Last chance! 50% off DataCamp Premium
Sale ends in
Lưu ý: Chỉ vài tuần sau khi ra mắt Gemini 3.7 Flash, Google đã phát hành Gemini 3.8 Flash. Xem bản dùng thử trong hướng dẫn API Gemini 3.8 Flash của chúng tôi.
Google đã phát hành Gemini 3.7 Flash, mẫu Flash mạnh nhất của hãng cho đến nay, nhắm thẳng vào lập trình và quy trình tác tử. Đợt ra mắt diễn ra trong bối cảnh Gemini 3.5 Pro chủ lực của Google vẫn trì hoãn, điều mà Reuters coi là phép thử xem DeepMind có theo kịp Anthropic và OpenAI hay không.
Các con số tiêu đề khá táo bạo. Gemini 3.7 Flash đạt 43,6% trên FrontierCode 1.1 Main (tăng từ 34,4% của 3.6 Flash), đạt Elo 1588 trên Code Arena cho phát triển web, và có giá mở đầu 0,75 USD cho mỗi 1 triệu token đầu vào và 3,75 USD cho mỗi 1 triệu token đầu ra, bằng một nửa chi phí 3.6 Flash lúc ra mắt.
Trong bài viết này, tôi sẽ điểm qua mọi thứ mới ở Gemini 3.7 Flash, xem các tính năng, khám phá các điểm chuẩn, và thiết lập các bài kiểm thử thực hành mà bạn có thể tự chạy. Để tìm hiểu sâu hơn về các đối thủ cạnh tranh, xem các hướng dẫn của chúng tôi về GPT-5.6 Terra vs Claude Sonnet 5 và cách học Claude.
Tóm tắt nhanh
- Gemini 3.7 Flash là mẫu Flash mạnh nhất của Google, nhắm vào lập trình và quy trình tác tử, với cửa sổ ngữ cảnh 1 triệu token.
- Giá mở đầu là 0,75 USD/1 triệu token đầu vào và 3,75 USD/1 triệu token đầu ra đến hết ngày 31/12/2026, sau đó là 1,50/7,50 USD tiêu chuẩn.
- Dẫn đầu FrontierCode 1.1 (43,6%), GDP.pdf (34,0%), Harvey LAB-AA (90,7%), và GDM-MRCR long context (97,0%) so với Claude Sonnet 5 và GPT-5.6 Terra.
- GPT-5.6 Terra vẫn dẫn trước trên DeepSWE, Terminal-bench và các đánh giá tác tử OSWorld.
- Có sẵn qua Gemini API, Google Antigravity, Gemini Enterprise và Gemini Spark.
Gemini 3.7 Flash là gì?
Gemini 3.7 Flash là mẫu tầm trung “chủ lực” của Google, được định vị là mẫu Flash mạnh nhất cho lập trình phức tạp, quy trình tác tử và thực thi đa bước đáng tin cậy. Nó kế tiếp Gemini 3.6 Flash (ra mắt trước đó ba tuần), và Google ghi nhận phản hồi từ nhà phát triển cùng thay đổi thuật toán đã nâng chất lượng lên đáng kể.
Mẫu này đã sẵn sàng rộng rãi qua Gemini API với cửa sổ ngữ cảnh 1 triệu token (1.048.576 token đầu vào) và giới hạn đầu ra 65.536 token. Nó nhận đầu vào văn bản, hình ảnh, video, âm thanh và PDF, và chỉ trả về văn bản. Google cung cấp mức “tư duy” có thể chỉnh: thấp, trung bình và cao, nhưng API sẽ trả lỗi nếu bạn yêu cầu thiết lập minimal không được hỗ trợ.
Điểm nhấn đáng chú ý là DeepSWE v1.1, một đánh giá kỹ nghệ phần mềm tầm xa, nơi 3.7 Flash đạt 65,3% so với 34,4% của tiền nhiệm trên FrontierCode và chỉ 48,6% cho chính 3.6 Flash trên DeepSWE. Đây là mức tăng lớn qua một thế hệ với một mẫu đồng thời giảm giá, điều khá hiếm.
Có gì mới ở Gemini 3.7 Flash?
Câu chuyện ở đây là một mẫu Flash mạnh hơn với giá thấp hơn, tuân thủ hướng dẫn tốt hơn và cần ít “trông nom” hơn trong vòng lặp tác tử. Dưới đây là những thay đổi đáng chú ý nhất với người thực hành.
Lập trình mạnh hơn và xử lý lỗi hiệu quả
Bạn có thể giao cho Gemini 3.7 Flash các tác vụ gỡ lỗi và tái cấu trúc khó hơn và kỳ vọng độ chính xác cao hơn ngay từ lần đầu. Google báo cáo 43,6% trên FrontierCode 1.1 Main cho chất lượng mã sản xuất (tăng từ 34,4% của 3.6 Flash), và 65,3% trên DeepSWE v1.1 cho kỹ nghệ phần mềm tầm xa.
Với kỹ sư đang làm việc, điều này đồng nghĩa số lần thử lại ít hơn. Google nói mẫu này thích nghi tốt hơn với trở ngại và tuân thủ hướng dẫn sát hơn, nhờ đó giảm giám sát thủ công vốn làm mẫu giá rẻ trở nên đắt theo thời gian thực thi.
Tạo ứng dụng web và giao diện nhanh hơn
Gemini 3.7 Flash tạo bố cục hoạt động và ứng dụng web đầy đủ tính năng với ít lời nhắc hơn 3.6 Flash. Trên bảng xếp hạng phát triển web của Code Arena, nó đạt Elo 1588 so với 1538 của 3.6 Flash và 1541 của Claude Sonnet 5.
Mẫu này cũng có thể bám sát đầu vào tham chiếu khi tạo UI, dù tham chiếu là ảnh chụp màn hình, hình ảnh hay một hệ thống thiết kế hoàn chỉnh. Nếu bạn đưa cho nó một mockup trang định giá, nó sẽ cố tái tạo mức độ tuân thủ thiết kế thay vì tự ý dựng bố cục chung chung.
Thực thi tác tử đa bước tốt hơn
Mẫu này đầu tư nhiều công sức hơn vào lập kế hoạch và gọi công cụ, cũng là nơi các mẫu rẻ thường “vỡ vụn”. Trên AutomationBench, một đánh giá riêng cho quy trình công việc doanh nghiệp thực tế, 3.7 Flash đạt 30,4% so với 17,0% của 3.6 Flash và 10,7% của Claude Sonnet 5.
Các công cụ tích hợp sẵn qua API gồm có: bộ nhớ đệm, thực thi mã, tìm kiếm tệp, gọi hàm, neo tìm kiếm, neo với Google Maps, đầu ra có cấu trúc và ngữ cảnh URL. Tính năng sử dụng máy tính có mặt nhưng ở chế độ xem trước, nên tôi chưa khuyến nghị xây tác tử sản xuất dựa vào nó.
Cải thiện xử lý tài liệu và công việc tri thức
Gemini 3.7 Flash xử lý các lĩnh vực dày đặc tri thức như tài chính, pháp luật và khoa học sự sống với năng lực suy luận và hiểu tài liệu tốt hơn. Trên benchmark GDP.pdf cho hiểu PDF chuyên sâu, nó đạt 34,0% so với 22,0% của 3.6 Flash, và trên Harvey LAB-AA cho quy trình pháp lý phức tạp, nó đạt 90,7%.
Nếu công việc của bạn liên quan đến trích xuất câu trả lời có cấu trúc từ các báo cáo thường niên hay hợp đồng dày đặc, đây là bản phát hành đáng để thử. Mẫu vẫn chỉ xuất văn bản, nên sẽ không tạo biểu đồ mà nó đọc, chỉ mô tả hoặc tóm tắt.
Giá thấp hơn để mở rộng tác tử
Mức giá mở đầu giảm một nửa chi phí vận hành tác tử dựa trên Flash so với mức 3.6 Flash khi ra mắt. Đến hết 31/12/2026, bạn trả 0,75 USD cho mỗi 1 triệu token đầu vào và 3,75 USD cho mỗi 1 triệu token đầu ra.
- Đầu vào: 0,75 USD mỗi 1 triệu token (mở đầu), tăng lên 1,50 USD mỗi 1 triệu từ 01/01/2027
- Đầu ra: 3,75 USD mỗi 1 triệu token (mở đầu), tăng lên 7,50 USD mỗi 1 triệu từ 01/01/2027
So sánh, Claude Sonnet 5 ở mức 2,00 USD đầu vào và 10,00 USD đầu ra trên bảng benchmark của Google, và GPT-5.6 Terra ở mức 2,00 USD đầu vào và 12,00 USD đầu ra. Xét giá token thô, 3.7 Flash rẻ hơn cả hai với biên lớn.
Điểm chuẩn của Gemini 3.7 Flash
Bảng benchmark của Google đặt Gemini 3.7 Flash cạnh 3.6 Flash, Claude Sonnet 5, GPT-5.6 Terra và Muse Spark 1.2. Mẫu hình khá nhất quán: 3.7 Flash vượt tiền nhiệm ở gần như mọi đánh giá và so kè sát với các đối thủ đắt hơn, dù GPT-5.6 Terra nhỉnh hơn ở vài đánh giá tác tử lập trình.
Gemini 3.7 Flash so với phần còn lại: nhìn nhanh
Dưới đây là cách các con số chính xếp hàng giữa bốn mẫu trong bảng của Google.
| Chỉ số | Gemini 3.7 Flash | Claude Sonnet 5 | GPT-5.6 Terra |
|---|---|---|---|
| Giá đầu vào / 1 triệu | $0.75 | $2.00 | $2.00 |
| Giá đầu ra / 1 triệu | $3.75 | $10.00 | $12.00 |
| FrontierCode 1.1 Main | 43.6% | 42.7% | 41.3% |
| DeepSWE v1.1 | 65.3% | 53.8% | 69.6% |
| Terminal-bench 2.1 | 85.8% | 80.4% | 87.4% |
| GDP.pdf | 34.0% | 28.0% | 24.7% |
| GDM-MRCR v2 (128k) | 97.0% | 81.5% | 93.5% |
FrontierCode 1.1 Main
FrontierCode 1.1 Main đo chất lượng mã ở mức sản xuất, nên ưu tiên mã đúng và sẵn sàng triển khai thay vì chỉ hợp lệ về cú pháp.
Gemini 3.7 Flash đạt 43,6%, vượt Claude Sonnet 5 ở mức 42,7%, GPT-5.6 Terra ở mức 41,3% và chính tiền nhiệm 3.6 Flash ở mức 34,4%.
Với một mẫu tầng Flash vượt cả hai đối thủ hàng đầu về chất lượng mã sản xuất, đây là kết quả nổi bật của đợt phát hành này, nhất là khi chi phí token chỉ bằng khoảng một phần ba.
DeepSWE v1.1
DeepSWE v1.1 kiểm tra kỹ nghệ phần mềm tầm xa, tức các tác vụ đa tệp đòi hỏi duy trì ngữ cảnh qua nhiều bước.
Tại đây, 3.7 Flash đạt 65,3%, nhảy vọt từ 48,6% của 3.6 Flash, nhưng GPT-5.6 Terra dẫn đầu ở 69,6%, và Claude Sonnet 5 theo sau ở 53,8%.
Kết luận: 3.7 Flash đã thu hẹp phần lớn khoảng cách với Terra về lập trình tầm xa nhưng chưa vượt qua. Nếu bạn cần mức trần tuyệt đối cho lập trình tác tử đa tệp, Terra vẫn thắng ở đánh giá này.
Terminal-bench 2.1 và 3.0
Terminal-bench đo lập trình tác tử trên terminal, nơi mẫu điều khiển dòng lệnh để hoàn thành tác vụ.
Ở Terminal-bench 2.1, 3.7 Flash đạt 85,8% so với 78,0% của 3.6 Flash và 80,4% của Claude Sonnet 5, dù GPT-5.6 Terra dẫn đầu ở 87,4%.
Bản mới hơn Terminal-bench 3.0 cho năng lực tác tử tổng quát thì khó hơn trên toàn bộ: 3.7 Flash đạt 14,9%, cao hơn nhiều so với 3.6 Flash ở 5,4%, xấp xỉ Claude Sonnet 5 ở 14,6%, và sau Terra ở 20,8%.
Những con số tuyệt đối thấp này là lời nhắc thực tế về mức độ đáng tin cậy chung của tác tử vẫn còn phải cải thiện.
GDP.pdf và Harvey LAB-AA
GDP.pdf kiểm tra khả năng hiểu tài liệu PDF chuyên sâu, và Harvey LAB-AA kiểm tra các quy trình pháp lý phức tạp.
Gemini 3.7 Flash dẫn đầu cả hai: 34,0% trên GDP.pdf so với 28,0% của Claude Sonnet 5 và 24,7% của GPT-5.6 Terra, và 90,7% trên Harvey LAB-AA so với 90,1% của Sonnet 5 và 85,2% của Terra.
Nếu khối lượng công việc của bạn là phân tích pháp lý hay tài chính nặng tài liệu, đây là nơi mẫu rẻ nhất trên bảng cũng đồng thời chính xác nhất—một sự kết hợp hiếm có.
GDM-MRCR v2 long context
GDM-MRCR v2 (8-needle) đo khả năng truy xuất ngữ cảnh dài, kiểm tra xem mẫu có thể tìm nhiều mảnh thông tin bị chôn sâu trong một đầu vào dài hay không.
Ở mức trung bình 128k, 3.7 Flash đạt 97,0%, vượt 3.6 Flash ở 91,8%, Claude Sonnet 5 ở 81,5% và GPT-5.6 Terra ở 93,5%.
Với cửa sổ ngữ cảnh 1 triệu token và khả năng truy xuất 8-needle mạnh nhất trong bảng, 3.7 Flash là lựa chọn tốt cho các pipeline nhồi tài liệu lớn hoặc bản ghi dài vào một lần gọi.
Khi chúng tôi so sánh Terra và Sonnet 5, truy xuất ngữ cảnh dài là một khác biệt rõ rệt giữa chúng, và 3.7 Flash giờ ở trên cả hai ở dải này.
Nơi GPT-5.6 Terra vẫn dẫn đầu
Cũng cần thẳng thắn về các điểm thua.
GPT-5.6 Terra vượt Gemini 3.7 Flash ở DeepSWE v1.1 (69,6% so với 65,3%), Terminal-bench 2.1 (87,4% so với 85,8%), Terminal-bench 3.0 (20,8% so với 14,9%) và OSWorld-2.0 về sử dụng máy tính tác tử (50,2% so với 47,9%).
Mẫu hình là Terra nhỉnh hơn một chút ở các đánh giá tác tử và lập trình terminal khó nhất, trong khi 3.7 Flash thắng ở chất lượng mã sản xuất, hiểu tài liệu và truy xuất ngữ cảnh dài. Mẫu nào phù hợp với bạn phụ thuộc nút thắt là độ tin cậy tác tử hay chi phí.
Giá và khả dụng của Gemini 3.7 Flash
Gemini 3.7 Flash hiện đã sẵn sàng rộng rãi qua nhiều nền tảng của Google.
ID mẫu API là gemini-3.7-flash, và bạn có thể bắt đầu xây dựng trong Google AI Studio, Android Studio hoặc môi trường Google Antigravity ưu tiên tác tử.
- Nhà phát triển: Gemini API qua Google AI Studio và Android Studio; quy trình tác tử trong Google Antigravity
- Doanh nghiệp: Nền tảng Gemini Enterprise Agent và ứng dụng Gemini Enterprise
- Cá nhân: Gemini Spark, tác tử cá nhân 24/7 trong ứng dụng Gemini, dành cho người đăng ký Google AI Pro và Ultra tại hơn 160 quốc gia
Giá là 0,75 USD cho mỗi 1 triệu token đầu vào và 3,75 USD cho mỗi 1 triệu token đầu ra đến hết ngày 31/12/2026. Từ 01/01/2027, áp dụng mức tiêu chuẩn 1,50 USD đầu vào và 7,50 USD đầu ra. Lưu ý mẫu này không hỗ trợ tạo âm thanh, tạo hình ảnh và Live API, và sử dụng máy tính chỉ ở chế độ xem trước.
Kết luận
Gemini 3.7 Flash cho thấy Google ra mắt nhanh và giảm giá trong khi mẫu chủ lực Gemini 3.5 Pro vẫn chậm trễ.
Phát hành một mẫu Flash cải tiến chỉ ba tuần sau 3.6 Flash, với chi phí token giảm một nửa, cho thấy công ty đang muốn thắng ở phân khúc tầm trung—nơi phần lớn khối lượng sản xuất thực sự diễn ra.
Thành thật mà nói, đây là mẫu đáng chọn nếu khối lượng công việc của bạn là hiểu tài liệu, mã web và ứng dụng ở mức sản xuất, hoặc truy xuất ngữ cảnh dài—những nơi nó vượt hẳn Claude Sonnet 5 và GPT-5.6 Terra trong khi chi phí chỉ bằng một phần nhỏ.
Nếu nút thắt của bạn là lập trình terminal tác tử khó nhất, Terra vẫn nhỉnh hơn một chút ở DeepSWE và Terminal-bench, và bạn sẽ trả thêm tiền cho mức trần đó.
Với sự thay đổi lãnh đạo DeepMind và sự chậm trễ của mẫu Pro, Google đang dựa vào Flash để chứng minh mình vẫn cạnh tranh được. Trên bảng benchmark vừa công bố, lập luận đó chủ yếu đúng cho một mẫu tầm trung.
Nếu bạn muốn trực tiếp thực hành với những mẫu như thế này, tôi khuyến nghị bắt đầu với lộ trình kỹ năng AI Fundamentals để xây nền tảng trước khi tích hợp Gemini 3.7 Flash vào pipeline tác tử của riêng bạn.
