谷歌新模型Gemini 3.8 Flash发布日实测:测的不是模型,而是人?时间会给答案!

谷歌发布Gemini 2.0 Flash Thinking,全面超越o1-preview? 谷歌最新推出的 Gemini 2.0 Flash Thinking,就像在AI的脑子里装了一个透明的玻璃窗,你不仅能看到它给出的答案,还能清晰地看到它那如同福尔摩斯般抽丝剥茧的思考过程。好的,各位看官,准备好你们的瓜子汽水,AI界的“宫斗剧”又有新番了!这回,剧情的主角不是别人,正是手握“屠龙刀”的谷歌,它家的Gemini 2.0 Flash Thinking,简直就像武侠小说里突然领悟了“天人合一”的少侠,不仅能打,还能边打边给你讲解招式背后的哲学奥义!看来,想要用AI盗号的朋友们,可以暂时放心了。 阅读详情

谷歌新模型Gemini 3.8 Flash发布

谷歌发了新模型,Gemini 3.8 Flash。早上起来,订阅号里已经全是它的实测。什么结论都有,有的说强得离谱,有的说不过如此,有的干脆阴阳怪气。

实测面临三道坎

要解开能否评价一个万亿参数模型好不好的疑问,得过三道坎。第一道坎,它没给你留时间。谷歌这次离上一代只隔了20天。往前数,3.6是7月21日,3.7是8月13日,3.8是9月2日。43天三代,六周里第三款。验证一个模型至少得让真用户拿着真任务用上几周几个月,谷歌给的时间是20天,验证周期赶不上换代周期。第二道坎,你摸不全它。万亿参数大到靠肉眼、靠手动根本量不出,谷歌没说3.8到底多大,能力空间的边界没人说得清。而且测出来的结果还不稳定,同一个提示词不同模型生成结果差异大,结论还可能相反。第三道坎,你摸到的不是它。谷歌发布会的demo是拿自家框架、自家环境、反复调教之后跑出来的上限,普通人拿到的只是一个网页、一个API、一个光秃秃的对话窗口,没有那套框架,也没有工程师在旁边伺候。

发布前后的测试情况

发布还没开始,测试已经跑在传播线上了。华尔街在发布前一天就放风了,谷歌内部工程师测试多数人更偏好新模型,报道当天Alphabet盘后涨了0.6%。更早之前也有相关报道。发布日零点刚过,第一篇实测上线,到早上八点半,五家头部科技媒体全部交卷。英文圈一位做AI的从业者拒绝评价上线才15分钟的模型,要等一周让模型先稳定下来,但这种人的话挤不进发布日的版面。发布当天,Artificial Analysis和Datacurve等机构也出了评测分数。

读者的态度

互斥的结论能同时上头条,因为两头都有人看。吹爆的、踩爆的,都是现成的站队材料。至于模型本身好不好,没人在乎,在乎的是自己押的那边赢了。看实测有点像看球评,热闹看完了,选边也选完了,模型好不好,没人记得问。

真正的验证情况

真正的验证要么在发布之前,要么在发布之后。发布之前,OpenAI把模型提前拿给美国政府预览,谷歌出Cyber版只对审核过的安全团队开放等。发布之后,如GPT - 5上线时全网唱衰,三个月后风向变了。发布日被捧上天的和日常被低估的模型角色可能相反。

发布日实测的本质

发布日真正产出的,是人的注意力报告。厂商能通过稿子的打开率、完读率等数据了解情况,测完各取所需。模型只是个由头,与其人测它,不如它测人。这套玩法手机圈早就演过,AI模型连测什么都定不了,连造假都省了。模型好不好,时间会给答案,只是那个答案永远赶不上发布日的版面。下次有人拿发布日实测跟你安利,就回他一句:你那碳基大脑,真能测出一个万亿参数的大模型好不好用吗?

Gemini模型选型实战指南:Flash与Pro如何匹配业务场景 大语言模型(LLM)的推理服务本质上是按计算资源消耗计费的API服务,其核心原理在于token级资源调度与上下文窗口动态分配。技术价值体现在工程可控性——通过精准控制temperature、max_output_tokens、stop_sequences等参数,可显著提升输出稳定性与成本效率。典型应用场景包括客服FAQ生成、长文档摘要、多模态合同审查等AI应用开发任务。本文基于谷歌AI Studio平台与Gemini 1.5 Flash/Pro双模型的真实压测数据,深入解析免费额度结构、安全熔断机制、历史上 阅读详情

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

Gemini 3.6 Flash 与 3.5 Flash Lite 上线 | 谷歌两款新模型怎么选?

谷歌近日在 Google AI Studio 和 Vertex API 中悄然上线 Gemini 3.6 Flash 与 Gemini 3.5 Flash Lite 两款新模型,前者主打更强的智能与 coding 能力,后者则面向高吞吐、低延迟的高频子任务场景。本文梳理两款模型的定位、价格、适用工作流与文案差异,帮助开发者快速判断该把主任务交给哪个模型、把子任务交给哪个轻量模型,并进一步理解 Flash 系列延续的“更强且更便宜”路线。

m0_65682055的博客 860

2024从零开始使用VSCode编程(静态页面制作篇)HTML+CSS+JS阶段

VSCode第一个前端静态页面的编写

ssrsrrn的博客 9593

Gemini 3.8 Flash发布:性价比逼近Claude Opus 5,谷歌用Flash系列打一场速度战

美东时间2026年9月2日,谷歌正式发布Gemini 3.8 Flash与Gemini 3.8 Flash Cyber两款新模型。前者在DeepSWE v1.1长周期软件工程基准中得分73.7%,与Claude Opus 5的74.0%相差不足一个百分点,而调用成本仅为后者的15%;后者在CyberGym漏洞发现测试中以86.2%的成绩超过同期所有参测商业模型,通过Fairwind计划向全球650余家经审核机构开放。

Winzheng_Index的博客 698

facebook协议

支持同时登录多个Facebook账号,按照关键词采集小组地址,群发小组,批量添加推荐人,群发推 荐人消息,采集个人Facebook用户,群发用户私信,群发主页评论。通过客服台管理功能,和粉丝互动聊天,通过话术快捷回复,自动翻译聊天记录。通过FaceBook小组采集小组成员id,或者通过FaceBook个人主页,采集主页上粉丝批量操作已FaceBook账号添加推荐热,可以指定添加某个国家的推荐人,可以设置每个账号添加推荐人个数去重模式:所有的FaceBook账号不添加重复的推荐人。

2503_90751938的博客 967

IC设计新手必看:如何正确使用去耦电容(decap)避免电源噪声?

本文深入探讨了IC设计中去耦电容(decap)的应用技巧,从核心原理到布局实现,帮助新手工程师有效抑制电源噪声。文章详细解析了MIM、MOM等电容类型的特性与选择策略,并提供了先进的布局技巧和验证方法,特别适用于28nm以下先进工艺的电路设计挑战。

weixin_30555125的博客 119

再见 RAG?Gemini 2.0 Flash 刚刚 “杀死” 了它!

最近谷歌发布了 Gemini 2.0 Flash,说实话,它可能是目前市面上性价比最高的 AI 模型了。许多人写过关于 RAG 可能不再需要的文章,也可以看到人们在讨论它。有些人理解,有些人不理解,还有些人非常担心。所以让我们解释一下:RAG 到底是什么?为什么它可能不再像我们过去认为的那样必要?如果你正在构建 AI 相关的东西 —— 或者只是好奇 —— 为什么你应该关心它?

Anspire的博客 1827

H3C模拟器HCL防火墙路由模式主备配置实验

摘要:本文详细介绍了网络拓扑规划与设备配置方案。运营商仅提供一个接口地址,通过虚IP技术实现双防火墙高可用部署:主备防火墙分别配置10.20.10.1/29和10.20.10.2/29作为实际上联地址,共享10.10.10.2/24虚IP;下联配置172.168.10.0/24网段,核心交换机配置VLAN接口及192.168.10.1、192.168.20.1两个下联接口。文章包含运营商路由器、防火墙(HA配置、VVRP设置)和核心交换机的具体命令行配置步骤,并强调需进行主备切换验证。整个方案实现了单运营商

LQ的博客 1124

谷歌Gemini 2.0大模型的发布正式淘汰传统RAG!背后的技术竟如此简单

如果大家刚刚进入AI领域,那么可以了解下RAG是检索增强生成(Retrieval-Augmented Generation)的缩写。它是一种目前AI行业非常常见的技术,用于帮助AI模型(如ChatGPT)访问其训练数据之外的外部信息。大家可能在生活里已经见过它的很多实际应用。比如大家使用某些网站的客服或Bing的AI搜索时,当它在回答问题时查询了某些模型之外的信息时,这就是RAG在运行。我们最常见的场景就是当大家上传文件到ChatGPT并向它提问时——这也是RAG的一个应用场景。

佛州小李哥的博客 1678

RK3288芯片MIPI-DSI显示疑难杂症大揭秘:从点不亮到花屏全攻克

本文针对RK3288芯片MIPI-DSI接口常见的显示异常问题进行系统性分析,提出了完整的排查解决方案。硬件方面,重点检查排线连接、电源供应和散热问题;软件方面,强调屏参配置、驱动版本及时序参数的精确调整。通过两个典型案例(点不亮与花屏)具体说明排查流程,并指出未来优化方向应包括提升芯片抗干扰能力、开发智能自适应驱动程序等。该手册为开发者提供了从基础原理到实际问题的全面指导,能有效缩短故障排查时间,确保显示系统稳定运行。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 662

RK3588 buildroot 制作的系统增加 docker 支持

RK3588 使用buildroot制作的系统添加 docker 和 docker-compose 的功能

荻夜的博客 1569

谷歌Gemini三箭齐发:Flash模型曝光、AI Studio焕新、MCP协议官宣支持!

谷歌Gemini三箭齐发:Flash模型曝光、AI Studio焕新、MCP协议官宣支持!

hunteritself的博客 1116

摩尔线程嵌入式面试题及参考答案(2万字长文)

说一下你对 drm 框架的理解。 DRM(Direct Rendering Manager)是 Linux 系统中用于管理图形显示设备的一个重要框架。 从架构层面来讲,它处于内核空间,主要目的是为用户空间的图形应用程序提供一个统一的接口来访问图形硬件。DRM 包括内核态的驱动模块和用户态的库。内核态的驱动负责和硬件进行交互,比如对显存的管理、硬件寄存器的配置等。用户态的库则方便应用程序利用内核态提供的功能进行图形渲染等操作。 在图形显示的具体流程中,DRM 可以控制显示设备的分辨率、刷

大模型大数据攻城狮的专栏 1229

Gemini 3.7 Flash 模型解析与多路径实践指南

大语言模型(LLM)通过API接口为应用提供智能生成与理解能力,其核心原理是基于海量数据训练,实现对自然语言的深度建模。这一技术价值在于能以极低成本为各类应用注入强大的AI功能,广泛应用于智能对话、内容创作、代码生成等场景。以谷歌Gemini系列模型为例,其Flash版本(如Gemini 3.7 Flash)在速度与成本间取得了显著平衡。本文聚焦Gemini模型,特别是新近推出的Gemini 3.7 Flash,探讨其技术特性,并针对开发者与爱好者,梳理了通过API密钥调用、第三方客户端集成等核心路径,以绕

weixin_30627341的博客 388

打造AI智能体员工,我用扣子复刻了华与华、奥美和金枪大叔

这事说穿了,就是你用多个AI智能体,分别扮演专业角色,构成一支能力互补、各司其职的“数字团队”。每个智能体,都有明确的角色设定、任务边界和接口形式。它不再是一个泛泛的ChatGPT,而是你手下的“品牌顾问”、“策略专家”、“文案大神”、“短视频导演”、“运营总监”。简单来说,你不再是雇一个人,而是养一群机器人打工——24小时不摸鱼,不请假,不离职。如果你是个人创业者、内容创作者、培训机构、中小企业主,其实都可以尝试构建属于你自己的“AI虚拟员工矩阵”。

互联网架构师笔记 1500

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

谷歌发布Gemini 3 Flash,全球免费,打破速度与智能不可兼得悖论

它继承了Gemini 3 Pro的逻辑能力,能更细腻地解析用户问题的细微差别。这款模型打破了人们对轻量级模型的固有认知,它不再是性能的阉割版,而是将前沿智能与极致速度融合的产物,目前已全面覆盖API、谷歌搜索以及面向消费者的全球免费的Gemini应用。它不仅继承了Gemini 3 Pro级别的推理基础,还在延迟、效率和成本控制上保持了Flash系列一贯的优势。根据Artificial Analysis(人工分析)的基准测试,Gemini 3 Flash的运行速度是Gemini 2.5 Pro的3倍。

SuaniCommunity的博客 743

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

实测谷歌Gemini 2.0:数数、推理翻车,多模态惊艳,编程输Claude

看到它没有推理出来的那一刻,我觉得是不是我的提出的问题有问题,所以当即又把这两个问题丢给完整版版o1和Claude 3.5 Sonnet。大概调试了三次左右,Gemini 2.0 Flash才生成一个较好的完整体扫雷游戏,不过代码输出的速度确实很快,有点Flash的感觉!虽然此次没有和主流的模型做对比,但前几天刷屏的竞技场新王Gemini-Exp-1121正是Gemini Flash 2.0,提示词:房子里有五个人,A、B、C、D和E,A正在和B看电视,D在睡觉,E在打乒乓球,请问C在做什么?

具身机器人和通用AI 1517

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

刚刚 Gemini 3.8 Flash 模型发布,遭全网狂嘲。。谷歌这波拉完了?

刚刚 Gemini 3.8 Flash 模型发布,自称比肩 Claude Opus 5,反遭全网狂嘲。。谷歌这波拉完了?3 大项目实战测评,AI 编程用 Gemini 性价比高么?

努力做最接地气的编程干货分享,感谢关注 431

谷歌发布Gemini 3 Flash:性能媲美顶级模型成本大幅降低

谷歌发布Gemini 3 Flash:性能媲美顶级模型成本大幅降低

至顶AI实验室 713

Gemini 3.7 Flash 火速上线:推理成本下降下的模型选型与接入指南

从大模型 API 接入的基础概念出发,开发者在大规模应用落地中最关心的往往是推理成本与模型选型。随着 GPU 集群调度优化、量化与 KV Cache 等技术成熟,单位 Token 的推理成本加速下降,轻量级低延迟模型逐渐成为规模化业务的首选。Gemini 3.7 Flash 正是在这种背景下快速上线,以高吞吐和低价位切入价格敏感场景,适用于 Agent 工具调用、批量文本分类、文档结构化抽取等任务。文章围绕 API 接入、批量队列设计、格式约束和性能验证方法,提供一套从环境配置到清单落地的工程路径,帮助开发

weixin_34038293的博客 365

推理最强也最快,谷歌发布Gemini 2.0 Flash Thinking,全面超越o1-preview

谷歌接连推出了Gemini 2.0 Flash、Veo 2,以及最新的Gemini 2.0 Flash Thinking,每一款新产品都带来了令人印象深刻的特性与功能,仿佛是一场美食盛宴中的一道道佳肴,每一道都比前一道更加诱人。可以说,谷歌通过这些创新性的产品发布,正在人工智能领域树立新的标杆。从名称上我们可以看出Gemini 2.0 Flash Thinking是基于Gemini 2.0 Flash构建的,但前者经过了专门的设计与训练,旨在通过引入“思维”(thoughts)的概念来显著增强其推理能力。

CherryXieのblog 979

聊一聊谷歌的Gemini 3 Flash:为啥大家这么看好它?

谷歌推出Gemini3Flash模型,专注高效处理日常AI任务。该模型以"快、省、够用"为核心特点,相比高端模型成本更低、响应更快,适合客服、内容处理等实时互动场景。其出现标志着AI从实验室走向实用阶段,使更多用户和开发者能以更低成本使用AI技术。Gemini3Flash展示了AI发展的新方向:不追求全能,而是在特定领域实现极致实用化,推动AI技术真正融入日常生活和工作。

qq_26423361的博客 594

谷歌版o1横空出世:闪电思考,屠榜所有模型,AI速度新标杆

在人工智能领域,速度一直是衡量模型性能的重要指标之一。而现在,谷歌以其惊人的技术实力,再次刷新了我们对 AI 速度的认知。他们推出了名为的实验模型,以闪电般的速度解决复杂问题,其性能之强悍,足以屠榜当前所有模型,再次引发了人们对 AI 技术的无限遐想。

m0_66917422的博客 1358

Gemini 3.1 Flash不是固件:揭秘谷歌轻量AI模型的零门槛用法

AI模型是当前开发者高频搜索的核心技术概念,其推理效率与部署方式直接影响工程落地效果。Gemini 3.1 Flash并非嵌入式固件或可烧录二进制,而是一种专为低延迟响应优化的云端轻量级大模型——它通过模型蒸馏、边缘节点部署和流式截断生成三大设计,将端到端延迟压至300ms内,天然适配浏览器原生调用场景。相比传统需配置环境、编译固件的硬件开发范式,Flash以纯Web交互实现‘提问即得’,特别适合代码改写、会议纪要净化、技术文档翻译等高频短任务。本文聚焦其真实能力边界与实操路径,帮助开发者快速建立对‘Fla

weixin_31992389的博客 257

Gemini 3.5 Flash免费开放:轻量大模型的工程革命与开发者新范式

大语言模型正从‘通用智能上限’转向‘场景响应下限’,轻量级模型如Gemini 3.5 Flash通过动态计算图剪枝、分层注意力掩码和TPU v5e硬件协同优化,在代码理解、结构化输出等垂直任务中实现低延迟、高确定性推理。其技术价值不在于参数规模,而在于将模糊需求精准转化为可执行动作,显著降低AI使用门槛。典型应用场景覆盖代码审查、API文档生成、技术写作、论文精读、调试辅助与知识管理——尤其适合开发者高频、低价值密度但强确定性的日常任务。这种‘轻量即生产力’的范式,正在重塑AI基础设施的定义边界。

weixin_34216107的博客 344

Gemini 3 Flash不是模型而是推理架构:WASM本地化与API路由解析

Flash在AI领域已超越存储芯片(NAND/NOR Flash)的原始含义,演变为一种面向终端低延迟推理的工程范式。其核心原理是通过模型蒸馏压缩参数、WebAssembly(WASM)编译实现浏览器内本地执行,并重构通信协议以消除网络往返。这种架构带来毫秒级响应、确定性延迟和零请求计费的技术价值,广泛应用于代码补全、实时对话摘要与轻量逻辑推理等场景。开发者需区分CLI命令行集成、Chrome内核级扩展与Flash专用API三大入口,避免混淆嵌入式烧录错误与AI服务调用异常——本文聚焦Gemini 3 Fl

weixin_30436581的博客 337
上一篇: AI推理Token用量一年暴增25倍,资本“虹吸”下传统企业或被拖入深渊
下一篇: AI视频行业竞争升级:阿里、MiniMax双线突围,字节守优势,聚合平台承压
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值