Gemini 3.8 Flash掀起AI成本戰

74%、75.4%、1/20。

這三個數字，可能比又一個「世界第一」更值得市場記住。

Google推出Gemini 3.8 Flash後，模型在DeepSWE v1.1上的成績一度達到約74%；幾個小時後，Meta公布Muse Spark 1.3，測試成績進一步升至75.4%。

與此同時，一家此前並不算熱門的AI初創公司Mostik，也因為一項模型通信實驗受到關注：其混合系統在相關測試中，推理成本據稱只有完整GLM-5.2 753B的約1/20。

正如經濟學家威廉·諾德豪斯所說：「技術進步的價值，最終體現在成本下降。」放到今天的AI產業，這句話尤其值得重新思考。

因為AI競爭可能正在換一套計算方式。

Google與Meta，開始拼「完成任務要花多少錢」

Gemini 3.8 Flash最值得注意的地方，未必是它拿到多少分，而是它試圖把更強的推理能力放進相對低成本的模型中。

DeepSWE與普通程式設計Benchmark不同。模型需要進入真實程式碼庫，理解問題、搜尋文件、修改程式、調用工具，再透過測試確認結果。

換句話說，這更接近一個Coding Agent真正工作的方式。

Gemini 3.8 Flash在DeepSWE v1.1上的成績約為74%，而其API價格維持在輸入每百萬Token 0.75美元、輸出每百萬Token 3.75美元。素材顯示，其完成單項任務的平均成本約為2.36美元。

這個數字之所以重要，是因為Agent往往不是回答一次問題就結束。

一個長週期Coding Agent可能需要執行大量步驟。Research Agent則可能持續搜尋資料、閱讀內容、調用工具。

因此，模型便宜一點，對Agent而言可能不是小幅改善，而是直接影響一項產品是否具備商業可行性。

Meta的75.4%，真正看點不是多出1分

Google剛把成績推上去，Meta很快又把數字往前推了一步。

Muse Spark 1.3在DeepSWE v1.1上的成績達到75.4%，高於Gemini 3.8 Flash以及素材中提到的其他模型。

但真正值得注意的是另外兩組數據：工具調用減少約20%，Token消耗降低約25%。

這背後其實是一個非常現實的Agent問題。

模型最昂貴的時候，不一定是它正在有效思考，而可能是它走錯方向之後還在繼續執行。

理解錯需求、重複搜尋、修改錯誤文件，再重新測試，都可能帶來額外Token與工具調用。

如果模型能更早識別模糊指令、知道自己能力的邊界，甚至在不可逆操作之前主動確認，那麼「少做幾步」本身就是成本優化。

所以到了Agent時代，Benchmark分數依然重要，但已經不是唯一答案。

真正值得計算的，可能是完成一項真實工作的總成本。

Mostik押注的，是另一條降本路線

如果說Google和Meta正在降低「完成任務」所需要的計算，那麼Mostik提出的方向更加底層。

它關注的是：AI模型之間，為什麼一定要透過人類語言溝通？

目前多數Multi-Agent架構仍然依賴自然語言。

一個模型完成階段性工作後，需要生成文字，再由另一個模型閱讀、理解，重新建立自己的內部表示。

這個過程自然會消耗Token，也存在資訊轉換成本。

Mostik嘗試探索另一種方式：讓不同模型直接交換latent representation，也就是潛在空間中的內部表示。

簡單理解，就是不再讓模型「先把想法寫成文章，再讓另一個模型閱讀」，而是嘗試建立一座Bridge，讓模型直接交換部分內部資訊。

素材提到，Mostik曾將GLM-5.2 753B與Qwen 3.5 4B進行橋接，形成一套混合系統，其推理成本據稱只有完整GLM-5.2的約1/20。

不過，這條路仍然存在明顯的不確定性。

不同模型擁有不同架構、參數與訓練方式，latent space並不存在天然通用的「座標系」。因此，如何讓不同模型真正有效理解彼此的內部表示，依然是非常困難的研究問題。

所以，1/20更適合被看成一個值得關注的實驗結果，而不是已經成熟的產業方案。

下一場AI競爭，可能不是更大的模型

如果這些方向逐漸成熟，AI設備的架構或許也會出現變化。

今天的端側AI，一個重要方向是把更大的模型塞進手機、電腦或其他設備，透過量化、蒸餾等方式降低模型體積。

另一種可能性則是反過來。

設備不一定需要一個什麼都會的大模型，而可以長時間運行一個小型模型，處理日常、高頻、低難度工作。

遇到真正複雜的問題，再把任務交給雲端大型模型。

如果兩者之間能夠透過更高效的latent communication交換資訊，那麼雲端模型或許不需要每一次都重新接收大量Context。

這並不代表「0.xB模型取代大模型」已經成為現實，而是一種值得關注的架構方向。

AI變便宜，才可能真正打開Agent市場

說實話，今天AI最令人興奮的事情，可能已經不是哪家公司又刷新了Benchmark。

因為榜單第一名很容易被下一個模型取代。

真正難改變的，是成本結構。

當一個Agent完成任務的成本足夠低，過去不划算的應用才可能重新成立。

企業可以讓Agent處理更多長週期工作，個人也可能使用更多持續運行的AI服務。多Agent協作如果不再需要承擔高昂推理成本，也可能出現新的產品形態。

這也是Gemini、Muse Spark與Mostik這三件事情放在一起後，最值得關注的地方。

它們走的是不同路線。

Google在壓低高能力模型的使用成本，Meta在減少Agent完成任務時的浪費，而Mostik則試圖重新思考模型之間如何交換資訊。

方向不同，但終點可能相同：

讓智能變得足夠便宜。

當「使用AI」從一項需要精打細算的成本，逐漸變成可以隨手調用的基礎能力，真正的AI應用競爭或許才會開始。

而下一個值得追蹤的問題，也許不再是誰能拿到下一個Benchmark第一。

而是：

一個真正能長時間工作的AI Agent，究竟還能便宜到什麼程度？

FAQ

Q1：Gemini 3.8 Flash為什麼受到關注？

Gemini 3.8 Flash的關注點不只在DeepSWE約74%的成績，更在於其相對較低的API價格。對需要大量推理與工具調用的Agent而言，模型單次任務成本可能直接影響產品能否大規模運行。

Q2：Muse Spark 1.3的75.4%意味著什麼？

75.4%代表其在素材所述DeepSWE v1.1測試中取得更高成績，但更值得注意的是工具調用減少約20%、Token消耗降低約25%。這說明Agent效率本身，正逐漸成為模型競爭的重要指標。

Q3：Mostik的latent communication已經成熟了嗎？

目前不能這樣下結論。Mostik探索的是讓不同AI模型直接交換latent representation，以減少自然語言通信帶來的成本，但不同模型之間存在架構與表示空間差異，相關技術仍面臨不少研究難題。