说明：在 Gemini 3.7 Flash 发布仅几周后，Google 又发布了 Gemini 3.8 Flash。在我们的 Gemini 3.8 Flash API 教程 中查看其实际表现。
Google 发布了 Gemini 3.7 Flash，这是其迄今最强的 Flash 等级模型，直指编码与代理型工作流。发布时，Google 的旗舰 Gemini 3.5 Pro 仍在延期中，路透社将其视为 DeepMind 能否跟上 Anthropic 和 OpenAI 的一次考验。
亮眼的数据相当激进。Gemini 3.7 Flash 在 FrontierCode 1.1 Main 上得分 43.6%（较 3.6 Flash 的 34.4% 大幅提升），在 Code Arena 的网页开发 Elo 达到 1588，并以每 100 万输入 token 0.75 美元、每 100 万输出 token 3.75 美元的试销价推出，约为 3.6 Flash 初始价格的一半。
本文将全面介绍 Gemini 3.7 Flash 的更新点，涵盖其功能、基准测试表现，并提供您可自行运行的上手测试。若要深入了解其对手模型，请参阅我们的 GPT-5.6 Terra 与 Claude Sonnet 5 对比 以及 Claude 学习指南。
要点速览
- Gemini 3.7 Flash 是 Google 最强的 Flash 模型，面向编码与代理型工作流，具备 100 万 token 上下文窗口。
- 试销价至 2026 年 12 月 31 日为每 100 万输入 token 0.75 美元、每 100 万输出 token 3.75 美元，之后恢复至 1.50/7.50 美元标准价。
- 在与 Claude Sonnet 5 和 GPT-5.6 Terra 的对比中，位列 FrontierCode 1.1（43.6%）、GDP.pdf（34.0%）、Harvey LAB-AA（90.7%）与 GDM-MRCR 长上下文（97.0%）之首。
- GPT-5.6 Terra 仍在 DeepSWE、Terminal-bench 与 OSWorld 代理型评测上领先。
- 可通过 Gemini API、Google Antigravity、Gemini Enterprise 与 Gemini Spark 获取。
什么是 Gemini 3.7 Flash？
Gemini 3.7 Flash 是 Google 的中端主力模型，被定位为最强的 Flash 级别，用于复杂编码、代理型工作流与可靠的多步执行。其承接三周前发布的 Gemini 3.6 Flash，Google 将质量跃升归功于开发者反馈与算法改进。
该模型通过 Gemini API 面向一般可用，提供 100 万 token 上下文窗口（1,048,576 个输入 token）与 65,536 个输出 token 上限。它支持文本、图像、视频、音频与 PDF 输入，并仅输出文本。Google 提供低、中、高三档可调“思考”级别，但若请求不支持的 minimal 设置，API 会返回错误。
最具代表性的基准是长周期软件工程评测 DeepSWE v1.1：3.7 Flash 得分 65.3%，而其前身在 FrontierCode 上为 34.4%，在 DeepSWE 本身仅为 48.6%。在降价的同时带来单代大幅跃升并不常见。
Gemini 3.7 Flash 有何新变化？
核心是以更低价格提供更强的 Flash 模型，指令遵循更好，在代理循环中所需“看护”更少。以下是对从业者最重要的变化。
更强的编码与问题解决
您可以将更棘手的调试与重构交给 Gemini 3.7 Flash，并期待更高的一次通过率。Google 报告其在生产代码质量的 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），在长周期软件工程的 DeepSWE v1.1 上为 65.3%。
对工程师的直接影响是重试更少。Google 称该模型更善于应对阻碍，并更忠实地执行指令，从而减少让廉价模型在实际用时上“变贵”的人工监管。
更快的网页应用与 UI 生成
Gemini 3.7 Flash 生成可用布局与功能完整的网页应用所需提示词更少。在 Code Arena 的网页开发榜上，其 Elo 为 1588，对比 3.6 Flash 的 1538 与 Claude Sonnet 5 的 1541。
在生成 UI 时，模型也能贴合参考输入，无论该参考是截图、图像，还是完整的设计系统。若您提供定价页的模型稿，它会尽力复现设计一致性，而非即兴给出通用布局。
更好的多步代理执行
该模型在规划与工具调用上投入更多精力，而这正是廉价模型常出错之处。在面向真实商业工作流的私有评测 AutomationBench 上，3.7 Flash 得分 30.4%，对比 3.6 Flash 的 17.0% 与 Claude Sonnet 5 的 10.7%。
通过 API 可用的内置工具包括缓存、代码执行、文件搜索、函数调用、搜索加持、Google 地图加持、结构化输出与 URL 上下文。计算机使用功能已提供但标注为预览，我暂不建议围绕其构建生产级代理。
改进的文档与知识型工作
Gemini 3.7 Flash 在金融、法律与生物科学等知识密集领域具备更强的推理与文档理解能力。在专家级 PDF 理解的 GDP.pdf 基准上，其得分 34.0%（3.6 Flash 为 22.0%）；在复杂法律工作流的 Harvey LAB-AA 上达 90.7%。
若您的工作涉及从密集的年报或合同中提取结构化答案，这是值得测试的一次更新。模型仍仅输出文本，因此不会生成其读到的图表，只会进行描述或摘要。
更低价格，便于代理规模化
试销价将 Flash 代理的运行成本较 3.6 Flash 发布时价格腰斩。至 2026 年 12 月 31 日，输入每 100 万 token 0.75 美元，输出每 100 万 token 3.75 美元。
- 输入：每 100 万 token 0.75 美元（试销），2027 年 1 月 1 日起涨至 1.50 美元
- 输出：每 100 万 token 3.75 美元（试销），2027 年 1 月 1 日起涨至 7.50 美元
作为对比，按 Google 自家基准表，Claude Sonnet 5 的输入为 2.00 美元、输出为 10.00 美元；GPT-5.6 Terra 的输入为 2.00 美元、输出为 12.00 美元。就裸 token 价而言，3.7 Flash 以明显优势压低二者。
Gemini 3.7 Flash 基准测试
Google 的基准表将 Gemini 3.7 Flash 与 3.6 Flash、Claude Sonnet 5、GPT-5.6 Terra 及 Muse Spark 1.2 对比。总体规律一致：3.7 Flash 几乎在所有评测上胜过前代，并与更昂贵的对手互有胜负，不过 GPT-5.6 Terra 在若干代理型编码评测上略胜一筹。
Gemini 3.7 Flash 与竞品一览
以下是 Google 基准表中四款模型的关键数据对比。
| 指标 | Gemini 3.7 Flash | Claude Sonnet 5 | GPT-5.6 Terra |
|---|
| 输入价格 / 100 万 | $0.75 | $2.00 | $2.00 |
| 输出价格 / 100 万 | $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 衡量生产代码质量，奖励的是正确且可交付的代码，而非仅语法正确。
Gemini 3.7 Flash 得分 43.6%，领先于 Claude Sonnet 5 的 42.7%、GPT-5.6 Terra 的 41.3%，以及其前代 3.6 Flash 的 34.4%。
以 Flash 等级模型在生产代码质量上超越两款前沿对手，且 token 成本仅为其三分之一，这是本次发布最突出的结果。
DeepSWE v1.1
DeepSWE v1.1 测试长周期软件工程，即需要在多步中维持上下文的多文件任务。
在该项上，3.7 Flash 得分 65.3%，相较 3.6 Flash 的 48.6% 提升显著，但 GPT-5.6 Terra 以 69.6% 领先，Claude Sonnet 5 以 53.8% 跟随。
结论：3.7 Flash 在长周期编码上大幅缩小与 Terra 的差距，但尚未反超。若您需要多文件代理型编码的绝对上限，该评测上 Terra 仍胜。
Terminal-bench 2.1 与 3.0
Terminal-bench 衡量代理型终端编码，即模型通过命令行完成任务。
在 Terminal-bench 2.1 上，3.7 Flash 得分 85.8%，对比 3.6 Flash 的 78.0% 与 Claude Sonnet 5 的 80.4%，但 GPT-5.6 Terra 以 87.4% 领先。
更新的通用代理能力评测 Terminal-bench 3.0 整体更难：3.7 Flash 得分 14.9%，显著高于 3.6 Flash 的 5.4%，与 Claude Sonnet 5 的 14.6% 大致持平，落后于 Terra 的 20.8%。
这些较低的绝对数值有助于提醒我们：通用代理的可靠性仍有很长的路要走。
GDP.pdf 与 Harvey LAB-AA
GDP.pdf 测试专家级 PDF 文档理解，Harvey LAB-AA 测试复杂法律工作流。
Gemini 3.7 Flash 在两项上均领先：GDP.pdf 得分 34.0%，高于 Claude Sonnet 5 的 28.0% 与 GPT-5.6 Terra 的 24.7%；Harvey LAB-AA 得分 90.7%，高于 Sonnet 5 的 90.1% 与 Terra 的 85.2%。
若您的工作负载以法律或金融的重文档分析为主，这里是“最便宜的模型恰好也是最准确”的少见组合。
GDM-MRCR v2 长上下文
GDM-MRCR v2（8-needle）衡量长上下文检索，测试模型能否在长输入中找到多处埋藏信息。
在 128k 平均长度下，3.7 Flash 得分 97.0%，高于 3.6 Flash 的 91.8%、Claude Sonnet 5 的 81.5%，以及 GPT-5.6 Terra 的 93.5%。
凭借 100 万 token 上下文窗口与表中最强的 8-needle 检索能力，3.7 Flash 非常适合在单次调用中塞入超大文档或长转录的管线。
在我们对比 Terra 与 Sonnet 5 时，长上下文检索是二者的明显分水岭之一，而 3.7 Flash 现在在这一档位上位于两者之上。
GPT-5.6 Terra 仍领先的领域
也有必要如实面对短板。
GPT-5.6 Terra 在 DeepSWE v1.1（69.6% vs 65.3%）、Terminal-bench 2.1（87.4% vs 85.8%）、Terminal-bench 3.0（20.8% vs 14.9%）与 OSWorld-2.0 代理型计算机使用（50.2% vs 47.9%）上优于 Gemini 3.7 Flash。
总体模式是：Terra 在最难的代理型与终端编码评测上略有优势，而 3.7 Flash 则在生产代码质量、文档理解与长上下文检索上取胜。对您而言谁更合适，取决于瓶颈在代理可靠性还是在成本。
Gemini 3.7 Flash 定价与可用性
Gemini 3.7 Flash 现已在多种 Google 入口普遍可用。
API 模型 ID 为 gemini-3.7-flash，您可在 Google AI Studio、Android Studio，或以代理为先的 Google Antigravity 环境中开始构建。
- 开发者：通过 Google AI Studio 与 Android Studio 使用 Gemini API；在 Google Antigravity 中进行代理工作流
- 企业：Gemini Enterprise Agent Platform 与 Gemini Enterprise 应用
- 个人：Gemini Spark——Gemini 应用中的 24/7 个人代理，面向 160 多个国家/地区的 Google AI Pro 与 Ultra 订阅用户
价格为至 2026 年 12 月 31 日每 100 万输入 token 0.75 美元、每 100 万输出 token 3.75 美元。自 2027 年 1 月 1 日起，恢复为输入 1.50 美元、输出 7.50 美元。请注意，该模型不支持音频生成、图像生成与 Live API，计算机使用功能仅为预览。
结语
在旗舰 Gemini 3.5 Pro 持续延期之际，Gemini 3.7 Flash 体现了 Google 的快速迭代与降价策略。
在 3.6 Flash 发布仅三周后即以半价推出改进版 Flash，表明公司正试图在中端市场取胜，而大多数生产量也的确集中于此。
坦白说，若您的工作负载是文档理解、可投产的网页与应用代码，或长上下文检索，这就是值得优先选择的模型：它在这些方面全面压过 Claude Sonnet 5 与 GPT-5.6 Terra，且成本只是其一小部分。
若您的瓶颈在最艰难的代理型终端编码，Terra 仍在 DeepSWE 与 Terminal-bench 上略有领先，而您也需要为这一“上限”多付费用。
随着 DeepMind 领导层调整与 Pro 模型延期，Google 正依靠 Flash 证明其仍具竞争力。就其新近公布的基准表看，对于一款中端模型，这一论点大体站得住脚。
如果您想亲手上手此类模型，建议先从我们的 AI Fundamentals 技能路径 打好基础，再将 Gemini 3.7 Flash 接入您自己的代理管线。
说明：在 Gemini 3.7 Flash 发布仅几周后，Google 又发布了 Gemini 3.8 Flash。在我们的 Gemini 3.8 Flash API 教程 中查看其实际表现。
Google 发布了 Gemini 3.7 Flash，这是其迄今最强的 Flash 等级模型，直指编码与代理型工作流。发布时，Google 的旗舰 Gemini 3.5 Pro 仍在延期中，路透社将其视为 DeepMind 能否跟上 Anthropic 和 OpenAI 的一次考验。
亮眼的数据相当激进。Gemini 3.7 Flash 在 FrontierCode 1.1 Main 上得分 43.6%（较 3.6 Flash 的 34.4% 大幅提升），在 Code Arena 的网页开发 Elo 达到 1588，并以每 100 万输入 token 0.75 美元、每 100 万输出 token 3.75 美元的试销价推出，约为 3.6 Flash 初始价格的一半。
本文将全面介绍 Gemini 3.7 Flash 的更新点，涵盖其功能、基准测试表现，并提供您可自行运行的上手测试。若要深入了解其对手模型，请参阅我们的 GPT-5.6 Terra 与 Claude Sonnet 5 对比 以及 Claude 学习指南。
要点速览
什么是 Gemini 3.7 Flash？
Gemini 3.7 Flash 是 Google 的中端主力模型，被定位为最强的 Flash 级别，用于复杂编码、代理型工作流与可靠的多步执行。其承接三周前发布的 Gemini 3.6 Flash，Google 将质量跃升归功于开发者反馈与算法改进。
该模型通过 Gemini API 面向一般可用，提供 100 万 token 上下文窗口（1,048,576 个输入 token）与 65,536 个输出 token 上限。它支持文本、图像、视频、音频与 PDF 输入，并仅输出文本。Google 提供低、中、高三档可调“思考”级别，但若请求不支持的
minimal设置，API 会返回错误。最具代表性的基准是长周期软件工程评测 DeepSWE v1.1：3.7 Flash 得分 65.3%，而其前身在 FrontierCode 上为 34.4%，在 DeepSWE 本身仅为 48.6%。在降价的同时带来单代大幅跃升并不常见。
核心是以更低价格提供更强的 Flash 模型，指令遵循更好，在代理循环中所需“看护”更少。以下是对从业者最重要的变化。
更强的编码与问题解决
您可以将更棘手的调试与重构交给 Gemini 3.7 Flash，并期待更高的一次通过率。Google 报告其在生产代码质量的 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），在长周期软件工程的 DeepSWE v1.1 上为 65.3%。
对工程师的直接影响是重试更少。Google 称该模型更善于应对阻碍，并更忠实地执行指令，从而减少让廉价模型在实际用时上“变贵”的人工监管。
更快的网页应用与 UI 生成
Gemini 3.7 Flash 生成可用布局与功能完整的网页应用所需提示词更少。在 Code Arena 的网页开发榜上，其 Elo 为 1588，对比 3.6 Flash 的 1538 与 Claude Sonnet 5 的 1541。
在生成 UI 时，模型也能贴合参考输入，无论该参考是截图、图像，还是完整的设计系统。若您提供定价页的模型稿，它会尽力复现设计一致性，而非即兴给出通用布局。
更好的多步代理执行
该模型在规划与工具调用上投入更多精力，而这正是廉价模型常出错之处。在面向真实商业工作流的私有评测 AutomationBench 上，3.7 Flash 得分 30.4%，对比 3.6 Flash 的 17.0% 与 Claude Sonnet 5 的 10.7%。
通过 API 可用的内置工具包括缓存、代码执行、文件搜索、函数调用、搜索加持、Google 地图加持、结构化输出与 URL 上下文。计算机使用功能已提供但标注为预览，我暂不建议围绕其构建生产级代理。
改进的文档与知识型工作
Gemini 3.7 Flash 在金融、法律与生物科学等知识密集领域具备更强的推理与文档理解能力。在专家级 PDF 理解的 GDP.pdf 基准上，其得分 34.0%（3.6 Flash 为 22.0%）；在复杂法律工作流的 Harvey LAB-AA 上达 90.7%。
若您的工作涉及从密集的年报或合同中提取结构化答案，这是值得测试的一次更新。模型仍仅输出文本，因此不会生成其读到的图表，只会进行描述或摘要。
更低价格，便于代理规模化
试销价将 Flash 代理的运行成本较 3.6 Flash 发布时价格腰斩。至 2026 年 12 月 31 日，输入每 100 万 token 0.75 美元，输出每 100 万 token 3.75 美元。
作为对比，按 Google 自家基准表，Claude Sonnet 5 的输入为 2.00 美元、输出为 10.00 美元；GPT-5.6 Terra 的输入为 2.00 美元、输出为 12.00 美元。就裸 token 价而言，3.7 Flash 以明显优势压低二者。
Gemini 3.7 Flash 基准测试
Google 的基准表将 Gemini 3.7 Flash 与 3.6 Flash、Claude Sonnet 5、GPT-5.6 Terra 及 Muse Spark 1.2 对比。总体规律一致：3.7 Flash 几乎在所有评测上胜过前代，并与更昂贵的对手互有胜负，不过 GPT-5.6 Terra 在若干代理型编码评测上略胜一筹。
Gemini 3.7 Flash 与竞品一览
以下是 Google 基准表中四款模型的关键数据对比。
FrontierCode 1.1 Main
FrontierCode 1.1 Main 衡量生产代码质量，奖励的是正确且可交付的代码，而非仅语法正确。
Gemini 3.7 Flash 得分 43.6%，领先于 Claude Sonnet 5 的 42.7%、GPT-5.6 Terra 的 41.3%，以及其前代 3.6 Flash 的 34.4%。
以 Flash 等级模型在生产代码质量上超越两款前沿对手，且 token 成本仅为其三分之一，这是本次发布最突出的结果。
DeepSWE v1.1
DeepSWE v1.1 测试长周期软件工程，即需要在多步中维持上下文的多文件任务。
在该项上，3.7 Flash 得分 65.3%，相较 3.6 Flash 的 48.6% 提升显著，但 GPT-5.6 Terra 以 69.6% 领先，Claude Sonnet 5 以 53.8% 跟随。
结论：3.7 Flash 在长周期编码上大幅缩小与 Terra 的差距，但尚未反超。若您需要多文件代理型编码的绝对上限，该评测上 Terra 仍胜。
Terminal-bench 2.1 与 3.0
Terminal-bench 衡量代理型终端编码，即模型通过命令行完成任务。
在 Terminal-bench 2.1 上，3.7 Flash 得分 85.8%，对比 3.6 Flash 的 78.0% 与 Claude Sonnet 5 的 80.4%，但 GPT-5.6 Terra 以 87.4% 领先。
更新的通用代理能力评测 Terminal-bench 3.0 整体更难：3.7 Flash 得分 14.9%，显著高于 3.6 Flash 的 5.4%，与 Claude Sonnet 5 的 14.6% 大致持平，落后于 Terra 的 20.8%。
这些较低的绝对数值有助于提醒我们：通用代理的可靠性仍有很长的路要走。
GDP.pdf 与 Harvey LAB-AA
GDP.pdf 测试专家级 PDF 文档理解，Harvey LAB-AA 测试复杂法律工作流。
Gemini 3.7 Flash 在两项上均领先：GDP.pdf 得分 34.0%，高于 Claude Sonnet 5 的 28.0% 与 GPT-5.6 Terra 的 24.7%；Harvey LAB-AA 得分 90.7%，高于 Sonnet 5 的 90.1% 与 Terra 的 85.2%。
若您的工作负载以法律或金融的重文档分析为主，这里是“最便宜的模型恰好也是最准确”的少见组合。
GDM-MRCR v2 长上下文
GDM-MRCR v2（8-needle）衡量长上下文检索，测试模型能否在长输入中找到多处埋藏信息。
在 128k 平均长度下，3.7 Flash 得分 97.0%，高于 3.6 Flash 的 91.8%、Claude Sonnet 5 的 81.5%，以及 GPT-5.6 Terra 的 93.5%。
凭借 100 万 token 上下文窗口与表中最强的 8-needle 检索能力，3.7 Flash 非常适合在单次调用中塞入超大文档或长转录的管线。
在我们对比 Terra 与 Sonnet 5 时，长上下文检索是二者的明显分水岭之一，而 3.7 Flash 现在在这一档位上位于两者之上。
GPT-5.6 Terra 仍领先的领域
也有必要如实面对短板。
GPT-5.6 Terra 在 DeepSWE v1.1（69.6% vs 65.3%）、Terminal-bench 2.1（87.4% vs 85.8%）、Terminal-bench 3.0（20.8% vs 14.9%）与 OSWorld-2.0 代理型计算机使用（50.2% vs 47.9%）上优于 Gemini 3.7 Flash。
总体模式是：Terra 在最难的代理型与终端编码评测上略有优势，而 3.7 Flash 则在生产代码质量、文档理解与长上下文检索上取胜。对您而言谁更合适，取决于瓶颈在代理可靠性还是在成本。
Gemini 3.7 Flash 定价与可用性
Gemini 3.7 Flash 现已在多种 Google 入口普遍可用。
API 模型 ID 为
gemini-3.7-flash，您可在 Google AI Studio、Android Studio，或以代理为先的 Google Antigravity 环境中开始构建。价格为至 2026 年 12 月 31 日每 100 万输入 token 0.75 美元、每 100 万输出 token 3.75 美元。自 2027 年 1 月 1 日起，恢复为输入 1.50 美元、输出 7.50 美元。请注意，该模型不支持音频生成、图像生成与 Live API，计算机使用功能仅为预览。
结语
在旗舰 Gemini 3.5 Pro 持续延期之际，Gemini 3.7 Flash 体现了 Google 的快速迭代与降价策略。
在 3.6 Flash 发布仅三周后即以半价推出改进版 Flash，表明公司正试图在中端市场取胜，而大多数生产量也的确集中于此。
坦白说，若您的工作负载是文档理解、可投产的网页与应用代码，或长上下文检索，这就是值得优先选择的模型：它在这些方面全面压过 Claude Sonnet 5 与 GPT-5.6 Terra，且成本只是其一小部分。
若您的瓶颈在最艰难的代理型终端编码，Terra 仍在 DeepSWE 与 Terminal-bench 上略有领先，而您也需要为这一“上限”多付费用。
随着 DeepMind 领导层调整与 Pro 模型延期，Google 正依靠 Flash 证明其仍具竞争力。就其新近公布的基准表看，对于一款中端模型，这一论点大体站得住脚。
如果您想亲手上手此类模型，建议先从我们的 AI Fundamentals 技能路径 打好基础，再将 Gemini 3.7 Flash 接入您自己的代理管线。