Google เปิดตัว Gemini 3.8 Flash เมื่อวันอังคาร ซึ่งเป็นโมเดลการทำงานใหม่ล่าสุดซึ่งวางตำแหน่งเป็นระบบการให้เหตุผลและการเข้ารหัสที่ดีที่สุดของบริษัท แต่มีราคาเดียวกับรุ่นก่อน ควบคู่ไปกับตัวแปรพิเศษที่เรียกว่า Gemini 3.8 Flash Cyber ​​ที่สร้างขึ้นสำหรับงานรักษาความปลอดภัยทางไซเบอร์เชิงป้องกัน การประกาศดังกล่าวเผยแพร่บนบล็อกอย่างเป็นทางการของ Google โดย Tulsee Doshi ผู้อำนวยการอาวุโสฝ่ายการจัดการผลิตภัณฑ์ และ Raluca Ada Popa หัวหน้าฝ่ายรักษาความปลอดภัย Gemini ของ Google DeepMind ถือเป็นการเปิดตัว Flash ครั้งที่สามของ Google ในเวลาเพียงหกสัปดาห์

การเปิดตัวเกิดขึ้นในช่วงกลางฤดูกาลที่ผู้คนหนาแน่นผิดปกติ และเป็นคำตอบโดยตรงต่อแรงกดดันด้านราคาและประสิทธิภาพที่คู่แข่งวางไว้ในโมเดลของ Google เพื่อให้เข้าใจได้กว้างขึ้นว่าห้องปฏิบัติการชายแดนซื้อขายแลกเปลี่ยนกันอย่างไร ทีมงาน ข่าว AI ด่วน จะติดตามการเปิดตัวโมเดลสำคัญๆ ทุกรายการทันทีที่เกิดขึ้น

สองสายพันธุ์ หนึ่งรองพื้น

Gemini 3.8 มีสองเวอร์ชันที่สร้างขึ้นบนพื้นฐานความฉลาดเดียวกัน Gemini 3.8 Flash เป็นอุปกรณ์ที่ใช้งานทั่วไป โดย Google กล่าวว่ามีการปรับปรุงที่สำคัญมากกว่า 3.7 Flash ในด้านวิศวกรรมซอฟต์แวร์ งานเอเจนต์ และการใช้เหตุผลแบบหลายขั้นตอนในโดเมนเฉพาะทาง ในราคาเบื้องต้นเดียวกันคือ 0.75 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 3.75 ดอลลาร์ต่อล้านโทเค็นเอาท์พุต

Gemini 3.8 Flash Cyber ​​ได้รับการอธิบายว่าเป็นโมเดลความปลอดภัยทางไซเบอร์ที่มีความสามารถมากที่สุดของ Google โดยสิ่งที่บริษัทเรียกว่าประสิทธิภาพระดับแนวหน้าในการตรวจจับช่องโหว่และแพตช์อัตโนมัติ ต่างจากรุ่น Flash มาตรฐานตรงที่ไม่สามารถใช้ได้ในวงกว้าง Google กำลังแจกจ่ายให้กับกลุ่มผู้พิทักษ์ที่เชื่อถือได้ผ่านโปรแกรมใหม่ที่เรียกว่า Fairwind

ตามโพสต์ในบล็อก การเขียนโค้ดและการให้เหตุผลที่เพิ่มขึ้นในคอร์ที่ใช้ร่วมกันนั้นส่วนหนึ่งได้รับแรงผลักดันจากการฝึกอบรมที่เข้มงวดในโดเมนที่มีความต้องการด้านความปลอดภัยทางไซเบอร์ และทั้งสองรุ่นได้รับการเร่งโดยลูปเอเจนต์ที่ทำงานระยะยาวซึ่งออกแบบมาเพื่อประเมินและปรับแต่งโมเดลพื้นฐานแบบวนซ้ำ

เกณฑ์มาตรฐาน: ทำงานหนักขึ้น ไม่ใช่แค่ใหญ่ขึ้นเท่านั้น

การกล่าวอ้างเกณฑ์มาตรฐานของ Google มีศูนย์กลางอยู่ที่ปรัชญาการออกแบบที่บริษัทสรุปได้อย่างชัดเจน: 3.8 Flash "ทำงานหนักขึ้น" ในงานที่ซับซ้อน โมเดลจะดำเนินการขั้นตอนการให้เหตุผลเพิ่มเติมและเรียกใช้เครื่องมือซ้ำๆ ซึ่งบางครั้งต้องใช้โทเค็นมากขึ้นเพื่อเพิ่มประสิทธิภาพสูงสุดในระดับความพยายามที่สูงขึ้น นักพัฒนาสามารถลดความพยายามลงเพื่อลดค่าใช้จ่ายของโทเค็น หรือใช้ Gemini 3.7 Flash ต่อไป ซึ่งยังคงได้รับการสนับสนุนอย่างเต็มที่สำหรับเวิร์คโหลดที่เน้นประสิทธิภาพเป็นหลัก

ผลลัพธ์พาดหัวที่ Google อ้างถึง:

  • DeepSWE v1.1 (วิศวกรรมซอฟต์แวร์ขอบฟ้าระยะไกล): 3.8 Flash มีประสิทธิภาพเหนือกว่าโมเดลขอบเขตที่ใหญ่กว่าส่วนใหญ่ในการแก้ปัญหาทางวิศวกรรมที่ซับซ้อนโดยอัตโนมัติตั้งแต่ต้นจนจบ ในราคาที่ Google อธิบายว่าเป็นเพียงเศษเสี้ยวของต้นทุน
  • Vals Finance Agent V2 และเกณฑ์มาตรฐานตัวแทนทางกฎหมายของ Harvey: 3.8 Flash มีประสิทธิภาพเหนือกว่า 3.7 Flash และโมเดลขอบเขตอื่นๆ ในสาขาเชิงปริมาณและวิชาชีพที่ต้องใช้การวิเคราะห์และการรายงานขั้นสูง
  • HLE-Verified: 3.8 Flash ได้คะแนน 54.9% ซึ่ง Google นำเสนอเป็นหลักฐานของการให้เหตุผลแบบหลายขั้นตอนในสาขา STEM มนุษยศาสตร์ และวิชาชีพ

Flash Cyber: การป้องกันเหนือการโจมตี

รุ่น Cyber ​​เป็นรุ่นที่ผิดปกติมากกว่า Google กล่าวว่าได้จงใจจัดลำดับความสำคัญในการแก้ไขช่องโหว่มากกว่าความสามารถที่น่ารังเกียจ เช่น การแสวงหาผลประโยชน์ บน CWE-Bench ซึ่งเป็นเกณฑ์มาตรฐานการแพตช์ภายนอกที่ดำเนินการโดย Collinear นั้น Gemini 3.8 Flash Cyber ​​ได้คะแนน pass@1 จาก 47.2% ซึ่งตามหลังโมเดลระดับแนวหน้าชั้นนำที่ 47.8% ตามข้อมูลของ Google แต่มีราคาที่ต่ำกว่ามาก ทำให้อยู่ในระดับ Pareto ของเกณฑ์มาตรฐาน

ใน CyberGym ซึ่งเป็นเกณฑ์มาตรฐานอุตสาหกรรมในการค้นหาช่องโหว่ Google กล่าวว่าโมเดล Cyber ​​แสดงให้เห็นถึงการค้นพบช่องโหว่แบบอัตโนมัติระดับแนวหน้า ซึ่งเหนือกว่า Flash Cyber ​​รุ่นก่อน 3.5 รวมถึงโมเดลขอบเขตที่ใหญ่กว่าอย่างเห็นได้ชัด จากการวัดประสิทธิภาพภายในของ Google ซึ่งครอบคลุมฐานโค้ดที่ซับซ้อนในภาษาการเขียนโปรแกรม 20 ภาษา โมเดลดังกล่าวมีอัตราความสำเร็จเกิน 70%

การรักษาความปลอดภัยรหัสของ Google เองแล้ว

Google กล่าวว่าโมเดล Cyber ได้รับการปรับใช้ภายในแล้ว และตัวอย่างที่ให้ไว้มีความเฉพาะเจาะจง:

  • ทีมรักษาความปลอดภัยของ Chrome พบว่า 3.8 Flash Cyber ​​สร้างแพตช์แก้ไขช่องโหว่ของ Chrome ที่ถูกต้องมากกว่ารุ่นเชิงพาณิชย์ที่ดีที่สุดถึง 2.6 เท่า ซึ่งมีขนาดใหญ่กว่ามาก
  • ที่บริษัทรักษาความปลอดภัย Wiz โมเดลดังกล่าวประสบความสำเร็จในการเรียกคืนได้สูงขึ้น 7.5 ถึง 9.7 เปอร์เซ็นต์ เมื่อเทียบกับเกณฑ์มาตรฐานการทดสอบการเจาะระบบภายใน โดยมีต้นทุนที่ต่ำกว่า 2.3 ถึง 5.2 เท่า เมื่อเทียบกับรุ่นชั้นนำอื่นๆ
  • ทีมวิจัยช่องโหว่บนระบบคลาวด์ของ Google ใช้แบบจำลองเพื่อค้นหาช่องโหว่พื้นฐานที่สำคัญภายในเวลาไม่ถึงสองชั่วโมง ซึ่งเป็นระดับช่องโหว่ที่การวิจัยและการค้นพบ Google Notes มักใช้เวลาหลายเดือน

ความหมายสำหรับนักพัฒนาและตลาด

สำหรับนักพัฒนา สิ่งที่นำไปใช้ได้จริงคือความมั่นคงด้านราคาในระดับต่ำสุดของชายแดน การถือครอง 3.8 Flash ในราคาเบื้องต้นของ 3.7 ทำให้ต้นทุนของโมเดลการเข้ารหัสและตัวแทนเชิงแข่งขันอยู่ที่ 0.75 ดอลลาร์/3.75 ดอลลาร์ต่อล้านโทเค็น ซึ่งเป็นกลุ่มที่ผู้ท้าชิงรุ่นเปิดและห้องปฏิบัติการของคู่แข่งได้ตัดราคาผู้ครอบครองตลาดตลอดทั้งปี ข้อความของ Google ก็คือผู้ซื้อไม่จำเป็นต้องเลือกระหว่างต้นทุนและความสามารถในระดับที่เหมาะสมอีกต่อไป

โมเดลการจัดจำหน่ายโปรแกรม Fairwind สำหรับ Flash Cyber ​​ก็บอกได้ไม่แพ้กัน ห้องปฏิบัติการแนวหน้ากำลังปฏิบัติต่อความสามารถด้านความปลอดภัยทางไซเบอร์ชั้นสูงมากขึ้นเรื่อยๆ ในฐานะเป็นสิ่งที่ต้องได้รับการควบคุม แทนที่จะจัดส่งในวงกว้าง โดยมอบเครื่องมือป้องกันที่ล้ำสมัยแก่ผู้พิทักษ์ที่ได้รับการตรวจสอบ ในขณะเดียวกันก็จำกัดโอกาสในการใช้งานในทางที่ผิด การตัดสินใจของ Google ในการจัดลำดับความสำคัญของการแพตช์เกณฑ์มาตรฐานเหนือความสามารถในการแสวงหาผลประโยชน์ในการฝึกอบรมของโมเดลนั้นเป็นไปตามตรรกะเดียวกัน

จังหวะก็โดดเด่นเช่นกัน Flash สามครั้งในหกสัปดาห์ — 3.7 Flash เมื่อสามสัปดาห์ก่อน ตอนนี้ 3.8 — แสดงให้เห็นว่า Google ทำซ้ำบรรทัดระดับกลางเร็วกว่ารอบการเปิดตัวแบบรายปีเมื่อสองปีที่แล้วมาก ความกดดันด้านการแข่งขันจากการเปิดตัว GPT-6 ของ OpenAI และกระแสของโมเดล open-weight ที่เคลื่อนไหวอย่างรวดเร็วจากประเทศจีน ได้บีบอัดไทม์ไลน์ของทุกคน และ Google ก็เลือกความเร็วในระดับที่ใช้งานได้อย่างชัดเจน ในขณะที่โมเดลระดับแนวหน้าถือธงการวิจัย

ไม่ว่าแนวทาง "ทำงานหนักขึ้น" ของ 3.8 Flash จะใช้โทเค็นมากขึ้นในการให้เหตุผลหลายขั้นตอนอย่างขยันขันแข็ง พิสูจน์ให้เห็นว่าในทางปฏิบัติมีประสิทธิภาพมากกว่าแบบจำลองดิบที่จะปรากฏในใบเรียกเก็บเงินของนักพัฒนาในอีกไม่กี่เดือนข้างหน้า เกณฑ์มาตรฐานของ Google แนะนำว่าการค้าขายอาจสนับสนุนความขยันหมั่นเพียร ตลาดจะยื่นคำตัดสินต่อใบเรียกเก็บเงิน API ครั้งละหนึ่งใบ

ก้าวนำหน้า AI

การเปิดตัวทุกรุ่น เกณฑ์มาตรฐาน และการเปลี่ยนแปลงราคา ติดตามสิ่งที่เกิดขึ้น — อ่านข่าว AI เพิ่มเติม →