Gemini 3.8 Flash 的功能与应用
一款高速 Flash 模型,具备 100 万 token 的上下文窗口、可调节的思考模式,并拥有足以胜任实际工程任务的深度推理能力。
长上下文编程
审查大型代码仓库,跨文件追踪变更,并在单次请求中保留完整工作上下文,无需拼接多个简短提示词。
自主智能体步骤
采用低、中、高不同程度的思考强度,在规划、工具编排、验证与恢复过程中平衡速度与准确性。
企业级文档处理
处理冗长的规范、政策汇编及运营记录,同时完整保留各章节与决策之间的关联。
流式回答
通过兼容 OpenAI 的 Chat Completions 端点流式传输部分输出,并在每次调用后检查输入、输出及推理的使用量。
Gemini 3.8 Flash 应用场景
多文件重构
在大型项目中梳理依赖关系,提出安全的修改顺序,并解释最终的代码变更。
研究与综合
将长篇笔记、报告和结构化证据整合为简明扼要的摘要,并附带明确的前提假设与后续步骤。
智能体编排
高效处理智能体循环中频繁的规划与验证轮次,将旗舰级模型留给最复杂的关键决策。
高吞吐知识工作
运行分类、提取、起草和审核等工作流,支持可配置的思考等级和可预测的 token 计量。
Gemini 3.8 Flash 定价
输出包含思考过程
Google 将思考 token 计为输出 token。因此,复杂任务的实际费用可能会高于可见回答所反映的成本。
缓存读取采用独立费率
重复的稳定前缀可以使用上下文缓存。在按较低的缓存输入费率估算前,请先在响应的使用详情中确认是否命中缓存。
100 万 Token 上下文
上下文窗口足够容纳代码库级别的提示词和长篇文档集,最大输出长度达 64K token。
优惠期说明
所列优惠费率有效期至 2026 年 12 月 31 日;Google 官方文档注明自 2027 年 1 月 1 日起将执行更高的标准费率。
Gemini 3.8 Flash 与 Gemini 3.7 Flash 对比
两代 Flash 模型享有相同的初始定价和百万级 token 上下文。请根据实际业务工作流进行选择,而不仅凭版本号。
同等价格,更新一代
Google 为 Gemini 3.8 Flash 和 Gemini 3.7 Flash 标明了相同的初始标准费率(截至 2026 年 12 月 31 日):每百万 token 输入 $0.75、输出 $3.75、缓存输入 $0.075。
3.8 专为长周期任务设计
Gemini 3.8 Flash 定位于长周期软件工程、自主 Agent 以及复杂企业工作流。当模型需要在多个步骤中进行规划、验证并持续推进时,请使用此模型。
3.7 仍是实用的后备方案
如果现有的生产路由已有稳定的评测集,可继续保留 Gemini 3.7 Flash。切换到 3.8 仅需变更模型 ID,但应依据采纳率和延迟指标来决定正式上线。
对比总输出成本,而非仅看标价
两款模型均将思考 token 计入输出。若某个方案重试次数更少或能单次直接完成任务,即使可见回复更长,总体成本也可能更低。
调用 Gemini 3.8 Flash API
在演练场和兼容 OpenAI 的客户端中使用相同的公开模型 ID。
选择思考等级
Gemini 3.8 Flash 支持 low、medium 和 high 思考级别,不支持 minimal 思考级别。
为推理预留空间
请将 max_tokens 设置得足够大,以容纳思考过程和可见回复。若限制过小,可能在文本生成前就已耗尽额度。
发送 Chat Completions POST 请求
调用 POST https://aireiter.com/api/v1/chat/completions,指定 model 为 "gemini-3.8-flash";如需增量输出,请设置 stream=true。
查看用量统计
在响应返回时读取 prompt_tokens、completion_tokens、completion_tokens_details.reasoning_tokens 以及 prompt_tokens_details.cached_tokens。
Gemini 3.8 Flash API 常见问题
在路由生产流量前需确认的实用细节。
/ 01Gemini 3.8 Flash 的模型 ID 是什么?
使用 gemini-3.8-flash。AIReiter 内部模型 key 为 chat-gemini-3.8-flash。
/ 02我应该使用哪个端点?
使用 AIReiter API Key 和兼容 OpenAI 的请求体调用 POST https://aireiter.com/api/v1/chat/completions。
/ 03Gemini 3.8 Flash 是否支持流式传输?
支持。将 stream 设置为 true 即可接收增量 Chat Completions SSE 事件。
/ 04上下文窗口有多大?
官方标明的上下文窗口为 1,048,576 个 token,最高支持 65,536 个输出 token。
/ 05为什么输出 token 用量高于可见文本?
Thinking token 会计入输出计费。对于延迟敏感或常规请求,请调低 thinking level。
/ 06我如何确认命中缓存?
请检查 usage.prompt_tokens_details.cached_tokens。仅有重复的 prompt 并不能证明前缀已被复用。
/ 07我可以使用 temperature 和 top_p 吗?
Gemini 3.8 Flash 迁移指南建议移除 temperature、top_p 和 top_k。请改用 thinking-level 控制。
/ 08当前的官方费率是多少?
截至 2026 年 12 月 31 日,首发标准费率为每百万 token:输入 $0.75、输出 $3.75、缓存输入 $0.075。