验。

长程代码解题：在衡量复杂软件工程与长流程代码修复的 DeepSWE v1.1 等基准测试中，Gemini 3.8 Flash 凭借远低于旗舰大模型的成本，完成了对端到端代码问题的自主解决，进一步收窄了 Google 与竞品在 AI Coding 领域的差距。

强化自主 Agent 与动态推理：在成本与效率间寻找极值

除了纯代码生成，对自主 Agent（智能体）与复杂工作流的全面优化成为本次升级的另一大核心。

适应 Agent 的多步决策：智能体任务需要连续进行逻辑规划、外部工具调用以及结果反馈决策。Gemini 3.8 Flash 针对此类长周期任务进行了针对性强化，保证在频繁调用的场景下依旧拥有低成本和快速响应优势。

灵活调配推理投入：模型延续并优化了可调节“思考程度”（Thinking Level）的机制。面对简单任务，开发者可调低推理耗时以降低 Token 成本并提升速度；在处理跨学科推理、企业级复杂工作流时，则可加大推理深度，实现高准确率与综合成本的最佳平衡。

大模型竞争转向：从“比拼智商”到“实际干活”

Gemini 3.8 Flash 的快速迭代印证了大模型产业竞争的深刻转变——市场已不再局限于基础大模型的参数或聊天聪明程度，而是转向了工程落地、代码生产力和 Agent 自动化工作流执行能力。

凭借高频的更新节奏以及针对真实工作场景的持续优化，Google 正在 AI Coding 和智能体工具链市场上全面发力。

接下来可预见的是，Gemini 将与 Anthropic、OpenAI 在 AI Coding 和 Agent 领域展开更白热化的竞争。

作者：手扶拖拉斯基