9 月 2 日，Google 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两个模型，并同步推出 Fairwind 计划。前者是面向长程编码与自主 Agent 的通用模型；后者是网络安全变体，通过 Fairwind 计划向通过审核的机构开放，供其内部安全团队使用。Google 明确表示，在 Flash Cyber 上「从第一天起就投入漏洞修复，并把它排在漏洞利用这类进攻能力之前」。Google 强调漏洞修复，OpenAI 前一天则着重披露 Astra「达到 Critical 网络安全能力阈值」。两家对能力的描述和开放条件，值得放在一起看。
网络安全训练，也改善了通用模型的编码与推理
Gemini 3.8 Flash 与 Flash Cyber 基于同一模型，主要区别是安全限制。前者随 3.8 一起面向所有开发者发布；后者针对网络安全任务放宽了部分使用限制，因此需要先通过机构审核，才能由内部安全团队使用。
两款模型的共同训练方式也值得关注。Google 称 3.8 Flash 的编码与推理提升，部分来自「在要求极高的网络安全领域进行严格训练」。网络攻防任务要求模型经过多个步骤，反复试错、验证假设和修正判断。按 Google 的解释，这些训练也帮助模型提升了通用编码和 Agent 能力。3.8 Flash 在 DeepSWE v1.1（长时程软件工程）上超过多数更大的前沿模型，在 HLE-Verified 上拿到 54.9%。Google 把这套机制概括为「3.8 Flash 更努力」：在复杂任务上多走几步推理、反复调用工具，代价是在高推理强度档位可能消耗更多 token。
这是六周内第三次 Flash 迭代。Google 这次特别说明了网络安全训练的作用：它的收益不仅体现在安全任务上，也体现在通用推理与编码测试中。
漏洞修复成绩接近领先模型，Google 强调修复优先
Flash Cyber 具备的漏洞发现能力，可以同时用于攻击和防御。在 CyberGym 这一漏洞发现基准上，它超过前代 3.5 Flash Cyber 以及更大的前沿模型；在 Google 内部一个覆盖 20 种编程语言的基准上，成功率超过 70%。在漏洞修复方面，Google 也给出了测试结果：在 CWE-Bench（由 Collinear 运行的第三方补丁基准）上，Flash Cyber 的单次尝试通过率（pass@1）为 47.2%，与领先前沿模型的 47.8% 几乎持平，成本却显著更低，处于这项测试中成本与效果的最优组合之列。
负责这次发布的 Tulsee Doshi（产品管理高级总监）与 Raluca Ada Popa（Google DeepMind Gemini 安全负责人）写道：「我们聚焦于给防御者提供对攻击者占优势的专业能力，这就是我们从一开始就投入漏洞修复、并把它排在利用之前的原因。」
对照 OpenAI 前一天发布的 Path to Astra，可以看出两家发布说明的侧重点。OpenAI 承认 Astra 是「我们首个定为 Critical 级别的模型」：在 ExploitBench 上拿到 100% 的漏洞利用开发分数，评估中「发现并使用了两个零日漏洞」作为利用链的一部分，并复现了从浏览器沙箱逃逸、执行主机命令，到在加固操作系统上本地提权至 root 的完整攻击链。OpenAI 表示，已因此延迟部分开发与发布、强化防护，并通过 Daybreak Blue 将最先进的能力用于防御。
两家都在限制高风险能力的使用。Google 把修复漏洞作为产品重点，OpenAI 则以攻击能力的等级说明为何需要提高发布门槛。
哪些机构能申请，获准后如何使用
Fairwind 规定了 Flash Cyber 的申请和使用方式。政府机构、企业等组织需要申请并通过审核，才能通过该计划使用模型。它将 Gemini 3.8 Flash Cyber 与 Google 的 CodeMender 工具结合，帮助安全团队在自己的云环境里自动查找、验证并修复漏洞。Google 称已有超过 650 家全球合作伙伴，包括 CrowdStrike、Palo Alto Networks、Snowflake、Wiz 等；参与方要遵守严格的运营标准——把访问限制在内部网络安全、事件响应或渗透测试团队，并启用多因素认证。
对准备采用这类模型的机构，除了漏洞发现能力，还需要比较开放时间、申请资格和使用条件。Google 的说法是给防御者一个「适应窗口」，在攻击者掌握新能力之前先加固系统。Anthropic 在同周发布 Fable 5.1/Mythos 5.1 时也采用了类似做法：Mythos 5.1 与 Fable 5.1 基于同一模型，但安全限制不同，Mythos 只通过 Cyber Verification Program 与 Life Sciences Verification Program 向经过审查的机构开放；Fable 5.1 则「可以用于发现软件漏洞，但不能为它们开发利用」，渗透测试、漏洞利用生成与二进制漏洞扫描仍需转用 Opus 系列模型。
基准成绩还不能说明实际部署效果
这些基准数字还不能直接说明模型在不同企业代码库中的表现。内部 20 语言基准的「超过 70%」没有公开任务集，CWE-Bench 的 47.2% 也需要结合 Collinear 的测试设置解读。此外，「修复优先」说明了产品重点，还不能据此判断模型能否被用于攻击——一个能在 CyberGym 上自主发现漏洞的模型，能否按防御目的使用，还取决于准入审核、使用限制和实际部署。
下一个可观察的节点很具体：Fairwind 是否会从 Google Cloud 客户与安全伙伴扩展到更广泛的开发者；Gemini 3.8 Flash Cyber 的基准数字能否被第三方复现；以及 Astra 正式发布时，OpenAI 会在 system card 里给出怎样的防护与能力边界。这些证据将帮助判断，Google 的修复优先目标能否在实际使用中兑现。
