Google 和 Meta 發布了競爭性 AI 模型 Gemini 3.8 Flash 和 Muse Spark 1.3

週三，Google 和 Meta 在數小時內相繼發布了對手的前沿 AI 模型。Google 發布了 Gemini 3.8 Flash 及其網路安全版本。Meta 則發布了 Muse Spark 1.3。Independent Testing by Artificial Analysis 表示，Meta 在代理知識工作和科學推理方面佔優勢。Google 在事實回憶和終端編碼方面領先。Gemini 3.8 Flash 是 Google 在六週內推出的第三款 Flash 模型。該模型的輸入代幣成本為每 1 百萬個輸入代幣 0.75 美元。輸出代幣成本為每 1 百萬個輸出代幣 3.75 美元。優惠價格有效期至 2026 年 12 月 31 日。之後價格將上調至每 1 百萬個輸入代幣 1.50 美元，輸出價格則上調至每 1 百萬個代幣 7.50 美元。Google 已向可信防禦者提供 Gemini 3.8 Flash Cyber 版本。該版本在 CyberGym 上得分為 86.2%，在 CWE-Bench 上得分為 47.2%。Google 表示，該模型為 Chrome 漏洞生成的正確修補程式數量是較大商業模型的 2.6 倍。Fairwind 計畫僅限政府機構和關鍵基礎設施運營商使用。OpenAI 則在前一天設定了類似的限制，針對 Astra。Meta 透過 Muse Code 和 Meta Model API 發布了 Muse Spark 1.3。公司工程師測量發現，與 1.2 版本相比，工具調用次數減少約 20%。Muse Spark 1.3 在 max 模式下於 GDPval-AA v2 上得分為 1,754 Elo。Gemini 3.8 Flash 在 high 模式下得分為 1,545。Muse Spark 1.3 在 Sierra Research 銀行代理測試中領先，得分為 52.4%；Gemini 3.8 Flash 則為 44.9%。Meta 在 CritPt 物理推理中也領先。Gemini 3.8 Flash 在 Terminal-Bench 2.1 中以 87.6% 領先，在 AA-LCR 長上下文測試中以 81% 領先，在 AA-Omniscience 準確性測試中以 55% 領先。Gemini 3.8 Flash 在測試模型中取得最高的 GPQA Diamond 分數，為 95%。在 Humanity's Last Exam 中，各模型分數相差不超過一點。Meta 表示，Muse Spark 1.3 的 max 推理功能將在完成進一步安全測試後推出。目前 xhigh 版本已可用，其在 Artificial Analysis 智能指數上的得分為 61，比 Muse Spark 1.2 高出四分，但仍低於 Claude Fable 5.1 的 66 和 Claude Opus 5 的 63。Elon Musk 表示，Grok 4.7 將很快推出。