Gemini 3.7 Flash：基准测试、定价、API可用性和变化

Lisa Ernst · 17.08.2026 · 人工智能 · 阅读时间 15 分钟

Google 于 2026 年 8 月 13 日发布了 Gemini 3.7 Flash，仅比 Gemini 3.6 Flash 晚三周。此次更新 squarely 针对编码、代理工作流、Web 开发和大量文档知识工作，Google 在多项软件工程和自动化基准测试中公布了比 3.6 Flash 显著的提升。

不同寻常的是定价：Gemini 3.7 Flash 通过标准付费 API 的价格为每百万输入 token 0.75 美元，每百万输出 token 3.75 美元，有效期至 2026 年 12 月 31 日。这些费率是暂时的，将于 2027 年 1 月 1 日翻倍。本指南将解释基准测试结果、API 可用性、模型限制、支持的工具、定价等级以及与 Gemini 3.6 Flash 的实际区别。

来源: pexels.com

主要收获

• 发布： Gemini 3.7 Flash 于 2026 年 8 月 13 日全面上市。
• API 模型 ID： 稳定的 Gemini API 标识符是 gemini-3.7-flash.
• introductory pricing： 标准付费使用费用为每 100 万输入 token 0.75 美元，每 100 万输出 token 3.75 美元，有效期至 2026 年 12 月 31 日。从 2027 年 1 月 1 日起，费率将变为 1.50 美元和 7.50 美元。
• 基准提升： Google 报告 FrontierCode 1.1 Main 得分为 43.6%，DeepSWE v1.1 得分为 65.3%，Code Arena 得分为 1588 Elo，AutomationBench 得分为 30.4%。
• 上下文： 该模型最多接受 1,048,576 个输入 token，最多可返回 65,536 个输出 token。
• 可用性： Google 通过 Gemini API、Google AI Studio、Google Antigravity、Gemini Enterprise 产品以及面向符合条件的 Google AI Pro 和 Ultra 订阅者的 Gemini Spark 提供。

Gemini 3.7 Flash 概览

什么是 Gemini 3.7 Flash？

Gemini 3.7 Flash 是 Google Gemini 3 Flash 系列的下一代产品。Google DeepMind 表示，它基于 Gemini 3.6 Flash，并对模型的核心推理基础进行了算法改进。其定位也变得更加明确：Google 将 3.7 Flash 称为其编码和代理的主要“主力”，而不是一个仅用于最大化原始吞吐量的模型。

这种区别很重要。Flash 模型之所以传统上被选中，是因为它们比大型推理模型更快、更便宜。通过 3.7，Google 试图将更多多步工作纳入这个成本效益高的层级：代码库级别的编码、浏览器或计算机交互、函数调用、复杂文档处理以及需要多次工具调用才能完成答案的业务工作流。

如果您是前代产品的用户，Zerlo 的 Gemini 3.6 Flash 概述 提供了早期模型的发布背景。现在重要的更新是，3.7 Flash 保留了相同的百万 token 上下文窗口和广泛的工具集，同时提高了在 Google 公布的许多代理和编码评估中的性能。

与 Gemini 3.6 Flash 相比有什么变化？

最后一行很容易被误解。Google 将 Gemini 3.7 Flash 描述为以低于 Gemini 3.6 Flash 原始价格一半的价格启动。然而，Google 目前的模型卡显示，在相同的临时促销下，3.6 Flash 和 3.7 Flash 的价格均为每百万 token 0.75 美元（输入）和 3.75 美元（输出）。因此，3.7 目前的标准 token 价格并不比 3.6 便宜；而是与 3.6 的原始发布定价进行比较。

Gemini 3.7 Flash 基准测试

Google 2026 年 8 月的模型卡发布了一套广泛的基准测试，涵盖软件工程、代理终端使用、企业自动化、知识工作、PDF、长上下文、计算机使用和科学推理。以下数字使用该模型卡中的值比较了 Gemini 3.7 Flash 和 Gemini 3.6 Flash。

来源: blog.google

Google 2026 年 8 月的评估表显示，在长时程软件工程、企业工作流自动化、文档理解和计算机使用方面，3.7 Flash 取得了尤其显著的提升。这些基准测试衡量的是不同的工作负载，不应合并为一个通用分数。

提升最显著的领域

最明显的进步体现在需要模型持续工作而非一次性回答的工作负载上。DeepSWE 从 48.6% 上升到 65.3%，而 AutomationBench 从 17.0% 上升到 30.4%。这支持了 Google 的说法，即该模型对于需要规划、调用工具、检查结果和克服障碍的代理更加有用。

在 Google 公布的数据中，文档工作也得到了显著改进。GDP.pdf 从 22.0% 上升到 34.0%，该公司特别强调了金融、法律和生物科学等知识密集型领域，期望在这些领域能有更好的推理能力。这并不意味着该模型可以取代受监管或高风险工作中的专家审查；这只是意味着在测试的任务上，基准测试结果比 3.6 Flash 有了实质性的提高。

3.7 Flash 并非在所有基准测试中都获胜

此次发布并非全胜。在不使用工具的 CharXiv 测试中，Gemini 3.7 Flash 的得分为 84.5%，而 3.6 Flash 为 85.2%；使用工具时，3.7 Flash 得分为 88.7%，3.6 Flash 为 89.4%。在 Google 的跨模型表中，GPT-5.6 Terra 在某些编码和终端评估方面仍然领先。这就是为什么应该使用基准测试表来识别有前景的工作负载，而不是宣布一个普遍的赢家。

还有一个值得注意的小的报告差异：Google 的发布文章将 Gemini 3.6 Flash 在 DeepSWE 上的结果四舍五入为 49.0%，而详细的 DeepMind 模型卡列出了 48.6%。本文在比较表中使用了更精确的模型卡值。

来源: blog.google

Google 还围绕每项已完成的软件工程任务的成本而非仅仅是每 token 的价格来构建此次发布。这才是代理的正确生产指标：重试、推理 token 和重复的工具调用可能比标称的 token 率更重要。

Gemini 3.7 Flash 定价

Gemini 3.7 Flash 有一个限时定价计划。当前的介绍性费率将持续到 2026 年 12 月 31 日。之后，Google 的定价文档将在 2027 年 1 月 1 日将 token 费率翻倍。

输出定价包括思考 token。在介绍期内，标准上下文缓存每百万缓存 token 的费用为 0.075 美元，外加每百万 token 每小时 0.50 美元的缓存存储费；这些费率在 2027 年也将翻倍。Google 搜索 grounding 和 Google Maps grounding 在超出 Google 定价文档中所述的共享月度额度后可能会产生单独的费用。

标准 API 还有一个免费层，列为免费。这不应被视为保证的生产容量：速率限制取决于模型、项目、使用层级和账户状态，Google 明确表示已发布的限制不予保证。对于付费的生产工作负载，模型成本只是预算的一部分；grounding、外部 API、存储以及代理步骤失败或重复都可能改变总成本。

标准 API 成本示例

这些示例仅包括模型的输入和输出 token。它们不包括 grounding、缓存存储、外部服务或应用程序基础设施。

Gemini 3.7 Flash API 可用性

Gemini 3.7 Flash 并非仅是预览发布。Google Cloud 列出了 gemini-3.7-flash 作为 GA，发布日期为 2026 年 8 月 13 日，Gemini API 文档将相同的字符串标识为稳定模型版本。

对于尚未设置访问权限的开发者，Zerlo 的 Gemini API 密钥指南 涵盖了 Google AI Studio 的设置。一旦访问就绪，关键的部署更改是模型标识符；生产迁移仍应包括对工具、模式、延迟和总 token 使用量的回归测试。

来源: pexels.com

切换到新的模型 ID 是简单部分。更安全的迁移是在暂存环境中测试代表性的编码和代理任务，记录任务成功率、延迟、token 使用量、重试次数和工具调用次数，然后才转移生产流量。

速率限制因项目而异

没有一个适用于所有账户的 Gemini 3.7 Flash RPM 或 TPM 数字。Google 按项目而非按 API 密钥衡量每分钟请求数、每分钟 token 数和每天请求数等限制，并根据使用层级和账户状态进行调整。Google 建议直接在 AI Studio 中查看项目的活动限制。批量流量有单独的限制；例如，文档中描述的 Tier 1 批量队列允许 Gemini 3.7 Flash 入队 300 万 token。

上下文窗口、模态和支持的工具

核心 API 信封对于任何已经在使用 3.6 Flash 的人来说都很熟悉：1,048,576 token 的输入上下文和最大 65,536 token 的文本输出。该模型可以摄入文本、图像、视频、音频和 PDF 文档，但它本身不生成图像或音频。

一个迁移陷阱是思维配置。Gemini 3.7 Flash支持低、中、高。Google Cloud文档中的企业代理平台默认使用中等设置，而显式设置最小会产生验证错误。以前使用最小设置的应用程序应将该行为映射到受支持的级别，并重新测量延迟和输出质量。

来源: pexels.com

Gemini 3.7 Flash改进了Google发布的PDF和知识工作成果，这与文档密集型工作流程相关。更大的基准分数并不能消除幻觉风险，因此重要的提取事实和关键决策仍需要验证。

这些变化在实践中的意义

对于编码代理

当应用程序执行长时程编码而非孤立的代码片段时，Gemini 3.7 Flash的升级故事最为强劲。DeepSWE、FrontierCode和Terminal-bench的收益都指向同一个方向：该模型能够更好地完成多步工程任务。Google还表示，它在适应障碍和澄清意图方面更加严谨，当代理有权编辑文件或反复调用工具时，这一点可能很重要。

对于文档和知识工作流程

百万token上下文窗口保持不变，但在发布评估中，处理密集材料的质量似乎有所提高。这使得3.7 Flash成为年度报告、法律文件管道、科学文献、内部知识库和混合PDF工作流程的更强候选者。然而，巨大的上下文窗口并不等于完美的检索；检索系统、文件搜索和提示分段在每次请求时发送所有内容仍然可能更可靠且成本更低。

对于Web开发

Google强调了更强的首次代码准确性、更实用的布局以及更少的提示即可实现功能完整的应用程序。Code Arena的1588 Elo分数是最清晰的公开指标。团队仍应在自己的代码库中评估设计遵循度、浏览器行为、可访问性和框架特定约定，因为综合Web基准无法代表每个前端堆栈。

对于高流量简单任务

不要假设3.7 Flash应该取代所有更便宜的模型。如果工作负载是分类、提取或模板化转换，并且具有非常高的流量，那么Flash-Lite模型在成本和吞吐量方面可能仍然占优。3.7 Flash的目的是将更强的推理和代理性能推入Flash层，而不是成为每个请求的最低成本选项。

是否应该从Gemini 3.6 Flash迁移？

Gemini 3.7 Flash迁移清单

1. 首先在暂存环境中将目标模型更改为gemini-3.7-flash。
2. 检查思维配置。不要发送minimal；选择低、中或高。
3. 重新运行函数调用测试、结构化输出验证和工具权限检查。
4. 使用与生产中相同的代表性文档测试长上下文和PDF工作流程。
5. 测量成功的任务完成率、延迟、输入token数、输出和思维token数、重试次数、轮次和工具调用数。
6. 在比较每个任务的总成本时，包括接地和缓存费用。
7. 逐步推出，并保持一个经过测试的回滚路径到现有的生产模型。

需要注意的限制

Google DeepMind的模型卡列出了基础模型的标准限制，包括幻觉，并指出偶尔的缓慢或超时问题可能会发生。它将Gemini 3.7 Flash的知识截止日期定为2026年3月，同时警告某些领域可能有效限制在2025年1月。因此，当新鲜度很重要时，当前信息仍然需要接地或从最新来源检索。

计算机使用被标记为预览版，因此应用程序应限制权限、验证操作并为关键步骤保留人工确认。该模型还缺乏实时API、图像生成和音频生成。最后，吸引人的初始定价明确是暂时的；2027年有实质性使用量的应用程序应根据促销后费率进行预算，而不是假设2026年8月的价格会持续。Gemini与Claude技术比较提供附加上下文。由于模型迭代和价格变动迅速，请使用最新的供应商文档进行采购决策，并对您计划部署的确切模型进行基准测试。

常见问题

总而言之

Gemini 3.7 Flash 对于 Flash 系列中对开发人员最重要的部分来说是一次有意义的升级：多步编码、代理、自动化和文档密集型工作流。Google 最强的已发布改进并非微小的排行榜推动；DeepSWE 从 48.6% 上升到 65.3%，AutomationBench 从 17.0% 上升到 30.4%，GDP.pdf 从 22.0% 上升到 34.0%，同时模型保持相同的百万 token 上下文窗口和广泛的 Gemini 工具支持。

定价方面同样重要。标准 API 使用暂时为每百万输入 token 0.75 美元，每百万输出 token 3.75 美元，但这些费率将于 2027 年 1 月 1 日翻倍。因此，对于已经使用 Gemini 3.6 Flash 的团队来说，迁移的最佳理由是相同的当前入门 token 费率下更好的任务性能，而不是永久降价。请在实际工作负载上测试 3.7 Flash，包括工具和重试成本，并根据成功任务的成本和可靠性做出迁移决策，而不是仅凭模型名称。