Gemini 3.7 Flash发布：编程基准分数大幅跃升

dev.to · AI#Gemini#Google#编程基准

Editor brief · 编辑速览

Gemini 3.7 Flash在软件工程基准上显著提升，FrontierCode 1.1从34.4%升至43.6%，DeepSWE从49.0%升至65.3%；主打更智能的调试和UI生成能力。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

Google DeepMind 发布了 Gemini 3.7 Flash，这是其轻量级 AI 模型系列的最新进展。这新一代产品定位为更智能、更具成本效益的解决方案，面向专注于构建 Coding 助手和自主 Agent 的开发者和企业。此次发布与 Gemini 3.6 Flash 间隔很短，彰显了 Google 借助用户反馈和持续算法改进加快迭代周期的决心。这一进展表明，Advanced AI 能力正在变得更加触手可及，满足了市场对更智能、更便宜的 Gemini Flash 解决方案的需求。

关键领域的能力提升

Gemini 3.7 Flash 在多个关键领域带来了显著改进，尤其是在软件工程和 Web 开发方面。在编程方面，模型在调试和问题排查上展现出更强的能力，首轮代码正确率更高。Google 公布了在行业基准测试中的重大提升：

FrontierCode 1.1 Main：43.6% 正确率（相比 3.6 Flash 的 34.4% 有所提升）
DeepSWE v1.1：65.3% 正确率（相比 3.6 Flash 的 49.0% 有所提升）

在 Web 开发方面，Gemini 3.7 Flash 承诺以更少的提示词完成更多功能性的 UI 生成和功能实现。其遵循设计输入的能力——无论是截图还是成熟的设计系统——都实现了质的飞跃。模型在 WebDev Arena 中的表现也有提升，Elo 得分达到 1588，而前代产品为 1538。

除了编程和 Web 开发，Gemini 3.7 Flash 在金融、法律和生物科学等知识密集型领域也展现出更强的推理能力和准确性。在 GDP.pdf 基准测试中，它显著超越了 Gemini 3.6 Flash，得分 34.0% 对比 22.0%，展现出更强的复杂文档处理能力。此外，AutomationBench 上的得分也从 17.0% 升至 30.4%，表明其在真实业务工作流执行方面有所改进。

更流畅的开发体验与成本效益

Google 强调 Gemini 3.7 Flash 带来了大幅提升的开发体验。模型经过工程化优化，能更有效地应对挑战，在必要时澄清意图，并更精确地遵循指令。这种在多步骤规划和工具执行方面增强的严谨性，有望减少开发者手动监督和重试的需求。

至关重要的是，Google 推出的 Gemini 3.7 Flash 定价为 Gemini 3.6 Flash 的一半。新价格为每百万输入 Token 0.75 美元，每百万输出 Token 3.75 美元。此优惠定价有效期至 2026 年底，之后将在 2027 年调整为每百万 Token 分别收取 1.50 美元和 7.50 美元。这一定价策略旨在让生产就绪的 Agent 开发对更广泛的企业而言更加易得和可扩展。

为 Gemini Spark 及未来 AI Agent 提供动力

Gemini 3.7 Flash 将作为 Gemini Spark 的引擎，Gemini Spark 是面向 Google AI Pro 和 Ultra 订阅用户的个人 AI Agent。此次整合预计将使 Spark 在知识工作方面更加高效，并在 Google Workspace 应用中实现增强的工具利用。预期成果包括多技能任务（如整合文件、起草电子邮件、更新状态文档）获得更高的准确性和更优的输出质量。

安全承诺与市场策略

Google 还重申了其对安全的承诺，宣布 Gemini 3.7 Flash 包含针对 CBRN（化学、生物、放射性及核武器）和网络攻击领域滥用的更新防护措施。这与公司在生物韧性和网络安全方面的持续举措相一致。

Gemini 3.7 Flash 背后的快速迭代和激进定价策略，凸显了 Google 旨在抢占蓬勃发展的 AI Agent 市场更大份额的野心。通过以更低的价格提供更强大的模型，Google 直接瞄准了希望构建复杂 AI 工具但又面临高昂成本阻碍的开发者和初创公司。此举加剧了 AI 模型领域的竞争，可能促使竞争对手在性能提升和定价降低两方面进行匹配。对企业而言，准确性的提升和工作流摩擦的减少意味着更快的开发周期和更可靠的 AI 驱动自动化。对编码和 Agent 能力的关注与更广泛的行业趋势一致，即向更自主的 AI 系统发展，能够以最少的人力介入执行复杂任务。

StartupHub.ai 的数据显示，虽然核心 Gemini 模型得分为 63/100，但专为高容量、低成本应用设计的 Flash 系列目前得分为 5/100。此次新发布有望通过在保持成本效益的同时提升智能水平，显著提升这一得分，可能对 Agent 领域的老牌玩家形成挑战。Gemini 3.7 Flash 的成功将取决于开发者的采用情况及其在竞争对手持续进步中的实际表现。对降低成本的强调表明了一种民主化强大 AI 访问的战略，可能加速更广泛应用的创新。对安全功能的持续关注也表明了，随着 AI Agent 愈发深入关键工作流，建立信任的意图正在形成。更高智能、更快速度、更低成本的 Advanced Gemini Flash Agent 的可用性，印证了该领域的快速进步。