Union Alpha 与 Gemini 3.8 Flash：一个有分数，另一个只有说法

Union Alpha 和 Gemini 3.8 Flash 是同一套宣传说辞，却以两种截然不同的证据水平呈现。Union Alpha 的运营方将其描述为“在广泛的通用任务上具备前沿级性能”，却没有公布任何基准测试、参数量、许可证或名称。Gemini 3.8 Flash 发布时则附带了带日期的评估表、Artificial Analysis Intelligence Index、独立测试者给出的每任务成本数据，以及一份有记录、延续到 2027 年的价格表。如果你在两者之间做选择时考虑的不只是价格，那你就是在“一个你能核实的数字”和“一句你无法核实的话”之间做选择。

并肩而立，在争吵之前

• 上下文窗口 — Union Alpha 262,144 个 token，对比 Gemini 3.8 Flash 的 1,048,576 个 token。

• 最大输出 — 131,072 个 token 对 65,536 个 token。Union Alpha 在这一项上胜出，而这也是它唯一胜出的结构性维度。

• 输入 — 两者均支持文本和图像，但 Gemini 3.8 Flash 还额外接受视频、音频和文件。

• 定价 — Union Alpha 在预览期间为 $0，而 Gemini 3.8 Flash 为输入 $0.75/百万、输出 $3.75/百万、缓存输入 $0.075/百万，并将于 2027 年 1 月 1 日翻倍至 $1.50/$7.50。

• 推理控制——Union Alpha 上未提供任何此类控制，而 Gemini 3.8 Flash 上的思考层级则会直接影响质量与成本。

• 已发布的评估 —— 来自 Union Alpha 运营方的：无；相比之下，Gemini 3.8 Flash 上有一份完整的、标注日期的表格。

• 来源 — 匿名操作方，无权重，对比 Gemini 3.8 Flash 有明确日期的发布与有文档记录的传承。

Gemini 3.8 Flash 的数字究竟说明了什么

Gemini 3.8 Flash 于 2026 年 9 月 2 日发布——这是 Google 在大约六周内的第三次 Flash 发布，由此也能看出，这个模型的故事里有多少成分是发布节奏，而非技术突破。公布的那份评测表格把数据分别归功于 artificialanalysis.ai 和 deepmind.google，所以不妨把它读作独立数据与厂商数据的混合，而不是一份干净的第三方审计。

• AA Coding — 76.3，这是一个真正强劲的编程评分。

• AA Intelligence — 41.2。请注意，Artificial Analysis 在高推理强度下对 Intelligence Index 单独给出的报告值为 59，因此该数字会随推理强度设置大幅变化；引用时必须一并说明该设置，否则这个数字毫无意义。

• GPQA Diamond — 95.3，是本次比较中遥遥领先的最高单项数值。

• HLE-Verified — 54.9，而普通版 Humanity's Last Exam 为 47.8。

• Terminal-Bench 2.1 — 在 Google 自己的榜单上得分为 89.4，略微领先于 Claude Opus 5 的 89.1。

• 长上下文召回 — 81.3；SciCode 56.6；tau_banking 44.9。

• 观测到的吞吐量——在最近 7 天窗口内，达到每秒 323 个输出词元，错误率为 0.63%，首个词元延迟中位数为 3.46 秒，实测流量为 4.985 亿个词元。

弱点与优势一样有详细记录。在 Terminal-Bench 4.0 上，它得分 19.1，而 Claude Opus 5 为 51.8。在 OSWorld 2.0 上，它取得 59.0%，而对比为 75.4%。在 GDPVal-AA v2 上，它以 1545 Elo 落后于 1824。Gemini 3.8 Flash 在特定一类工作上表现出色，但在最难的通用智能体评测上则断崖式下跌——而这正是公开表格能让你看到的那种形态。

令人措手不及的定价套路

谷歌未调整每 token 的价格，与 Gemini 3.7 Flash 保持一致。账单却还是涨了。

模型更费力：推理步骤更多，迭代式工具调用也更多。Artificial Analysis 的独立测试测得，与 3.7 Flash 相比，每项任务的输出 token 数大约多 30%，每项任务成本约高 40%。在高推理档位下，每项任务成本约为 $0.58；中等档位约为 $0.41，低档位约为 $0.24。

对于任何做预算的人来说，这是对比中最有用的一点，而且它远不止适用于这两个模型：单价和每次任务成本是两个不同的数字，而其中只有一个会出现在定价页面上。Google 一直将 3.7 Flash 保留为更便宜的选择，这无异于默认承认了这一转变。

Union Alpha 反而提供的是什么

Union Alpha 于 2026 年 9 月 16 日出现在第三方模型目录中，并运行于OrcaRouter 的免费层级。它是匿名的——没有实验室、没有权重、没有许可证、没有知识截止日期——并在明确说明的约一周窗口期内免费开放，有速率限制，且未公布预览期之后的价格。

它的端点可验证，即使其来源不可验证：262,144 token 上下文，131,072 token 最大输出，文本和图像输入且仅文本输出，工具调用和 JSON 输出，temperature、top_p、max_tokens，以及没有任何形式的推理控制。工具选择实际上仅支持 "auto"。

恰好只有一项独立测量。SMF Clearinghouse 在关闭推理的情况下运行了 157 项 Official A 测试，得分为 136/157——86.6%，零错误，在 26 个中排名第 10。推理为满分 30/30，工具 2/2，编程 26/30，数学 24/30。写作得分为 2/5。

那并不是一个糟糕的结果。它只是压根不具备可比性。Official A 是一套涵盖 157 项测试的广泛通用套件；AA Coding 和 GPQA Diamond 则是不同的工具，在不同难度下衡量不同的东西。把 136/157 和 GPQA Diamond 上的 95.3 并列在一起，然后宣布谁赢了，恰恰就是那种让厂商数字变得毫无用处的粉饰。

没人能真正完成的成本比较

这是一个已演算的示例，而且它故意不完整。

拿一个你每月要运行一千次的任务。在 Gemini 3.8 Flash 的高推理模式下，公布的每任务约 0.58 美元的数字意味着每月大约 580 美元。这是一个基于实测 token 消耗量得出的真实、站得住脚的数字。

在 Union Alpha 上，同样的一千个任务今天花费为 0 美元。三周后它们的成本是多少尚不可知，因为不存在预览期之后的价格。它们在可靠性上的代价也同样未知，因为该模型受到速率限制，运行在单一端点上，没有备用提供商，并且一旦你超过一个无人公布过的上限，就会以 HTTP 429 响应。

所以，诚实的答案是：Union Alpha 赢得了唯一可用的成本比较，却失去了对它进行预测的能力。对于一次性的比拼，这没问题。对于预算条目来说，它不是一个数字——而是一个带着 URL 的希望。

每个所属的地方

凡是你需要一个可衡量的性能下限的地方，Gemini 3.8 Flash 都适用：带视频或音频输入的长上下文文档工作；AA Coding 得分 76.3 才是相关标尺的编程任务；以及任何附带预算的工作负载，因为你可以在投入前计算成本，并且知道它会在 2027 年 1 月 1 日翻倍。

Union Alpha 属于探索性位置——试用一款支持视觉的 256K 模型，其输出上限是 Gemini 的两倍，用于那些端点消失也不会让你有任何损失的工作。

把它们放在一个端点后面，而不是做成两个集成，原因是这种比较会反复改变形态。路由 DSL 让你能把两者组合成一次调用——把 Gemini 3.8 Flash 作为受测路径，把 Union Alpha 作为实验分支——而不是硬编码一个你之后会想重新审视的决定，比如当免费窗口关闭时，或者当 Google 的优惠定价到期时。这两个日期都不远了，而它们都会改变这笔账。

什么能解决这个问题

Union Alpha 在同样收录 Gemini 3.8 Flash 的排行榜上有一条带日期的记录。这就是缺失的全部。在那之前，站得住脚的说法不是“Union Alpha 和 Gemini 3.8 Flash 一样好”——而是“Union Alpha 免费一周，而且没有人拿它与 Google 发布的任何东西做过对比”。这两句话截然不同，而目前只有一句是真的。

这对组合中经过实测的那一半记录在此：Gemini 3.8 Flash 模型页面载有 $0.75/$3.75 的费率、90% 的缓存输入折扣，以及决定长篇报告工作的 65,536 token 输出上限。