이 글은 간체 중국어입니다. 한국어(으)로 번역하려면 클릭하세요.

Gemini 3.7 Flash 发布：性能翻倍、价格减半，开发者迎来智能体开发新范式

bingdada

8월 14, 2026119회 읽음약 7분 분량

post.quickAnswer

Gemini 3.7 Flash 是 Google DeepMind 最新发布的旗舰级"工作马"模型，专为编码和智能体任务设计。它在多项基准测试中性能大幅超越前代 3.6 Flash，且上市初期定价仅为前代一半，旨在以更低成本推动 AI 智能体的规模化应用。

post.keyTakeaways

Gemini 3.7 Flash 在编码、知识工作和网页开发等核心基准上性能全面超越 3.6 Flash，例如 FrontierCode 得分从 34.4% 提升至 43.6%。
模型在复杂文档处理和真实业务流程自动化方面表现卓越，GDP.pdf 和 AutomationBench 得分均实现显著增长。
Google 采取激进的定价策略，2026 年底前 API 调用价格仅为 3.6 Flash 原始定价的一半，大幅降低开发者门槛。
Gemini 3.7 Flash 已全面整合进 Google 生态，包括个人智能体 Gemini Spark 和企业级 Agent 平台。
该模型的发布预示着大模型竞争已从参数竞赛转向工程效率与成本控制的深水区，对国内 AI 厂商构成新的挑战与启示。

在 AI 大模型竞争日趋白热化的今天，Google DeepMind 团队再次展示了其在模型迭代速度上的惊人实力。距离上一代 Flash 系列模型发布仅三周，Google 便推出了 Gemini 3.7 Flash。这款被定位为"最智能的工作马模型"的新品，不仅在编码和智能体任务上实现了显著的性能飞跃，更以极具竞争力的价格策略，向开发者社区释放了强烈的信号：高性能 AI 不应是少数人的奢侈品。

性能跃升：不止是参数的胜利，更是工程创新的体现

从基准测试数据来看，Gemini 3.7 Flash 的进步是全方位且具有突破性的。在衡量代码生成能力的 FrontierCode 1.1 Main 基准上，它的得分从 3.6 Flash 的 34.4% 跃升至 43.6%；在反映真实软件工程问题解决能力的 DeepSWE v1.1 上，得分更是从 49.0% 大幅提升至 65.3%。这些数字背后，是模型在调试、问题解决以及生成生产级代码（即一次通过率）方面的实质性改进。

对于知识密集型行业，如金融、法律和生物科学，3.7 Flash 同样展现出了更强的推理能力。在用于测试复杂文档处理能力的 GDP.pdf 基准上，其得分从 22.0% 飙升至 34.0%。而在 AutomationBench 上，30.4% 对 17.0% 的成绩也表明，它在完成真实世界业务流程方面的能力有了质的飞跃。

值得注意的是，这些性能提升并非单纯依靠堆砌参数，而是 Google DeepMind 团队在算法层面持续创新的直接成果。正如团队在官方博客中所述，这是"开发者反馈和算法创新的直接结果"，这种快速反馈、快速迭代的工程模式，正是 Google DeepMind 保持技术领先的关键所在。

开发者体验：从"工具"到"协作者"的转变

Gemini 3.7 Flash 的改进不仅体现在冰冷的数字上，更体现在开发者的实际使用体验中。与 3.6 Flash 相比，新模型在面对复杂任务时表现出了更强的"主动性"。它能够更好地适应开发过程中遇到的障碍，在意图不明时主动澄清，并且对指令的遵循度更高。这意味着开发者可以减少大量的人工监督和重试次数，将精力更多地集中在创造性的架构设计上。

这种"更严谨的执行"模式，使得 Gemini 3.7 Flash 更像是一个能够理解项目上下文的协作者，而非一个简单的代码生成工具。在多步规划和工具调用方面，它表现得更为深思熟虑，这对于构建复杂的 AI 智能体（Agent）至关重要。

价格策略与生态整合：降低门槛，扩大应用

Gemini 3.7 Flash 最令人惊喜的亮点之一是其定价策略。在 2026 年底前，其输入和输出 token 的价格分别为每百万个 $0.75 和 $3.75，仅为 3.6 Flash 原始定价的一半。这一举措极大地降低了开发者和企业将 AI 能力规模化应用于生产环境的成本门槛。从性价比角度来看，这无疑是对开发者社区的一次强力吸引。

在生态整合方面，Google 将 Gemini 3.7 Flash 全面融入其产品矩阵。从今天起，面向 Google AI Pro 和 Ultra 订阅者提供的 24/7 个人智能体 Gemini Spark 将正式采用该模型，从而在文件整合、邮件起草和文档更新等知识工作场景中，实现更高的效率和准确性。此外，开发者可以通过 Google Antigravity 探索智能体优先的工作流，或在 Gemini API（通过 Google AI Studio 和 Android Studio）中直接调用。企业用户则可在 Gemini Enterprise Agent Platform 中访问该模型。

安全与责任：能力提升的基石

在追求性能极限的同时，Google DeepMind 并未忽视 AI 安全。Gemini 3.7 Flash 在发布时，针对化学、生物、放射性和核（CBRN）以及网络攻击等领域的滥用风险，更新了安全防护措施。这种在提升能力的同时同步加固安全边界的方式，体现了负责任 AI 发展的理念。

国内视角：竞争与启示

Google DeepMind 在模型迭代速度和定价策略上的激进做法，为国内 AI 大模型厂商提供了一面镜子。国内市场上，以百度文心一言、阿里通义千问、DeepSeek、字节跳动豆包、月之暗面 Kimi、智谱 GLM 等为代表的模型正在快速追赶。虽然国内模型在中文理解和部分垂直领域有着独特优势，但在通用编码能力、工具调用（Function Calling）的成熟度以及全球开发者生态的构建上，与 Gemini 系列相比仍存在一定差距。

此次 Gemini 3.7 Flash 的"性能提升+价格减半"组合拳，预示着大模型竞争已从单纯的参数竞赛转向了工程效率与成本控制的深水区。对于国内厂商而言，如何通过算法创新而非单纯依赖算力堆砌来提升模型效率，以及如何构建更友好的开发者生态，将是下一阶段竞争的关键。

未来展望

Gemini 3.7 Flash 的发布，是 Google DeepMind 在通往更强大、更实用 AI 道路上的重要一步。它证明了在强大的工程能力和明确的用户反馈驱动下，模型性能可以在极短的时间内实现巨大飞跃。随着 Gemini Spark 等应用场景的落地，我们正看到 AI 从"回答问题"向"主动执行任务"的角色转变。对于开发者和企业来说，现在无疑是探索 Agent 驱动应用的最佳时机。

更多关于 Gemini 3.7 Flash 的技术细节，可以参考 Google 官方开发文档。

常见问题

Gemini 3.7 Flash 与 3.6 Flash 相比，核心提升在哪里？

核心提升集中在编码、知识工作和网页开发三大领域。具体而言，它在代码生成准确率（如 FrontierCode 基准提升近 10 个百分点）、复杂文档理解（GDP.pdf 基准从 22% 提升至 34%）和真实业务流程自动化（AutomationBench 从 17% 提升至 30.4%）方面均有显著进步。