Google 12周发布三款Gemini Flash：工程决策解读

Google 在 3.5 Flash 于 I/O 发布后 86 天、3.6 Flash 发布后 23 天，就推出了 Gemini 3.7 Flash。在不到三个月的时间里推出了三个主力 Flash 模型。3.5 Pro 始终没有亮相，而 Flash 必须顶上。

三个 Flash，三种不同职责

3.5 Flash（5 月 19 日）：I/O 的声明。在跨平台高速场景下以前沿智能和行动能力超越旧版 Pro 模型。

3.6 Flash（7 月 21 日）：单位经济效益补丁。在 token 数、延迟和工具调用浪费上做优化，降低输出价格。

3.7 Flash（8 月 13 日）：完成率补丁。聚焦于推理基础层面的算法改进，帮助 Agent 更好地应对障碍和多步骤规划。

这些提升正是编码 Agent 真正卡壳的地方

Google 的 3.7 更新大量集中在软件工程和多步骤工作流上。在 DeepSWE v1.1（+16.3 分）和 FrontierCode 1.1 Main（+9.2 分）等基准测试中看到了大幅跃升。

编码中代价高昂的部分，不是那些勉强能编译的首次通过代码——而是第五次工具调用推翻了第三次的结果，或者是模型猜测而非澄清的模糊指令。Pull Request 审查正好处于这种失败模式之中。

这对代码审查意味着什么

12 周内推出三个 Flash 模型改变了我想你看待 AI 生成代码审查的方式：

期待主力模型快速迭代：审查堆栈切换模型的速度要与 Google 发布保持一致。

青睐能完成任务的模型：寻找具备长期工程能力的模型，而非仅限聊天流畅度。

关注重试次数，而非标价：更便宜的审查是不需要第二轮来修复幻觉发现的那种。

让人保持在循环中：当真正的 Bug 出现在 diff 区块之外时，将模型与仓库级上下文配对。

这正是 ThinkReview 的职责所在：一个 GitHub、GitLab、Azure DevOps 和 Bitbucket 上的 AI 代码审查 Copilot，不仅限于给 PR 盖橡皮章。Google 刚刚展示了在一个夏天内三次修订生产级编码模型的能力。你的审查工作流也该跟上。

在 Model selection 中选择你的模型，在真实的 diff 上运行它，并保持你的工程判断力。