据《华尔街日报》独家爆料，谷歌将于明日（当地时间）发布新一代轻量级模型Gemini 3.8 Flash（代号Skimaki），同时放弃此前预告的Gemini 3.5 Pro。这一消息在AI圈引发热议，因为就在几天前，Anthropic刚推出Claude 5.1，而OpenAI的Astra也即将亮相，谷歌此举被视为对竞争压力的直接回应。
Gemini 3.5 Pro被取消是本次爆料的重磅信息。该模型曾在今年5月的I/O大会上预告，但近4个月过去，其进展甚至不如Flash版本，谷歌被迫“弃子”。据内部人士透露，谷歌已投入更多人力和算力提升Gemini的编程能力，尤其是加大强化学习投入，让AI通过试错学习。同时，谷歌DeepMind并行推进多个项目，以分散风险。
尽管3.5 Pro夭折，但Gemini 4.0在预训练中评估优秀，后训练仍在进行中。爆料还称，Gemini 3.8 Flash在谷歌内部编码工具Jetski的对比测试中“碾压”Opus模型，编程实力强劲。该模型已研发数月，早于谷歌领导层变动——Demis Hassabis让位、首席科学家Jeff Dean离职——之前就已启动，目前内部进展顺利。
谷歌选择先推Flash版本，是因为其参数小、所需计算少，更容易出成果。这一策略与OpenAI和Anthropic形成对比：OpenAI的下一代Astra采用“循环深度”新型推理方法，减少思考token并提升性能，预计本周揭晓；Anthropic的Claude 5.1则主攻编程和科研领域。此外，马斯克预告Grok 4.7将在十天后发布，四家科技巨头几乎同时发力，AI模型竞争进入白热化阶段。
在发布Gemini 3.8 Flash之前，谷歌今日已为Gemini系列引入智能体视频理解（Agentic Video Understanding）功能。该功能允许模型自主决定观看视频的片段、速度和模态（画面、音频或转录文字），而非被动接收固定帧率。官方博客显示，在标准视频分析基准上，开启该功能后token消耗最多降低88%，分析成本最多降66%，准确率最高提升7%，且不额外收费，仍按标准API token定价。
这一功能解决了视频处理的高成本痛点——视频是模态中最贵的，一分钟视频可能消耗相当于一本书的token。通过“拖进度条”式的高效采样，模型能处理亚秒级片段检索、长视频问答、异常检测和计数等任务，使自动剪辑、安防监控、产线质检等场景真正可行。谷歌此前已在图像理解上应用类似思路，此次将工具扩展至原生视频。
谷歌此举意在让Agent“看得起”视频，突破以往依赖文字转述的局限。随着成本曲线下移，Agent能直接处理监控、课程、素材等视频内容，而无需等待人工转写。这被视为谷歌在AI Agent竞争中的关键布局，尤其在OpenAI和Anthropic已在前沿模型和编程Agent上占据优势的背景下。
目前，谷歌计划先推出Gemini 3.8 Flash，以快速回应市场。但分析师指出，谷歌能否在Gemini 4.0上兑现潜力，才是决定其能否与OpenAI、Anthropic抗衡的关键。随着四家公司发布节奏撞车，AI大战的下一个回合已悄然开启。