Gemini 3.8 Flash Cyber：谷歌那个只给防守方的 AI 修洞模型

先讲一个几乎每个后端都经历过的凌晨。

凌晨两点，告警响了。你依赖的一个基础库爆了个高危漏洞，CVE 编号刚挂出来，公众号和技术群已经在传 POC 了。安全团队在群里 @ 你："这个洞能不能明天上线前修掉？"

你说先看看。然后你发现：定位根因半天，写补丁半天，回归测试一天，等上游合并不知道几天。而攻击者那边，从漏洞公开到批量扫描，通常只需要几个小时。

攻防两边的时间单位从来就不一样。 防守方按周算，攻击方按小时算。

2026 年 9 月 2 日，谷歌发布了一组模型，其中那个"大部分人一辈子用不上、但可能间接救了你一次"的，叫 Gemini 3.8 Flash Cyber。它的目标非常直白：把漏洞修复这件事，从"数周的人工代码评审"，压到"几分钟内出可部署补丁"。

而我更想说的是另一半故事——这个模型你大概率申请不到，而且谷歌是故意的。

先看数字：它到底有多能打

先别急着听形容词，把官方口径的硬数据摆出来：

基准 / 场景	成绩	对比对象
CyberGym（自主漏洞发现行业标准基准）	86.2%	超过 3.5 Flash Cyber，也超过体量大得多的前沿模型
内部多语言漏洞基准（覆盖 20 种编程语言）	成功率 > 70%	谷歌内部数据
CWE-Bench（Collinear 运营的外部补丁基准）	pass@1 47.2%	领先前沿模型 47.8%，但成本低得多
Chrome 安全团队实测	正确补丁数是最佳商用大模型的 2.6 倍	谷歌内部评测
Wiz 内部渗透测试基准	召回率高 7.5–9.7 个百分点	成本低 2.3–5.2 倍
Cloud Vulnerability Research 团队	2 小时挖出一个关键基础漏洞	同类工作通常耗时数月

这组数字里我最在意的是最后一行。2 小时对几个月，这不是"效率提升 30%"，这是把一件事从"项目"变成了"一次查询"。而 CWE-Bench 那行更耐人寻味：47.2% 对 47.8%，差 0.6 个百分点，但成本是别人的零头——这才是它真正的杀招，能力打平，价格打骨折。

顺带交代一下时间线：Gemini 3.8 Flash 是六周内的第三次 Flash 更新，距 3.7 Flash 只隔了三周，内部代号 Skimaki（据《华尔街日报》报道）。Cyber 版本和标准版共享同一套基础智能，只是训练和安全策略分了岔。

什么是 Gemini 3.8 Flash Cyber

一句话版本：它是 Gemini 3.8 Flash 的网络安全特化版，专门用来找漏洞和写补丁，只通过 Fairwind 计划向经过审核的防守方开放。

拆开说三点。

第一，它不是"通用模型 + 安全提示词"。 谷歌明确说它的网络安全缓解措施比通用版更宽松——也就是说，它能讨论、能生成的攻击技术知识，标准版会被拦下来。这正是它好用的原因，也正是它必须被关起来用的原因。

第二，它不是一个你能直接调 API 的模型。 它的获取渠道叫 Fairwind Program，2026 年 9 月 2 日同步启动，准入不看钱看身份：政府机构与国家网络主管部门、关键基础设施运营商（医疗、电信、能源、金融）、以及被大量下游依赖的核心平台与软件基金会。目前全球有 650 多家合作方参与，已公开的名单里有 CrowdStrike、Datadog、Menlo Security、Palo Alto Networks、Snowflake。

第三，它必须配着 CodeMender 一起用。 模型负责推理，CodeMender 负责"harness"（ harness 你可以理解成一套带验证的作业台）：在你自己的云环境里跑，自动验证生成的补丁能不能编译、会不会引入回归，只把通过验证的补丁交给人看。

CodeMender 是什么：这套系统的另一半

如果不讲 CodeMender，Flash Cyber 的价值讲不清楚。

CodeMender 是 DeepMind 在 2025 年 10 月 6 日发布的一个代码安全智能体，最初基于 Gemini Deep Think 模型。当时公布的成绩是：半年内向开源项目上游提交了 72 个安全修复，涉及的代码库最大的有 450 万行。

它的能力来自这套工具组合：

• 静态分析 / 动态分析——理清控制流、数据流
• 差分测试与模糊测试（fuzzing）
• SMT 求解器——做形式化的性质验证
• 多智能体 LLM critic——用一个模型专门挑刺：对比改动前后的代码，判断有没有引入回归，不行就自我修正

有个案例我印象很深。CodeMender 给 libwebp 这个图像压缩库批量加了 -fbounds-safety 注解。加上之后，编译器会自动插边界检查，缓冲区溢出直接变得不可利用。而 2023 年那个震惊业界的 CVE-2023-4863（libwebp 堆溢出），正是被做成零点击 iOS 攻击在真实世界里用过的。

换句话说：如果那批注解早两年加上，那次攻击就不会成立。AI 在这里干的不是"发现一个洞"，而是让一整类洞永远失效。这比排行榜上多几个点有意义得多。

到了 2026 年 7 月 21 日，谷歌把 Gemini 3.5 Flash Cyber 塞进 CodeMender 做小范围试点；9 月 2 日的 Fairwind，是把这个试点正式化、命名、扩大规模。CodeMender 是车，Flash Cyber 是引擎。

场景：把"分钟级补丁"落到具体地方

场景一：Chrome 安全团队——补丁质量的头对头

谷歌 Chrome 安全团队是最早的测试者之一。他们拿 Flash Cyber 和市面上最好的商用大模型做头对头评测，结果是正确补丁数量 2.6 倍。

注意"正确补丁"这四个字。安全领域最怕的不是"找不到洞"，是"生成一堆看起来对、实际上错、甚至引入新问题的补丁"。CodeMender 那套自动验证就是干这个的——不修根因的补丁不交，有回归的不交，不符合代码风格的不交。

场景二：Wiz——召回率高，还更便宜

云安全公司 Wiz 在自己的内部渗透测试基准上跑了一遍：召回率比领先前沿模型高 7.5–9.7 个百分点，而成本是对方的 1/2.3 到 1/5.2。

渗透测试场景里，"漏报"比"误报"更致命。召回率提升接近 10 个百分点，同时成本砍到几分之一——这是能改变预算结构的数字，不是 PPT 数字。

场景三：谷歌自己的云漏洞研究团队

这条我前面提过，再说一次因为它最有画面感：2 小时找到一个关键基础漏洞，而这类研究通常要几个月。

我得诚实地说，谷歌没有公开这个漏洞的具体细节（显然也不会公开）。所以这条只能当"官方口径"看，没法验证。但结合 Chrome 那条和 Wiz 那条第三方数据，我认为趋势是可信的。

场景四：开源生态的"上游修复"

Fairwind 的第三类准入对象，是"维护着被广泛使用软件基础的核心平台"。逻辑很朴素：给一个上游项目打一个补丁，等于同时保护了它下游几百万使用者。

这条对开源社区的意义，可能比给某个政府做防守更大。虽然现在还轮不到你我这样的普通开发者。

普通开发者能摸到什么：三条现实路径

我知道你看到这里最想问的是：那我能用吗？

直接答案：Flash Cyber 本身，暂时不能。 但有三条路是通的。

路径一：用公开模型跑 CodeMender（最接近的替代）

谷歌明确说了：任何 Google Cloud 客户，都可以通过 Gemini Enterprise Agent Platform，配合公开可用的 Gemini 模型来使用 CodeMender，再叠加 AI Threat Defense 工具集。

也就是说，引擎降了一档，但车（CodeMender 那套验证 harness）是同一辆。谷歌的说法是能力会有分层差异，但对绝大多数企业的 CI 来说，够用。

路径二：用 Gemini 3.8 Flash 做"安全左移"

这是今天、现在、免费就能干的事。3.8 Flash 是公开可用的（gemini-3.8-flash），支持 100 万 token 上下文、64K 输出，思考级别可调 low / medium / high。100 万 token 意味着你可以把一整个中型模块塞进去让它审。

Python 示例：

from google import genai

client = genai.Client(api_key="YOUR_API_KEY")

with open("src/parser.c", "r", encoding="utf-8") as f:
    code = f.read()

prompt = f"""你是一名资深安全工程师。请审查以下 C 代码，只报告你有把握的问题：

{code}

对每个问题请给出：
1. 漏洞类型（CWE 编号）
2. 触发路径（哪一行、什么输入）
3. 根因，而不是表象
4. 最小修复补丁
5. 如何验证修复有效

如果没发现确信的问题，直接说没有。不要为了凑数而报告。"""

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=prompt,
    config={"thinking_config": {"thinking_level": "high"}}
)

print(resp.text)

最后那句"不要为了凑数而报告"不是废话。AI 审计最大的坑就是它会为了满足你的期待而编漏洞。你越强调"不确定就说不确定"，输出的信噪比越高。

具体参数名以 ai.google.dev 的官方文档为准，模型迭代太快，半年前的代码示例现在可能已经跑不通了。

定价提醒：3.8 Flash 的入门价是输入 $0.75 / 百万 token、输出 $3.75 / 百万 token，有效期到 2026 年 12 月 31 日；2027 年 1 月 1 日起恢复标准价 $1.50 / $7.50。另外，Artificial Analysis 的实测指出，因为它在复杂任务上会输出更多 token、跑更多轮工具调用，每任务实际成本比 3.7 Flash 大约高 40%——标价没变，账单会变。做成本估算时记得按任务算，别按 token 算。

路径三：盯紧 Fairwind 的扩容节奏

谷歌说会逐步扩大 Fairwind 的伙伴范围，也会和开源社区合作。如果你想申请，方向是：把自己变成"维护着被广泛使用软件基础"的那一类人。听起来有点绕，翻译过来就是——去维护一个有真实下游的开源项目。

冷静一下：三个别上头的地方

第一，这些数字绝大部分是谷歌口径。 CyberGym 86.2%、内部 20 语言基准 >70%、Chrome 2.6 倍，全部来自官方或官方转述。真正有价值的第三方数据是 Wiz 那条和 CWE-Bench（Collinear 独立运营）那条，因为它们不是谷歌自己跑的。在独立红队复现结果出来之前，把排行榜当参考，别当结论。

第二，"分钟级补丁"目前主要验证在谷歌自家的地盘上。 Chrome、Android、Google Cloud——全是谷歌自己的代码、自己的环境、自己的测试基建。换到你公司那个没有测试覆盖、构建脚本靠口耳相传的仓库里，效果大概率要打折。补丁生成从来不是瓶颈，验证才是，而验证能力取决于你有没有像样的测试。

第三，能力分层会变成现实。 最好的修复工具只给 650 家机构，其余人用公开模型版本。这个安排站在安全角度可以理解（能修洞的能力和能造洞的能力本来就是同一种能力），但结果就是安全能力的不平等会被工具放大。谷歌的应对是钱：Google.org 的全球网络安全投入已超过 1 亿美元，其中 3600 万美元投向 35 个高校网络安全诊所，为超过 1250 个学区、市政公用事业和医院提供免费帮助。是实打实的好事，但和 Fairwind 那 650 家拿到的能力，不是一回事。

顺便说句立场：我对"AI 攻防军备竞赛"这类叙事一向有点警惕，因为它天然利好卖模型的人。但这次我倾向于认可 Fairwind 的准入逻辑——当一种能力既能修洞也能造洞时，按"机构可问责性"而不是"付费能力"来分配，是对的。

进阶

想继续往下挖，有几个方向：CodeMender 的技术论文（DeepMind 说会陆续发表）、CWE-Bench 实时排行榜（Collinear 维护）的独立复现结果、Fairwind 伙伴范围的后续扩容公告，以及 Gemini Enterprise Agent Platform 上 CodeMender 的接入与计费细节。

对 Gemini 3.8 Flash 通用版本本身感兴趣，可以看本站的《Gemini 3.8 Flash 模型介绍》；想了解这套模型背后的研究机构，推荐《认识 Google DeepMind》。

更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。