谷歌弃3.5 Pro推3.8 Flash，代码能力对标Opus

谷歌在AI模型路线上做出重大调整：放弃原定的Gemini 3.5 Pro，转而计划推出Gemini 3.8 Flash（代号“Skimaki”）。据《华尔街日报》爆料，这一代号为“Skimaki”的模型在谷歌内部编码工具Jetski的对比测试中，表现优于Anthropic的Opus模型，且研发早在谷歌领导层变动之前就已启动。

谷歌此举的直接原因，是3.5 Pro的研发进展不及预期，而更受瞩目的Gemini 4.0仍处于预训练和后期训练阶段，短期内难以面世。相比之下，3.8 Flash参数规模更小、计算需求更低，更容易快速产出成果。因此，谷歌选择“先易后难”，优先推出3.8 Flash以稳住市场节奏。

自今年年初起，谷歌已明显加大人力和算力投入，重点提升Gemini系列的代码能力，并同步增加对强化学习的投入。与此同时，谷歌DeepMind内部并行推进多个项目，以分散技术路线风险，避免单一模型失利导致全盘被动。这种“多线并进”的策略，反映出谷歌在AI竞赛中既想保持领先，又不得不谨慎应对不确定性的心态。

在模型正式发布之前，谷歌还为Gemini植入了“智能体视频理解”功能，并已支持Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Lite三个模型。该功能的核心突破在于，模型不再被动接收固定帧率的视频流，而是可以自主决定观看视频的片段、速度以及模态——既可以选择画面，也可以选择音频或转录文字。这种主动感知能力，让模型在处理视频时更加高效和灵活。

据谷歌披露，在标准视频分析基准上，开启该功能后，token消耗最多可降低88%，分析成本最多可降低66%，而准确率最多可提升7%，且不额外收费。这意味着，用户可以用更少的资源完成更复杂的视频分析任务。该功能还支持亚秒级片段检索、长视频内容定位、异常检测——例如对特定时间窗口提高帧率重采样——以及动作计数等此前难以完成的任务。这些能力对于安防监控、体育分析、自动驾驶场景中的视频理解，都具有实际价值。

当前AI竞争已进入白热化阶段。Anthropic的Claude 5.1已经发布，OpenAI的Astra也即将推出，后者采用“循环深度”这一新型推理方法，旨在减少思考token的消耗并提升性能。此外，马斯克预告Grok 4.7将在十天后发布。面对如此密集的对手动作，谷歌此次推出Gemini 3.8 Flash，显然是为了在代码能力和视频理解等关键领域抢占先机。

从放弃3.5 Pro到力推3.8 Flash，谷歌的调整既是对内部研发节奏的务实修正，也是对外部竞争压力的直接回应。在Gemini 4.0尚未成熟之前，3.8 Flash能否凭借代码优势和视频理解功能赢得开发者与企业的青睐，将决定谷歌在下一轮AI竞赛中的位置。