Google 在 8 月 13 日发布 Gemini 3.7 Flash，距 3.6 Flash 上线仅三周，并把首发价定在每百万输入 token 0.75 美元、输出 token 3.75 美元，即 3.6 Flash 发布时定价的一半。Google 称其为"编码与 Agent 领域迄今最智能的主力模型"，但官方 benchmark 表显示，它只在部分项目领先：生产代码质量、网页开发、文档理解与企业工作流自动化超过更贵的 Claude Sonnet 5 和 GPT-5.6 Terra，长程软件工程与终端 Agent 任务则仍落在 GPT-5.6 Terra 之后。
发布间隔仅三周，改进集中在编程和多步任务
3.7 Flash 的定位非常具体。官方博客把改进点集中在三类工作负载：软件工程、知识工作和网页开发。模型卡只写明它"基于 3.6 Flash"、对其"核心推理基础做了算法改进"，并支持可自定义的推理（thinking）配置以在质量、成本与延迟之间取舍，未披露参数规模或训练细节。上下文窗口为 1M token，输出上限 64K token，知识截止日期为 2026 年 3 月。
除测试分数外，还可以关注 Google 对"开发者体验"的描述：3.7 Flash "想得更认真"（thinks more diligently），在遇到障碍时更愿意调整、在必要时澄清意图，并在多步规划与工具调用上投入更多努力。Google 的预期是，更自律的执行能换来更少的人工接管和更少的重试。对在 Agent 循环里反复调用模型的开发者来说，这些改进会直接影响运行成本和人工介入频率：单次请求会展开成串的推理 token 与工具调用，一次错误的工具选择就可能让后续步骤失败。
编码和文档测试进步，长程工程任务仍落后于 Terra
Google 官方模型卡给出了 3.7 Flash、3.6 Flash 及三家竞品的对照表。下表摘取与编码和 Agent 最相关的几项，全部为 Google 自测数据：
| Benchmark | 3.7 Flash | 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra |
|---|---|---|---|---|
| FrontierCode 1.1 Main（生产代码质量） | 43.6% | 34.4% | 42.7% | 41.3% |
| DeepSWE v1.1（长程软件工程） | 65.3% | 48.6% | 53.8% | 69.6% |
| Code Arena（网页开发，Elo） | 1588 | 1538 | 1541 | 1523 |
| Terminal-bench 2.1（终端 Agent 编码） | 85.8% | 78.0% | 80.4% | 87.4% |
| Terminal-bench 3.0（通用 Agent 能力） | 14.9% | 5.4% | 14.6% | 20.8% |
| AutomationBench（企业工作流自动化） | 30.4% | 17.0% | 10.7% | 23.6% |
| GDP.pdf（复杂 PDF 理解） | 34.0% | 22.0% | 28.0% | 24.7% |
| OSWorld-2.0（Agent 计算机使用） | 47.9% | 33.8% | — | 50.2% |
这张表需要分别看前代进步和竞品比较。一条是相对前代的大幅跳升：FrontierCode 从 34.4% 到 43.6%，AutomationBench 从 17.0% 提升到 30.4%，GDP.pdf 从 22.0% 到 34.0%。另一条是相对竞品的落差：DeepSWE 65.3% 仍低于 GPT-5.6 Terra 的 69.6%，Terminal-bench 2.1 与 3.0 分别落后约 1.6 与 5.9 个百分点，OSWorld-2.0 也落后 Terra。Google 自己的对照表没有宣称 3.7 Flash 全面替代更高价竞品，而是把结论收敛为：在编码和 Agent 工作负载上显著更有竞争力，同时处在更低的价格档位。
在综合智力层面，Google 模型卡给出的 Artificial Analysis 综合智能指数为 56，高于 3.6 Flash 的 52，与 Claude Sonnet 5（55）相当，低于 GPT-5.6 Terra 与 Muse Spark 1.2（均为 57）。VentureBeat 补充，Artificial Analysis 对 Claude Opus 5 的该指数为 63——3.7 Flash 相比前代提高了分数，但尚未领先这一指数。
首发优惠持续至年底，明年恢复标准价
0.75/3.75 美元的定价附带了时间条件：这是截至 2026 年 12 月 31 日的首发价，2027 年 1 月 1 日起恢复到每百万输入 token 1.50 美元、输出 7.50 美元，上下文缓存也从首发的 0.075 美元升到 0.15 美元。换句话说，3.7 Flash 的首发价是 3.6 Flash 原发布价（1.50/7.50 美元）的一半；优惠结束后，3.7 Flash 将回到这一标准价。
与竞品相比，Google 模型卡列出的 Claude Sonnet 5 为 2/10 美元，GPT-5.6 Terra 为 2/12 美元，Muse Spark 1.2 为 1.25/4.25 美元。Ars Technica 则提到 OpenAI 已下调 GPT-5.6 系列价格，其中对标 Flash 档的 Luna 版为 0.20/1.20 美元，仍比 3.7 Flash 首发价更低。选型时还需要计算"每完成一个任务的成本"：如果 3.7 Flash 的首次通过率提升和重试减少在生产环境中成立，还可能进一步降低高吞吐编码与文档处理 Agent 的运行成本；反之，限时优惠到期后，成本优势也需要重新评估。
Gemini Spark 同步换用新模型，旗舰 Pro 仍未发布
这轮迭代还直接落到消费级 Agent 产品上。Google 在 5 月 I/O 发布的 24/7 个人 Agent Gemini Spark，从发布当天起改用 3.7 Flash，面向 Google AI Pro 与 Ultra 订阅用户（覆盖 160 多个国家和地区，不含 EEA、尼日利亚、瑞士与英国）。官方称升级改善了 Spark 在 Google Workspace 工具调用上的准确率，覆盖整合文件、起草邮件、更新状态文档等多技能工作流。
Flash 的快速迭代，也发生在旗舰模型发布延迟的背景下。Google 的旗舰 3.5 Pro 至今未发布：Reuters 7 月报道其因编码等内部目标未达标而推迟，Google 在 8 月 13 日的发布中仍未给出时间表。同期 Google AI 领导层完成了一轮重组——Demis Hassabis 转任 Alphabet 首席科学家，Koray Kavukcuoglu 以高级副总裁身份接管 Gemini 的整体业务，Jeff Dean、Oriol Vinyals、Quoc Le、Sanjay Ghemawat 等人离开创办研究初创 Discovery Loop。在这一背景下，Flash 系列是 Google 目前能够快速推向市场的模型线：三周一次迭代、减半首发价，有助于保持 Google 在编码与 Agent 市场的竞争力；它能否缩小旗舰模型的差距，则仍需观察。
官方成绩仍待复现，每项任务的实际成本需要实测
上述对照表来自 Google 自测，仍需用独立测试核对；Arena 的早期人类偏好结果暂列 3.7 Flash 总榜第九、网页开发第八，样本仍在积累。"三周迭代"说明的是发布节奏，不等于技术增量——模型卡只确认 3.7 Flash"基于 3.6 Flash"，未公开所谓算法创新的具体内容，外人也无法从外部独立验证。
安全侧，模型卡给出的是相对保守的结论：按 2026 年 4 月版 Frontier Safety Framework 评估，3.7 Flash 未达到任何 tracked 或 critical 能力级别；网络安全域"达到警示阈值但未达到能力级别"，CBRN 域同样未达阈值。模型随发布更新了针对 CBRN 与网络攻击的滥用防护。这些判断同样来自 Google 自身的评估流程，且 Frontier Safety Framework 报告尚未发布。
对选型者来说，3.7 Flash 留下的可检验问题是：限时价格到期后，其"每任务成本"是否仍能维持对 Claude Sonnet 5 和 GPT-5.6 Terra 的优势；以及首次通过率和重试减少在客户自有代码库、提示词和工具接口定义上是否同样成立。这两个问题只能由开发者在自己的工作负载上测出来，而不是从 Google 的发布表格里读出来。
