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"，但它自己公布的 benchmark 表呈现的是选择性领先：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。
三周迭代：一次指向编码与 Agent 的定向升级
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 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。
比 benchmark 更值得注意的，是 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，这一步的边际价值往往高于单项分数：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能拖垮整条工作流。
逐项对照：领先与落后并存
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% |
这张表里有两条相反的信号。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 是向前追赶，但没有回到榜首。
价格口径：减半是限时优惠，不是永久降价
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 现行标准价（1.50/7.50 美元）的一半，而这两个 Flash 模型目前共享同一价格点。
把这个价格放进竞品坐标才看得出意图：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。真正的成本账不在单价，而在"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，它对高吞吐编码与文档处理 Agent 的降本会超过单纯 token 单价的差距；反之，限时优惠到期后，这一优势会被重新定价。
与 Gemini Spark 绑定，以及 Pro 缺席的背景
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。
把 3.7 Flash 放到更长的公司时间线上看，它的角色更清楚。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 全链路，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，指向的是用"够用且便宜"的模型守住编码与 Agent 生产份额，而非追回旗舰级的绝对领先。
边界与待验证项
上述 benchmark 全部来自 Google 自测，尚无独立第三方复现；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 schema 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。