DeepSWE一夜两换榜首：Gemini刚上去，Meta又报75.4%
相关推荐
Gemini3.8 Flash正式上线：价格不变，多项评测胜过Opus5
动察 Beating AI 快讯，Google 正式上线 Gemini 3.8 Flash。新模型继续主打长时间软件工程和自主 Agent。上下文约 100 万 Token，最高输出 6.5 万 Token。Google 的托管 Antigravity Agent 也已经默认换成 3.8 Flash。 Google 自家对比表里，3.8 Flash 在 14 组分数中拿下 8 组第一。DeepSWE v1.1 从 65.3% 升到 71.0%，接近 Opus 5 的 74.0%。Terminal-bench 2.1 则达到 89.4%，略高于 Opus 5 的 89.1% 和 GPT-5.6 Sol 的 88.8%。金融 Agent、法律 Agent、复杂图表推理和长视频理解也拿到最高分。 不过它没有全面超过旗舰。Terminal-bench 4.0 只有 19.1%，Opus 5 是 51.8%。OSWorld-2.0 也以 59.0% 落后于 Opus 5 的 75.4%。 3.8 Flash 当前输入 0.75 美元、输出 3.75 美元/百万 Token，和 3.7 Flash 一样。两项单价都只有 Opus 5 的 15%。优惠到 12 月 31 日，2027 年 1 月 1 日起翻倍。
Google推出Gemini 3.8 Flash推理模型，今日起向Pro与Ultra用户开放
PANews 9月2日消息，Google Gemini 宣布其最新 Gemini 3.8 Flash 模型今日起向 Pro 与 Ultra 用户开放。官方称，该模型在日常话题行动建议、文本分析和复杂编码等任务中，将提供更可靠、更全面的回答，以增强高频使用场景下的实用性与执行效率。
Google 员工已测试下一代 Gemini 3.8 Flash 模型
火星财经消息，据 Business Insider 报道，Google 本月刚发布新 AI 模型后，部分员工已开始在内部编码平台 Jetski 上测试预览版 Gemini 3.8 Flash。一名测试员工称，该模型已明显优于 3.7 Flash，但强调目前过早，尚无法全面评价。Google 对此不予置评。在 3.5 Pro 仍未推出、Anthropic 与 OpenAI 持续加速的背景下，Google 已不再拥有前沿模型，转而加码速度更快、成本更低的 Flash 系列“主力模型”，用于编码和运行智能体。Gemini 3.6 Flash 于 7 月推出，3.7 Flash 仅三周后跟进。CEO 桑达尔·皮查伊在 Q2 财报会上表示，公司目标接近每月发布一次。员工预览暗示 Gemini 3.8 Flash 公开推出可能不远，但并非保证。部分 AI 观察者认为已在 Arena AI 基准测试网站上发现该模型踪迹，Google 此前曾用该平台测试即将发布的版本。Google 今年早些时候还推出了 Gemini Spark 智能体。
Meta首席AI官Alexandr Wang驳斥SemiAnalysis「刷榜论」：老测试早已饱和
动察 Beating AI 快讯，AI 研究机构 SemiAnalysis 点名 Gemini 3.8 Flash 和 Muse Spark 1.3，称它们是目前最明显的「benchmaxxed」模型之一，也就是针对公开评测优化得太狠。两款模型在 Terminal-Bench 2.1 分别拿到 89.4% 和 88.8%，已经接近 GPT-6 Astra 和 Claude Fable 5.1；换到刚发布不久的 Terminal-Bench 4.0，却只剩 19.1% 和 33.3%。Astra 和 Fable 5.1 分别还有 57.7% 和 55.8%。 SemiAnalysis 怀疑，问题出在公开测试越来越容易被针对性优化。Terminal-Bench 2.1 的任务全部公开，即使模型厂商不直接拿测试题训练，也可以购买与这些任务高度相似的强化学习环境数据。模型于是越来越擅长这套考试，却未必能泛化到新任务。不过 SemiAnalysis 没有拿出 Google 或 Meta 购买这类数据的直接证据。 Meta 首席 AI 官 Alexandr Wang 随后反驳，称这个论点「很蠢」。他举例，GPT-5.6 Sol 同样从 Terminal-Bench 2.1 的 88.8% 掉到 4.0 的 37.3%。他的解释是 2.1 已经饱和，无法再有效区分顶尖模型，而 4.0 远未饱和。Terminal-Bench 4.0 的确删除了 8 道饱和、已有公开解法或存在其他问题的任务，同时修改了 19 道题，并重新调整时间、CPU 和内存等资源限制。
谷歌拟本周推出Gemini 3.8 Flash，内部测试显示编码能力优于Opus
谷歌旗下人工智能研究部门DeepMind正准备推出一款编程能力大幅升级的新模型Gemini 3.8 Flash，内部代号为“Skimaki”。该模型最早可能于当地时间周三（9月2日）上线。知情员工称，这款模型的编码能力较此前版本有显著提升，公司正试图借此补上今年以来相对Anthropic、OpenAI旗舰模型的短板。不过，对外发布窗口尚未由公司正式宣布，行业标准基准分数也尚未公开。（新浪财经）
谷歌最快将于周三发布Gemini 3.8 Flash
动察 Beating AI 快讯，据《华尔街日报》记者 Erin Woo 援引员工消息报道，谷歌的人工智能研究部门将发布 Gemini 3.8 Flash 新模型，其编码能力得到显著增强。该模型内部代号为「Skimaki」，最早可能于周三（9 月 2 日）上线。在与谷歌内部编码工具 Jetski 的对比测试中，公司工程师对这款新模型的偏好程度超过了 Anthropic 的 Opus。