Gemini 3.8 Flash 的速度/延迟随推理档位明显变化：Artificial Analysis 当前 v4.3 页面记录 high 为 285.9 tok/s、首个答案 token 延迟 17.36 秒，medium 为 246.3 tok/s、8.29 秒，low 为 265.3 tok/s、0.78 秒；但 Intelligence Index 也从 2026-09-02 发布时的 v4.2 口径 59/57/52，变为当前 v4.3 快照的 41/40/34。两组数字不是同一版测试，不能直接比较成“模型退步”。
适合的任务：需要长上下文、多模态输入、工具调用和较快答案生成的编码、Agent、文档与企业工作流。
不适合的任务：把 high 档当作低延迟聊天默认值，或把单次 tok/s 当作完整任务耗时；high 的 TTFT 与推理 token 开销明显更高。
适用的模型版本：gemini-3.8-flash；本文同时记录 Artificial Analysis 的 high、medium、low 推理页，不把三档当成三个 API 模型。
适用的客户端、Agent 或 API：Artificial Analysis 测试所依据的 Google API；Google 官方页列出 Gemini API、Google AI Studio、Gemini App、Google Antigravity 等可用入口。
推荐的推理档位和参数：延迟敏感任务先测 low；质量与延迟折中测 medium；复杂长程 Agent 再测 high。Google 官方文档列出 low、medium、high，不支持 minimal。
v4.2 发布快照：Artificial Analysis 于 2026-09-02 发布的 Gemini 3.8 Flash 文章与 X 帖使用 Intelligence Index v4.2；high/medium/low 分别为 59/57/52。该文章还报告 high 的约 300 tok/s、2.5 分钟/任务，low 为约 0.8 分钟/任务。
v4.3 当前快照：2026-09-08 打开 Artificial Analysis 模型页时，页面已标注 Intelligence Index v4.3；该版本纳入 AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench v4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 共 10 项评估。
性能测量时点：Artificial Analysis 性能方法论规定，常规 1k、10k 与视觉工作负载每日测试 8 次，网页数值以过去 72 小时的中位数（P50）表示；因此下表是 2026-09-08 页面快照，不是固定永久值。
服务与参数：性能主测试服务器位于 Google Cloud us-central1-a；推理模型默认温度为 0.6，性能基准的 token 计数使用 o200k_base。Intelligence Index 成本则使用提供商 API 报告的 token 数。
独立/自报边界：Intelligence Index、输出速度、TTFT、成本和任务 token 是 Artificial Analysis 的独立测量/计算；Google 的模型状态、模态、上下文和价格是厂商自报规格。Artificial Analysis 的“基于 Google API”不等于 Google 对其评测分数背书。
| 推理档位 | Intelligence Index | 输出速度 | TTFT（首个答案 token） | 单 Intelligence Index 任务成本 | API 价格（输入/输出，每 1M token） | 上下文窗口 |
|---|---|---|---|---|---|---|
| high | 41 | 285.9 tok/s | 17.36 s | $1.24 | $0.75 / $3.75 | 1M |
| medium | 40 | 246.3 tok/s | 8.29 s | $0.93 | $0.75 / $3.75 | 1M |
| low | 34 | 265.3 tok/s | 0.78 s | 未知（页面显示 N/A） | $0.75 / $3.75 | 1M |
以上速度、TTFT 与价格均来自各档 Artificial Analysis 模型页；页面说明速度与 TTFT 基于 Google API，价格可能因提供商而异。缓存命中折扣为 90%。high 页还显示 Intelligence Index 评测累计生成约 170M 输出 token，medium 约 95M；这是评测总量，不是单次请求上限。
| 推理档位 | Intelligence Index | 每任务成本 | 速度/时间补充 |
|---|---|---|---|
| high | 59 | $0.58 | 约 300 tok/s；约 2.5 分钟/任务；平均输出约 48k token |
| medium | 57 | $0.41 | 发布文章给出成本，不给出该档独立 TTFT |
| low | 52 | $0.24 | 约 0.8 分钟/任务；平均输出约 14k token |
v4.2 的成本是发布文章中的“每 Intelligence Index 任务”口径；发布文章称 high 相对 Gemini 3.7 Flash 的 $0.40 高约 40%，原因是平均输出 token 增加约 30% 且 Agent 评估回合增加。不能用 v4.2 的 $0.58 与 v4.3 页面 high 的 $1.24 做价格趋势判断，因为评估集合已从 v4.2 改为 v4.3。
| 项目 | Google 官方页面 | 边界 |
|---|---|---|
| API 模型 ID | gemini-3.8-flash；稳定版 | API 文档字符串，不代表第三方平台同步更新 |
| 输入/输出 | 输入文本、图片、视频、音频、PDF；输出文本 | 模态能力规格，不是每个客户端 UI 的保证 |
| Token 限制 | 输入 1,048,576；输出 65,536 | 额度上限，不是每次请求的建议值 |
| 推理档位 | low、medium、high；minimal 不支持 | 具体质量、延迟和 token 消耗需实测 |
| 状态 | General availability / 稳定版 | 地区、账户与第三方供应商可用性仍需单独确认 |
先区分评测版本：9 月 2 日发布文章的 v4.2 分数是 high 59、medium 57、low 52；9 月 8 日当前模型页的 v4.3 分数是 41、40、34。版本、评估集合和页面时点不同，不能把两组数字合并成一条排名。
low 是延迟优先档：当前页面 TTFT 仅 0.78 秒，输出速度 265.3 tok/s；但 Intelligence Index 为 34，且 v4.3 页面尚未提供其单任务成本。
high 是质量/任务能力优先档：v4.3 分数 41、速度 285.9 tok/s，但 TTFT 17.36 秒；对交互式产品应把等待推理时间纳入体验预算。
价格不能只看每百万 token：当前输入/输出价格相同为 $0.75/$3.75、缓存命中折扣 90%，但单任务成本还由输入、缓存、推理、答案 token 与评估回合共同决定。
1M 上下文是能力边界而非质量保证：Google 与 Artificial Analysis 都列出 1M token；真正的长文档工作流仍需按输入位置、检索召回、引用正确率和端到端延迟做专项测试。
Artificial Analysis 当前页面使用 v4.3，发布文章使用 v4.2；两版评估集合不同，不能直接计算“分数下降”或跨版排名变化。
性能值是过去 72 小时的 P50；TTFT 受服务器位置、网络和提供商排队影响，us-central1-a 的结果不一定代表中国大陆或其他地区。
Artificial Analysis 的输出速度在推理模型上可能按答案 chunk 的后 80% 计算，且性能 benchmark 与 Intelligence Index 使用不同 token 计数口径；价格比较存在 tokenizer 效率限制。
v4.3 low 页面单任务成本显示 N/A；不能用 v4.2 的 $0.24 或 high/medium 成本推算 low 的当前值。
AA-Briefcase、GDPval-AA v2 等评估包含私有测试集或内部评分流程；平台公开方法论提高了可复核性，但不等于第三方审计。
Google DeepMind 页面报告的 DeepSWE、Vals Finance Agent、Harvey Legal Agent 与 HLE-Verified 等结果属于 Google 发布方材料，本文未将其与 Artificial Analysis 分数混为独立测量。
固定 API 模型 ID gemini-3.8-flash，分别运行 low、medium、high，记录首个 reasoning token、首个答案 token、完整响应时间、输入/输出/推理 token 和失败重试。
对同一批编码、工具调用、PDF/长文档和多模态任务，分别计算 TTFT P50/P95、输出 tok/s、任务完成率、每完成任务成本和人工接管率。
在至少两个地区或提供商重复性能测量，报告网络位置、账号类型、请求并发和 API 版本；不要把 Artificial Analysis 的 Google API 结果外推给其他供应商。
保存评测集合版本（v4.2 或 v4.3）、页面采集时间和价格快照；模型或 Artificial Analysis 方法更新后重新跑同一任务集。
对 100k、500k 和接近 1M token 的上下文分别测试召回、引用正确率、答案 token、TTFT 与端到端时延，避免把“支持 1M”写成“1M 内质量恒定”。
Artificial Analysis 当前 high 模型页记录：v4.3 Intelligence Index 41、285.9 tok/s、TTFT 17.36s、$1.24/任务、输入/输出 $0.75/$3.75、缓存折扣 90%、1M 上下文。
Artificial Analysis 当前 medium/low 模型页记录：medium 为 40、246.3 tok/s、TTFT 8.29s、$0.93/任务；low 为 34、265.3 tok/s、TTFT 0.78s、单任务成本 N/A；两档均为 1M 上下文。
Artificial Analysis 2026-09-02 发布文章与对应 X 帖记录 v4.2 high/medium/low 为 59/57/52，成本为 $0.58/$0.41/$0.24，并给出 high 约 300 tok/s、2.5 分钟/任务与 low 约 0.8 分钟/任务。
Artificial Analysis 性能方法论说明：常规指标取过去 72 小时 P50；TTFT 是请求发出至首 token，首个答案 token 延迟会计入推理时间；输出速度是收到首 chunk 后的 tokens/s。
Google AI Developers 模型页确认 gemini-3.8-flash、输入 1,048,576 token、输出 65,536 token、输入模态和 low/medium/high 推理档位；Google DeepMind 模型页确认 GA 状态、1M 输入与 64k 输出等产品规格。
Artificial Analysis 将 high 描述为“notably fast”，但其当前页面同时给出 17.36 秒 TTFT；这说明输出速度与用户感知的首答延迟是两个指标。Google 官方则把 3.8 Flash 定位为面向长周期软件工程、自主 Agent 和复杂企业工作流的 Flash 模型。两者都不能替代目标业务的同 harness 复测。
Gemini 3.8 Flash
