Google Gemini 3.7 Flash 发布

Gemini 3.7 Flash 于2026年8月13日发布，距离 Gemini 3.6 Flash 在 Android、iOS、网页和 macOS 的模型选择器中取代前代仅三周时间 ^[1]。这一节奏看起来不像是常规迭代，更像是一种补偿措施：据报道，谷歌旗舰产品 Gemini 3.5 Pro 因编码性能持续未达内部预期，已至少错过四次内部截止日期 ^[3]，谷歌为此专门重组了 DeepMind 工程团队以整合其 AI 编码工作 ^[2]。彭博社报道称，Pro 版本的延迟使投资者对谷歌在 AI 编码等商业重要领域的路线图产生质疑，而 Flash 系列则快速迭代以填补空白 ^[3]。这一时机恰逢 DeepMind 领导层变动，提拔 Koray Kavukcuoglu，Constellation Research 首席分析师 Ray Wang 将此解读为向执行力倾斜的信号：“Kavukcuoglu 的晋升表明公司更加重视执行，这可能转化为更快的产品发布、更多实验性探索以及更聚焦的产品路线图。”^[4]一份 AI 新闻汇总将此次发布与 DeepMind 更广泛的领导层重组报道并列——Demis Hassabis 退居幕后，Sergey Brin 承担更直接的角色——但该说法源自视频本身的背景报道，而非独立验证；同一篇汇总提到，一位名为 Logan 的谷歌产品负责人在 X 上回应发布节奏问题时称：“我们不是在做饭，我们正在烹饪一些很棒的新模型。”独立追踪者也持相同看法：Artificial Analysis 将 Gemini 3.7 Flash 标记为谷歌三个月内的第三款新 Flash 模型，认为其达到了“智能 vs. 单任务耗时”的帕累托前沿，并将其高努力变体在 Artificial Analysis 智能指数中评为56分。三个月内三次 Flash 发布，对比一款仍未面世的旗舰产品，谷歌正用 Flash 而非 Pro 来回答“你们还能快速发布吗？”这一问题。

谷歌自身发布的基准数据显示，相比三周前的前代产品有显著提升：DeepSWE v1.1 从49.0%跃升至65.3%，FrontierCode 1.1 Main 从34.4%升至43.6% ^[5]。在 WebDev Arena 上，Gemini 3.7 Flash 得分为1588，高于 3.6 Flash 的1538，也领先于 Claude Sonnet 5 在 Code Arena 的1541分 ^[6]。在真实商业工作流基准 AutomationBench 上，Gemini 3.7 Flash 得分为30.4%，远超 3.6 Flash 的17.0% 和 Claude Sonnet 5 的10.7%——这是谷歌成本效益主张最强有力的证据 ^[7]。但“媲美 Sonnet 5 级别性能”的表述掩盖了实际对战的接近程度：在一项对比跟踪的19项基准中，Gemini 3.7 Flash 赢得9项，GPT-5.6 Terra 赢得6项，Claude Sonnet 5 明确赢得2项——包括 Agent's Last Exam 这一多模态桌面/操作系统任务测试，Sonnet 5 仍以33.3%领先于 Gemini 的26.3% ^[7]。换句话说，Gemini 3.7 Flash 在编码和商业自动化任务上确实占优，但 Claude Sonnet 5 仍在某些需要端到端操作桌面环境的代理推理任务上保持领先——这一细微差别被发布信息所忽略。

Gemini 3.7 Flash 以每百万输入token 0.75美元、每百万输出token 3.75美元的价格发布，该 introductory 价格将持续至2026年12月31日，之后在2027年翻倍至每百万token 1.50美元/7.50美元 ^[8]。这相当于对 Gemini 3.6 Flash 的定价直接削减50%，意味着谷歌正在打压自己仅三周前发布的产品 ^[9]。此举在整个编码模型市场施加了每token成本压力，不仅针对 Anthropic 和 OpenAI 的高端定价，也冲击了运行较小模型处理代理工作负载的价值主张 ^[9]。有关此次发布的报道也将其视为对 Claude 的直接挑战：谷歌声称该模型在多个商业自动化工作流上优于后者，同时价格更低 ^[10]。这是一种少数纯 AI 实验室难以复制的定价策略，因为谷歌可以利用其广告和搜索收入交叉补贴推理成本，而 OpenAI 和 Anthropic 无法做到这一点。

谷歌指出的核心变化是行为层面的，而不仅仅是架构层面：相比前代，该模型“思考更勤勉，在多步规划和工具调用上投入更多努力” ^[1]。Gemini 3.7 Flash 具备100万token输入上下文窗口、64k输出token、支持文本、图像、视频、音频和 PDF 的多模态输入，以及函数调用、搜索集成和计算机使用等工具调用能力，谷歌将其定位为“最适合大规模处理复杂代理任务” ^[11]。这种代理化推进体现在产品各处：谷歌还随模型推出了 Sheets 画布功能，将电子表格的行列转变为交互式仪表板和追踪器，而非静态表格 ^[12]。谷歌自己的发布演示也体现了这一点：在一个案例中，Google Antigravity 内的一个提示生成了一个计划，随后创建了一款完全可玩的、基于精灵的90年代风格游戏，美术资源由 Nano Banana Pro 生成；一次实时“混音”操作显示，仅修改原始提示中的几个词，就能重新生成另一款设计一致但主题不同的游戏，例如切换为披萨配送主题，同时保留相同的视觉语言。另一个官方演示进一步展示了上述计算机使用能力 ^[11]：运行一个完全自主的“/goal”循环，模型通过 Chrome MCP 集成审计一个实时网站，识别 Lighthouse 评分差距，然后在无人干预的情况下迭代——修复问题并重新审计——直到在所有四项指标上均达到完美的 Lighthouse 100 分。动手开发者在 X 上亲身体验后描述了类似经历，报告称几分钟内即可交付可玩的一次性游戏构建——这真实验证了发布演示中展示的同一套设计一致、工具驱动的工作流程。该模型在发布后一天即进入搜索的 AI 模式，作为全球 Google AI Pro 和 Ultra 订阅用户的可选选项（仅限英文），搜索副总裁 Robby Stein 描述其“更擅长遵循指令并理解你的意图，因此你能获得更有帮助的回复”^[13]。它也成为 Gemini Spark 的引擎，即谷歌现已在160多个国家推出的 AI Pro/Ultra 订阅层级，专门用于提升 Google Workspace 应用内的工具使用体验 ^[14]。综合来看，上下文长度、计算机使用工具和 Workspace 集成指向谷歌真正的赌注：一个能够规划多步任务、调用正确工具并无人值守执行的代理，而不仅仅是一个能良好回答单个提示的聊天机器人。