Gemini 3.7 Flash火速上线，谷歌被迫参与“价格战”

36氪的朋友们·2026年08月14日 08:17

留在牌桌上。

Gemini 3.6 Flash发布仅仅三周后，谷歌再次火速更新。

美国当地时间8月13日，谷歌推出Gemini 3.7 Flash。本次升级重点放在编程、智能体应用、Web开发以及复杂知识工作上。谷歌官方甚至直接将其定义为“迄今为止用于编码和智能体领域最智能的Flash级主力模型”。

除了模型能力的优化，谷歌也被迫启动“价格杠杆”，通过突出性价比的方式，来为模型吸引客户——2026年底之前，Gemini 3.7 Flash的API入门价格直接减半，下调至每百万Token输入0.75美元、输出3.75美元。

谷歌希望通过这种高频迭代与低价策略，让模型在复杂的多步骤任务中减少失败重试与人工干预，从而帮助开发者在真实业务场景中大幅降低部署成本。

01 编程、智能体与多模型协同

Gemini 3.7 Flash在基础规格上保持了多模态输入的优势，支持文本、图像、音频和视频输入，上下文窗口维持在100万Token，输出上限则提升至64K Token。

模型同时引入了可调整的思考配置，允许用户在不同任务中灵活权衡输出质量、推理成本和响应速度。

这次升级最核心的改变在于模型处理实际工程任务的方式。

谷歌表示，Gemini 3.7 Flash在遇到障碍时表现出了更强的自适应能力，能够主动向用户澄清意图，并更加严谨地执行具体指令。同时，通过在多步骤规划和工具调用中投入更多计算资源，降低工程工作流中的死循环重试和人工监督需求。

在实际的代码调试和复杂问题解决任务中，Gemini 3.7 Flash的生成质量比前代有了实质性飞跃，尤其是在处理长程软件工程和生产级代码时，首次通过准确率明显提升。

在Web开发领域，新模型不仅可以用更少的提示词生成功能完善的页面和复杂应用，还能精准地根据设计系统、参考图像甚至简单的界面截图，高度还原符合设计的UI界面。

对于复杂的文档理解与企业自动化工作流，新模型的推理准确性同样实现了大幅跃升。为了证明新模型的实际落地能力，谷歌在发布现场展示了多个覆盖不同领域的实际案例：

第一个案例是从简单文本生成3D游戏。开发者只需输入一段简单的文本提示，Gemini 3.7 Flash就能即时构建出可玩的3D游戏框架，并与Nano Banana模型协同，实时动态生成游戏中的角色、道具和表面纹理。

第二个案例是单次生成交互式落地页。Gemini 3.7 Flash可以作为主控模型来协调多个子智能体，同时调用Gemini Omni创建具有视差效果的动态交互组件，直接输出可运行的网页。

第三个案例是辅助机器人训练。在包含三个智能体的图循环中，Gemini 3.7 Flash利用其多模态理解能力帮助机器人进行环境感知与决策，从而显著加快机器人的学习与训练速度。

第四个案例是静态PDF动态化。模型能够直接读取一份复杂的静态年报PDF，将其自动解析并转换成包含实时图表、可交互数据和核心洞察总结的动态网页。

软件开发者@OmedVibeCodes表示，新模型在长达9分钟的测试中展现出了极高的细节捕捉能力，进步远超过去的版本。

安全研究员弗洛里安·罗特（Florian Roth）使用THOR基准测试了模型在安全事件分诊中的表现，在189个真实世界的安全发现中，Gemini 3.7 Flash实现了100%的威胁捕获率和0%的关键遗漏。更重要的是，它极大地减少了假阳性误报，避免了分析师被无效审查淹没，成为其测试过的最佳安全分诊模型。

02 跑分进阶，但未形成全面优势

从行业基准测试的整体结果来看，Gemini 3.7 Flash的提升较为集中，但并未实现对所有竞争对手的全面碾压。

在生产代码质量（FrontierCode 1.1 Main）测试中，Gemini 3.7 Flash以43.6%的得分，击败了Claude Sonnet 5（42.7%）和GPT-5.6 Terra（41.3%）。

在第三方机构Artificial Analysis的AA-AnalystAgent复杂文档与表格分析测试中，Gemini 3.7 Flash更是取得了60%的最高pass^5成绩，领先于Claude Opus 5（54%）。

同时，它在AutomationBench-AA测试中达到62.7%，也领跑于Kimi K3（53%）和GPT-5.6 Sol（51.2%）。

不过，在部分极端环境中，竞品依然维持着领先优势。

比如在Artificial Analysis的长程软件工程DeepSWE v1.1中，Gemini 3.7 Flash的65.3%低于GPT-5.6 Terra的69.6%；在Terminal-bench 2.1终端编码测试中，它以85.8%稍逊于GPT-5.6 Terra的87.4%。而在Agent's Last Exam多模态桌面测试中，Claude Sonnet 5则以33.3%的通过率领先于Gemini 3.7 Flash的26.3%。

Artificial Analysis的综合测评数据显示，Gemini 3.7 Flash在高推理模式下的智能指数达到56分，比前代高出4分，与GPT-5.6 Terra（57分）极度接近。同时，其输出速度高达每秒340个Token，平均任务耗时仅1.7分钟，比GPT-5.6 Terra快了近40%。这种高速推理能力使其成功跻身“智能与完成时间”的帕累托最优前沿。

在专为网页开发、数学推理和多轮对话设立的Arena评测中，Gemini 3.7 Flash的排名同样实现了跨越式上升。

但LuminaBench等外部观察者也指出，Gemini 3.7 Flash的表现“令人失望”。他们认为，相较于3.6 Flash确有进步，但整体缺乏亮点，在多项基准测试中仍落后于Terra。谷歌急需Gemini 4拿出更有说服力的表现，当前这一版本显然不足以扭转局面。

整体来看，新模型的定位清晰：编程、网页开发、文档理解和常规智能体任务表现亮眼，但在部分高度复杂的终端环境模拟中仍存短板。

03 谷歌被迫启动“价格杠杆”

除了能力提升，价格策略是本次发布的另一个战略焦点。

在2026年12月31日之前，谷歌为开发者提供了极为优惠的促销价格：每百万输入Token仅收0.75美元，每百万输出Token仅收3.75美元。这相当于在Gemini 3.6 Flash原有标准价格的基础上直接打了五折。

到了2027年1月1日，价格将恢复至每百万输入Token 1.50美元、输出7.50美元。这意味着谷歌给市场留出了为期数月的低价窗口期。

对于开发自主智能体而言，Token的单价仅仅是综合成本的一部分。一个真实业务中的智能体任务，往往需要经历多次模型调用、工具执行与错误重试。如果模型单价便宜但频繁出错，导致程序陷入循环重试或需要人工介入，最终的运营总成本反而会更高。

谷歌本次重点强调更高的首次执行成功率和更严谨的指令遵循，正是为了直击这一痛点。

Artificial Analysis的成本测算显示，在目前的折扣价格下，Gemini 3.7 Flash在高推理模式下的单任务平均成本约0.40美元，中等推理模式下则进一步降至0.26美元。

谷歌试图证明，通过提高模型在真实代码库和业务流程中的可靠性，能够在很大程度上帮助企业真正切中降本增效的要害。

开发者@VaibhavSisinty评价称，Gemini 3.7 Flash便宜到“建一个完整网站的成本还不到一杯茶的价格”。每百万输入Token仅0.75美元，已低于目前所有中国模型。在他看来，AI价格战不是即将到来，而是已经身在其中。

发布之后，Gemini 3.7 Flash已快速接入谷歌的全线产品和开发平台。

开发者目前已经可以通过Gemini API、等渠道直接调用该模型。企业客户则可以通过Gemini Enterprise Agent Platform和Gemini Enterprise平台进行业务部署。在个人用户侧，Google AI Pro和Ultra的订阅者可以在个人AI智能体Spark中直接体验3.7 Flash。