Gemini 3.8 Flash 在关键基准测试中表现优于 Claude Opus 5，成本更低

谷歌 DeepMind 于 9 月 2 日发布了 Gemini 3.8 Flash，其基准测试得分在多项评估中超过 Anthropic 的 Claude Opus 5，同时价格显著更低。该模型在 HLE-Verified 多步骤推理任务和 DeepSWE v1.1 工程基准测试中表现优于 Claude Opus 5，尽管 Claude Opus 5 的每个输出代币成本约为 Gemini 3.8 Flash 的 7 倍。此次发布标志着谷歌 DeepMind 在六周内推出的第三款 Flash 系列模型，加剧了企业 AI 模型市场的竞争。在这一市场中，对于每天处理数百万次 API 调用的企业而言，价格与性能之间的权衡会直接影响部署决策。

Gemini 3.8 Flash 在 HLE-Verified 基准测试中取得 54.9% 的分数

Gemini 3.8 Flash 在 HLE-Verified 上取得了 54.9% 的分数。这是一项涵盖 STEM、人文学科及其他学科的多步骤推理评估。该模型在 DeepSWE v1.1 基准测试中也超越了规模更大的前沿模型。该基准测试用于衡量模型处理复杂工程问题解决任务的表现。

Claude Opus 5 于 7 月 24 日发布，在代理式知识工作和编码任务的多项基准测试中仍保持领先。截至 9 月初的独立评估显示，两款模型在不同测试类别中各有优势。相关对比基准测试包括 SWE-bench 和 Terminal-Bench，而在需要跨更长工作流程持续进行自主推理的任务中，Claude Opus 5 仍保持优势。

价格差距：Gemini 3.8 Flash 每百万个输出代币 3.75 美元，Claude Opus 5 每百万个输出代币 25 美元

Gemini 3.8 Flash 的定价为每百万个输入代币 0.75 美元、每百万个输出代币 3.75 美元。Claude Opus 5 的价格为每百万个输入代币 5 美元、每百万个输出代币 25 美元。Anthropic 将 Claude Opus 5 定位为高端产品，每百万个输出代币的价格为 25 美元。

谷歌 DeepMind 在六周内发布第三款 Flash 模型

Gemini 3.8 Flash 是谷歌 DeepMind 在六周内发布的第三款 Flash 系列模型。Gemini 3.7 Flash 与 Gemini 3.8 Flash 之间的间隔约为三周。

基准测试表现为企业工作流程创造降低成本的机会

对于正在评估模型集成的企业而言，Gemini 3.8 Flash 以其价格实现的基准测试表现，为每天运行数百万次 API 调用的公司带来了具有吸引力的价值主张。DeepSWE 的结果表明，Flash 可以处理过去需要更昂贵模型才能完成的复杂编码挑战。Claude Opus 5 在代理式基准测试中表现更强，而对于自主研究、法律分析和多步骤规划等用例，企业可能会认为其高价是合理的。

常见问题

Gemini 3.8 Flash 在哪些基准测试中超越了 Claude Opus 5？

Gemini 3.8 Flash 在 HLE-Verified 多步骤推理评估中超越了 Claude Opus 5，并取得了 54.9% 的分数；它还在用于复杂工程问题解决任务的 DeepSWE v1.1 基准测试中超越了 Claude Opus 5。

与 Claude Opus 5 相比，Gemini 3.8 Flash 的费用是多少？

Gemini 3.8 Flash 的定价为每百万个输入代币 0.75 美元、每百万个输出代币 3.75 美元，而 Claude Opus 5 的价格为每百万个输入代币 5 美元、每百万个输出代币 25 美元——后者每个输出代币的费用约为前者的 7 倍。

谷歌 DeepMind 何时发布了 Gemini 3.8 Flash？

谷歌 DeepMind 于 9 月 2 日发布了 Gemini 3.8 Flash，这也是其在六周内发布的第三款 Flash 系列模型。