发布日期：2026年8月14日
数据来源：Google DeepMind公开信息整理
关键词：Gemini 3.7 Flash、Google AI、AI Agent、代码生成、大模型API

2026年8月13日，Google DeepMind正式推出Gemini 3.7 Flash。

作为Gemini Flash系列的新版本，3.7 Flash并没有采用单纯扩大模型规模的路线，而是将优化重点放在实际任务执行能力上，包括代码开发、多步骤Agent任务以及专业知识处理。

此次更新距离上一代Gemini 3.6 Flash发布仅约三周，更新节奏明显加快。

从公开测试数据来看，Gemini 3.7 Flash在编程和自动化任务方面取得较大提升：

• FrontierCode 1.1测试达到43.6%；
• DeepSWE v1.1达到65.3%；
• AutomationBench提升至30.4%。

其中FrontierCode 1.1成绩超过Claude Sonnet 5和GPT-5.6 Terra，显示Google正在进一步强化Flash系列在开发者场景中的竞争力。

---

一、Gemini 3.7 Flash核心变化：从聊天模型向任务执行模型发展

过去，Flash系列模型主要强调：

• 响应速度；
• 较低调用成本；
• 日常AI任务处理能力。

而Gemini 3.7 Flash的升级方向更加偏向Agent应用。

此次主要提升集中在三个方面：

1. 编程能力增强

对于开发者而言，模型是否能够完成真实工程任务，比简单生成代码更加重要。

Gemini 3.7 Flash重点优化：

• 代码理解；
• Debug分析；
• Web应用生成；
• 前端页面还原；
• 项目级代码修改。

模型目标从“回答代码问题”逐渐转向“辅助完成开发流程”。

---

2. Agent任务执行能力提升

AI Agent需要持续执行多个步骤。

例如：

分析需求 → 制定方案 → 调用工具 → 修改文件 → 验证结果。

在这一过程中，模型容易出现：

• 步骤遗漏；
• 工具调用失败；
• 无限循环。

Gemini 3.7 Flash针对这些问题进行了优化，提高了多步骤任务执行稳定性。

---

3. 专业知识处理能力改善

除了代码领域，Gemini 3.7 Flash在知识型任务中也有所提升。

例如Harvey LAB-AA专业知识测试：

Gemini 3.7 Flash：

90.7%

超过：

• Claude Sonnet 5：90.1%
• GPT-5.6 Terra：85.2%

这说明Flash系列正在从轻量级问答模型向综合任务助手方向发展。

---

二、基准测试表现：编程和自动化任务优势明显

Google公布的测试数据主要覆盖：

• 编程能力；
• 软件工程Agent；
• 自动化执行；
• 长流程任务。

Gemini 3.6 → Gemini 3.7升级变化

测试项目	Gemini 3.6 Flash	Gemini 3.7 Flash	提升
FrontierCode 1.1	34.4%	43.6%	+9.2个百分点
DeepSWE v1.1	49.0%	65.3%	+16.3个百分点
WebDev Arena	1538	1588	+50
AutomationBench	17.0%	30.4%	+13.4个百分点

可以看到，软件开发相关能力提升最明显。

尤其DeepSWE v1.1，从49.0提升至65.3%，说明模型对于工程任务理解能力增强。

---

三、与主流模型对比：不同模型侧重点不同

目前AI编程模型竞争已经从单纯比较代码生成能力，转向比较完整Agent能力。

部分公开数据：

测试项目	Gemini 3.7 Flash	Claude Sonnet 5	GPT-5.6 Terra
FrontierCode 1.1	43.6%	42.7%	41.3%
DeepSWE v1.1	65.3%	53.8%	69.6%
AutomationBench	30.4%	10.7%	23.6%
Terminal-Bench 2.1	85.8%	-	87.4%

从结果来看：

Gemini 3.7 Flash：

• 编程生成能力突出；
• 自动化任务表现领先；
• Web开发场景优势明显。

GPT-5.6 Terra：

• 软件工程复杂任务仍保持较强优势。

Claude Sonnet 5：

• 在部分代码任务中表现稳定。

不同模型并不存在绝对替代关系，需要根据实际应用场景选择。

---

四、模型规格：1M上下文与thinking模式

Gemini 3.7 Flash延续了大上下文能力。

公开信息显示：

上下文窗口：

1M tokens

最大输出：

64K tokens

同时新增三档推理模式：

• low；
• medium；
• high。

不同模式对应不同任务。

low模式

适合：

• 简单问答；
• 内容整理；
• 数据格式转换。

优势：

响应速度快，资源消耗低。

---

medium模式

适合：

• 代码分析；
• Agent任务；
• 多步骤处理。

属于日常开发推荐模式。

---

high模式

适合：

• 复杂算法；
• 系统设计；
• 深度推理任务。

但调用成本和时间也会增加。

---

五、API接口变化：Interactions API成为新的推荐方式

Gemini 3.7 Flash同步推出新的Interactions API。

相比传统Chat Completions模式，新接口更加适配Agent应用。

主要变化包括：

1. 推理控制方式调整

过去：

通过temperature、top_p等参数调整。

现在：

通过thinking_level控制：

• low；
• medium；
• high。

---

2. 多轮任务管理优化

传统方式需要客户端维护完整消息记录。

新方式支持通过interaction ID管理上下文。

对于长期运行的Agent任务，这种设计更加方便。

---

3. 更适合工具调用场景

Interactions API更加接近：

• 自动执行；
• 工具调用；
• 长流程任务。

这也是Google向Agent生态发展的信号。

---

六、Gemini 3.7 Flash与DeepSeek V4 Pro对比

2026年8月，多款国产与海外模型同步升级。

Gemini 3.7 Flash和DeepSeek V4 Pro都是当前开发者关注的模型。

简单比较：

维度	Gemini 3.7 Flash	DeepSeek V4 Pro
上下文	1M tokens	1M tokens
最大输出	64K tokens	384K tokens
DeepSWE	65.3%	62.7%
特点	Agent生态、代码能力	长输出、成本优势

如果关注：

• Google生态；
• 多模态能力；
• Agent工具链；

Gemini 3.7 Flash具有优势。

如果关注：

• 长文本输出；
• API成本；
• 国产模型生态；

DeepSeek V4 Pro也是一个选择。

---

七、API统一管理成为多模型使用趋势

随着模型数量增加，开发团队面临的问题也逐渐变化。

以前：

选择一个模型即可。

现在：

一个项目可能同时需要：

• 编程模型；
• 推理模型；
• 多模态模型。

因此，统一API管理方式开始受到关注。

例如4SAPI这类模型接口聚合平台，可以帮助开发者通过统一入口调用不同模型。

这种方式主要价值在于：

• 减少多个平台切换成本；
• 统一管理API接口；
• 根据任务选择不同模型。

近期DeepSeek系列模型价格调整，也让部分开发者重新评估模型调用成本。

通过API聚合方式，可以根据实际需求灵活选择模型，在性能、稳定性和成本之间寻找更合适的组合。

---

八、Gemini 3.7 Flash适合哪些使用场景？

从目前公开能力来看，比较适合：

1. AI编程辅助

例如：

• 代码生成；
• Bug分析；
• 项目理解；
• 自动化开发。

---

2. 企业Agent应用

例如：

• 自动处理业务流程；
• 文档分析；
• 数据整理；
• 工具调用。

---

3. 多模态应用

Gemini系列长期布局多模态能力。

3.7 Flash支持文本、图片、视频、音频等输入形式，适合构建综合型AI应用。

---

九、开发者使用时需要注意的问题

虽然Gemini 3.7 Flash能力提升明显，但实际应用仍需要考虑工程因素。

1. 接口迁移

如果原项目使用旧版接口，需要注意：

• 参数变化；
• SDK更新；
• 调用方式调整。

---

2. 成本控制

Agent任务通常比普通聊天消耗更多Token。

需要关注：

• 请求频率；
• 上下文长度；
• 推理模式选择。

---

3. 权限管理

如果用于代码Agent，需要控制：

• 文件访问权限；
• 工具执行权限；
• 数据安全范围。

---

总结

Gemini 3.7 Flash的发布，体现了Google对于AI Agent方向的进一步投入。

此次升级重点不在模型规模，而在真实任务完成能力。

从公开测试来看：

• FrontierCode 1.1达到43.6%；
• DeepSWE v1.1达到65.3%；
• AutomationBench提升明显。

同时，Interactions API的推出，也代表Google正在围绕Agent重新设计模型调用方式。

未来开发者选择大模型时，除了关注单项能力，还需要综合考虑：

• 模型性能；
• API成本；
• 工程接入难度；
• 长期维护成本。

Gemini 3.7 Flash、DeepSeek V4 Pro以及其他主流模型之间的竞争，也将推动AI开发生态进一步成熟。

本文内容整理截至2026年8月14日，模型价格、接口能力及官方政策请以Google AI开发平台后续公告为准。