2026年8月13日，Google发布Gemini 3.7 Flash，距离3.6 Flash上线仅过去三周。新模型并非追求所有基准第一，而是强化软件工程、网页开发、复杂文档理解和企业自动化等高频Agent任务：DeepSWE v1.1从48.6%提高至65.3%，AutomationBench从17.0%升至30.4%，Terminal-Bench 2.1达到85.8%。它支持文本、图片、音频和视频输入，拥有100万Token上下文及最高64K输出，并开始成为Google全天候个人Agent Gemini Spark的底层模型。更有冲击力的是价格：2026年底前，每百万输入和输出Token分别为0.75美元与3.75美元。但这只是限时价格，2027年1月起将翻倍。Gemini 3.7 Flash真正展示的不是一次“旗舰模型换代”，而是Google正在把模型更新压缩成软件版本式的快速迭代，并用接近前沿模型的能力与更低单任务成本争夺Agent的规模化部署。
文章作者、来源：Google DeepMind
三周一次更新，Google把模型当成软件迭代
Gemini 3.7 Flash距离3.6 Flash发布只有三周。如此短的间隔说明，它更像一次算法、后训练和Agent执行能力的快速升级，而不是重新完成一轮大规模基础预训练。
Google在模型卡中明确表示，3.7 Flash建立在3.6 Flash之上，改进重点是核心推理基础、编程、工具调用和多步骤执行。训练数据、底层架构及硬件信息则主要沿用3.6 Flash的披露，没有公布新的参数规模、训练Token数量或训练成本。
这代表前沿模型正在出现两种不同的发布节奏：旗舰模型仍需要长时间训练和安全测试；面向实际工作负载的Flash级模型，则开始像浏览器或开发工具一样连续升级。开发者不必等待半年或一年，模型公司可以根据生产反馈，在几周内修正工具错误、提示遵循、规划方式和输出效率。
频繁迭代也带来新的问题。企业如果把Agent建立在某一模型的具体行为上，每隔几周更换版本可能导致提示词、评测阈值和工具调用方式反复调整。因此，“升级更快”只有在兼容性和可预测性得到保证时，才能真正降低部署成本。
编程提升明显，但没有全面超过前沿对手
Gemini 3.7 Flash最突出的进步出现在软件工程。
在FrontierCode 1.1 Main上，3.7 Flash得分为43.6%，高于3.6 Flash的34.4%，也略高于Google列出的Claude Sonnet 5和GPT-5.6 Terra结果。在DeepSWE v1.1长周期软件工程测试中，它从48.6%提高至65.3%，但仍低于GPT-5.6 Terra的69.6%。
Terminal-Bench 2.1要求模型在终端环境中规划、运行命令、读取反馈并持续修正。3.7 Flash取得85.8%，明显高于3.6 Flash的78.0%、Sonnet 5的80.4%和Muse Spark 1.2的82.9%，但仍略低于GPT-5.6 Terra的87.4%。
换到难度更高的Terminal-Bench 3.0，3.7 Flash只有14.9%，虽然接近Sonnet 5的14.6%，并大幅超过3.6 Flash的5.4%，但与Terra的20.8%仍有明显差距。这说明模型在现有Agent脚手架和相对成熟的终端任务上已经很强，面对更开放、更不稳定的长流程工作时，可靠性仍远未达到“交给它就不用管”的程度。
Google表示，3.7 Flash在遇到障碍时更愿意调整方案，需要时也会向用户澄清意图；它会在多步骤规划和工具调用上投入更多推理，而不是过早生成答案。这可能减少人工干预和重试，但也意味着实际Token消耗不一定只由标价决定。模型思考得更久，单次任务仍可能生成更多输出Token。
Agent竞争真正要看的，是任务能否做完
企业Agent并不是一次问答，而是一条包含文档、应用、权限和多个工具的工作流。一个模型即使知识测试成绩很高，只要在中途选择错误工具、填写错误参数或无法根据报错恢复，整个任务仍然会失败。
在AutomationBench企业自动化测试中，Gemini 3.7 Flash从3.6 Flash的17.0%提高至30.4%。Google列出的Sonnet 5为10.7%，GPT-5.6 Terra为23.6%。这也是本次发布最值得注意的数据之一，因为它衡量的是模型在真实商业软件环境中完成完整流程的能力，而不只是生成一段看起来合理的说明。
不过，30.4%也意味着多数测试任务仍未成功完成。即便这一分数已经领先对照模型，也不能把它解释为企业可以无监督地把大部分关键工作交给Agent。
在OSWorld 2.0计算机操作评测中，3.7 Flash从33.8%提高至47.9%，仍略低于Terra的50.2%；在Agent’s Last Exam桌面与操作系统任务中，它取得26.3%，低于Sonnet 5的33.3%和Terra的28.0%。
这些结果共同说明，Agent能力提升很快，但“会调用工具”和“能够稳定完成工作”仍有距离。当前更合理的应用方式，是让模型承担可恢复、可验证的流程，并在人机权限交界处保留确认步骤。
它也在争夺网页开发和复杂文档
在WebDev Arena上，Gemini 3.7 Flash的Elo分数从1538提高至1588，高于Google列出的Sonnet 5、Terra和Muse Spark 1.2。Google称，新模型可以用更少提示生成更完整的网页功能，也更能遵循截图、参考图片或设计系统。
官方展示包括从一段提示生成可玩的3D游戏、调度子Agent并调用Gemini Omni制作交互式视差页面，以及把企业年报从静态PDF转换为带有图表和聚合分析的交互式数据故事。
复杂文档也是Flash希望进入企业工作流的关键入口。在GDP.pdf测试中，3.7 Flash从22.0%提高至34.0%，高于Google列出的Sonnet 5、Terra和Muse Spark 1.2。在法律工作流Harvey LAB-AA中，它取得90.7%，略高于Sonnet 5的90.1%。
但在更综合的知识工作GDPVal-AA v2上，它只有1525 Elo，低于Sonnet 5、Terra和Muse Spark 1.2。也就是说，它在部分结构明确的文档与法律任务上很强，却没有成为所有专业工作的统一最佳选择。
100万上下文，不等于100万Token都能同样准确
Gemini 3.7 Flash原生支持文本、图片、音频和视频输入，最大上下文为100万Token，输出上限为64K。这个规格允许Agent一次读取大型代码库、长视频、多份财报或大量工作文件。
长上下文评测显示，在128K的GDM-MRCR v2八针检索测试中，3.7 Flash达到97.0%，高于3.6 Flash的91.8%、Sonnet 5的81.5%和Terra的93.5%。长视频理解LVBench得分为85.4%，同样领先Google列出的对照模型。
不过，模型卡没有证明它在接近完整100万Token时，对所有类型信息都能维持相同准确率。上下文越长，推理成本、首Token延迟以及关键信息被噪声淹没的风险都会增加。100万Token首先是一项容量指标，并不等于企业可以把所有文件无差别塞进去而不做检索、分块和上下文管理。
“价格砍半”有一个容易忽略的期限
2026年12月31日前，Gemini 3.7 Flash的价格为每百万输入Token 0.75美元、每百万输出Token 3.75美元。Google把它描述为相较3.6 Flash原始价格降低50%。
但这并不是永久价格。2027年1月1日起，价格将调整为每百万输入Token 1.50美元、每百万输出Token7.50美元。Google也同步为3.6 Flash提供相同的年内优惠，因此现阶段3.7与3.6的标准API单价相同。
这项价格策略带有明显的市场扩张意味：Google先给开发者几个月的低成本窗口，让团队迁移Agent、建立评测并扩大调用量；当模型进入稳定生产后，再恢复更高费率。
因此，企业不能只用当前标价计算长期预算。如果一个Agent需要大量推理、网页检索和工具调用，2027年后的输出成本将直接翻倍。更合理的评估方式，是计算一次任务的总Token、成功率、重试次数和人工复核成本，而不是只比较每百万Token的广告价格。
从横向看，3.7 Flash的年内价格明显低于Google模型卡所列的Sonnet 5、GPT-5.6 Terra和Muse Spark 1.2。Artificial Analysis Intelligence Index给它56分，接近Terra与Muse Spark的57分，并高于Sonnet 5的55分。它真正的竞争力正是这种组合：能力不一定处处第一，但单位价格已经进入可以大规模运行Agent的区间。
Gemini Spark成为Google的Agent分发入口
Gemini 3.7 Flash从发布当天起接入Gemini Spark。Spark是Google在I/O推出的全天候个人Agent，可以在用户指引下持续执行任务，目前向160多个国家和地区的Google AI Pro与Ultra订阅者提供。
换用3.7 Flash后，Spark将更深入使用Google Workspace工具，处理文件归集、邮件草拟和状态文档更新等工作。Google同时把模型开放到Gemini API、Google AI Studio、Vertex AI、Android Studio、Antigravity以及企业Agent平台。
这让3.7 Flash不仅是API目录里的一个新型号，也成为Google把Gemini能力分发进办公套件、开发环境和个人Agent的基础层。Google最大的优势不只是拥有模型，而是已经拥有邮箱、文档、云盘、浏览器、手机和企业云平台等Agent能够执行工作的入口。
更便宜、更能行动，也意味着需要更强的边界
模型卡显示，Gemini 3.7 Flash在网络安全能力上触及Google内部“关键能力级别”的预警线，但没有达到该级别；在化学、生物、放射与核风险方面，也没有跨过正式阈值。Google为此更新了网络攻击与CBRN领域的保护措施。
模型还表现出一定的情境识别能力，能够判断自己可能处于测试环境，但Google称其无法成功绕过测试限制。在机器学习研发方面，它可以完成单个编程任务，却仍缺乏在无人干预下把这些任务串成完整研究流程的独立性。
模型卡同时承认，3.7 Flash仍会产生幻觉，偶尔可能出现响应缓慢或超时。其知识截止日期也并不完全统一：主要为2026年3月，但部分领域可能仍只覆盖至2025年1月。这些细节意味着，即便它被称为“全天候Agent”的发动机，涉及法律、金融、医疗或不可逆操作时，仍需要检索、验证和权限审批。
Gemini 3.7 Flash释放出的行业信号非常明确：模型竞争正在从一年几次的大型发布会，转向高频版本更新；从追逐单项最高分，转向单位成本下能够完成多少真实工作。
Google没有用3.7 Flash证明自己在所有能力上击败了OpenAI、Anthropic和Meta。它展示的是另一种更接近云计算的竞争方式——快速迭代、限时降价、嵌入现有生态，然后让模型成为海量Agent工作流的默认计算层。