型号评测 · 基准测试 · 实际API测试
Gemini 3.7 Flash 被定位为一款适用于编码、智能代理任务、多模态输入及日常创作任务的高速、具备推理能力的模型。更有意义的问题则更具挑战性：当这两个模型收到相同的提示时，它生成的最终作品是否比 Gemini 3.6 Flash 更出色？
本篇关于 Gemini 3.7 Flash 的评测将证据分为三类。谷歌的文档提供了有关模型参数、定价以及官方基准测试声明的支持信息；Artificial Analysis 则提供了独立的第三方基准测试背景信息；而我们的实测对比采用了七项匹配的 API 任务，两款模型均使用了相同的提示词和生成设置。.
Gemini 3.7 Flash 已列入通过 GlobalGPT Gemini 3.7 闪存型号页面. 这样，您就可以在一个地方对多个模型运行同一个提示，包括本评测中使用的基线模型。有关相关背景信息，请参阅我们的 Gemini 3.6 闪评 和 Gemini 3.6 Flash 与 Gemini 3.1 Pro 对比.
Gemini 3.7 闪评：简短总结
在已完成的六组任务中，有三组任务中，Gemini 3.7 Flash 生成的答案完成度更高, ，而Gemini 3.6 Flash则取得了两胜一平的成绩。其优势体现在编码、数据推理以及符合声明要求的SEO编辑方面。Gemini 3.6 Flash编写了更简洁的前端文本方案，并进行了更细致的状态提取，而在代理规划方面则以平局收场。.
评论快照
| 度量 | 观测结果 | 是什么意思 |
|---|---|---|
| 输出质量 | 3.7 胜 3 场；3.6 胜 2 场；1 场平局 | 评判依据是每张卡片上展示的完成作品。. |
| 速度 | 混合型 | 3.7 在四项任务中完成得更快，但3.6在六项任务中的平均成绩略低。. |
| 代币效率 | 3.7 使用了 7,948 个输出令牌；3.6 使用了 10,058 个 | 在所有已完成的任务中，3.7 生成的输出令牌比 21% 少。. |
| 3.7的最高成绩 | 安全无风险的SEO编辑 | 它遵循了已确定的事实，没有添加任何缺乏依据的描述。. |
这六项是小型、受控的文本任务，并非通用模型排名。T01被排除在外，因为两个模型均未在规定的输出上限内完成要求的答案。.
什么是 Gemini 3.7 Flash？
Gemini 3.7 Flash 是谷歌推出的一款稳定的高吞吐量模型，适用于仍需借助推理能力完成的工作。谷歌列出的输入类型包括文本、图像、视频、音频和 PDF；支持的功能包括函数调用、代码执行、搜索锚定、文件搜索、结构化输出以及计算机使用（预览版）。 实际的问题在于，这些控制措施如何转化为最终成果。.
发布日期与供货情况
截图中显示的“人工分析”页面标明了 Gemini 3.7 Flash（高）版本，其发布时间列为 2026 年 8 月。如需了解权威状态、型号 ID、支持的功能以及发布详情，请使用 Google 的 官方 Gemini 3.7 闪存模型卡 以及相关联的 API 文档。可用性可能因产品、地区、账户和型号层级而异，因此仅凭列出了某款型号的页面，并不能作为该型号普遍可用的证明。.
与 Gemini 3.6 固件相比，有哪些变化？
这一变化不仅仅体现在基准分数的提升上。谷歌将 Gemini 3.7 Flash 描述为 Gemini 3.6 Flash 的迭代版本，其推理基础和可定制化思维均得到了改进。在我们的配对测试中，这体现在三个任务上对约束的处理能力有所增强，但并未包揽所有任务的胜利。.
| 比较区域 | Gemini 3.7 Flash | Gemini 3.6 Flash | 观察到的证据 |
|---|---|---|---|
| 代码错误修复 | 正确，测试更简洁 | 没错，但更长一些 | 3.7 小胜 |
| 文本前端方案 | 可处理，存在两处编辑错误 | 更简洁，内部一致性更强 | 3.6 微胜 |
| 状态感知提取 | 完全回忆起来了，但有一个被夸大的“成功”标签 | 更精确的状态描述 | 3.6 微胜 |
| 数据推理 | 没错，默认分隔符更清晰了 | 正确，但需补充更多条件细节 | 3.7 小胜 |
| 代理规划 | 强停止门 | 更具体的工具调用细节 | 领带 |
| SEO编辑 | 保留了所有已锁定的索赔 | 添加了一个不受支持的形容词 | 3.7 小胜 |
Gemini 3.7 Flash 规格与上下文窗口
规格很重要，因为它们界定了进行公平比较的条件。如果您比较的是计划限额而非模型行为，那么我们的 Gemini 限额与配额指南 这是更详细的后续说明。上下文窗口的数值并不意味着模型能准确概括每篇长文档；它仅说明该 API 设计上能够处理的范围。下面的提取测试将分别检验召回率、矛盾处理和未知项的处理情况。.
| 规格 | Gemini 3.7 Flash | Gemini 3.6 Flash | 资料来源 |
|---|---|---|---|
| 返回的 API 模型 ID | gemini-3.7-flash | gemini-3.6-flash | 记录的 API 响应 |
| 输入上下文 | 最多 100 万个代币 | 最多 100 万个代币 | Google 模型卡片 |
| 最大文本输出量 | 64K 个代币 | 64K 个代币 | Google 模型卡片 |
| 记录在案的投入 | 文本、图片、音频、视频 | 文本、图片、音频、视频 | Google 模型卡片 |
Gemini 3.7 闪存定价与 API 费用
定价需要明确区分公布费率与单个具体答案的成本。捕获的人工分析摘要显示： 每100万个输入代币为$0.75 和 每100万个输出代币为$3.75 针对所选的 Gemini 3.7 Flash（高）产品条目。这些数据来自第三方页面，不能替代谷歌的官方定价表，也不代表所有接入路径的情况。.
捕获的第三方价格上下文
仅供参考。这些条形图不能替代官方计费单位、计费层级、地区或缓存/批处理规则。.
"(《世界人权宣言》) Google 模型卡片 列出了API的入门费率为 每100万个输入代币为$0.75，每100万个输出代币为$3.75 适用于两款 Flash 机型，有效期至 2026 年 12 月 31 日。下文中的每张卡估算值是将该费率应用于已记录的代币；其中不包括重试、缓存、税费以及特定路由费用。.
| 成本项目 | Gemini 3.7 Flash | Gemini 3.6 Flash | 证据边界 |
|---|---|---|---|
| 初始输入价格 | $0.75 / 1M | $0.75 / 1M | Google 模型卡；有效期至 2026 年 12 月 31 日 |
| 初始出厂价 | $3.75 / 1M | $3.75 / 1M | 不同路线的计费方式可能有所不同 |
| 六组已完成的测试 | 关于 $0.0303 | 关于 $0.0382 | 源自已记录的令牌；不包括 T01 |
Gemini 3.7 Flash 官方基准测试
官方基准测试回答了一个狭义的问题：该模型在已发布的评估中，按照该评估的设置表现如何。这些基准测试虽能提供有用的背景信息，但不能替代本评测中基于相同提示词的输出对比。.
编程、智能体和推理基准测试
Google 的型号卡片和官方文档是验证 Google 自身基准测试声明的依据。最终版本将针对每个数值列出相应的指标、日期、机型、对比机型以及测试环境。例如，与旧款机型相比获得的 3.7 这一结果，不会被悄然表述为“3.7 对比 3.6”。.
基准测试的收益无法证明什么
- 更高的编码评分并不意味着每个仓库的第一个补丁都更干净。.
- 推理分数并不能证明某人在SEO编辑或截图解读方面更胜一筹。.
- 第三方智力指数不能替代本综述中针对具体任务的证据。.
- 不应将重叠的不确定性或不同的测试设置作为决定性的排名依据。.
我们如何测试 Gemini 3.7 Flash
这是一次匹配的API测试，而非一组互不相关的演示。 两个模型均采用了相同的提示词、源材料、温度值0、输出令牌上限以及呈现方式。T05是在两个模型的首次尝试均触及较低输出上限后，通过共享的5,000令牌重跑获得的评分。T01在两个模型中均未完成，即使经过相同的重跑也是如此。.
| 记录字段 | 为什么重要 |
|---|---|
| 模型 ID 和返回的模型 ID | 确认所请求的模型即为作出响应的模型。. |
| 已过去的时间（秒） | 测量同一路由下的端到端响应时间。. |
| 输入和输出令牌 | 支持提供一份可比的成本估算。. |
| 格式符合性 | 区分正确的答案和仍需在结构上进行整理的答案。. |
| 编辑质量 | 检查正确性、完整性、特异性、呈现方式以及安全性声明。. |
带有请求头但无可用输出的请求将被标记为执行问题，且不会被计为质量损失。.
Gemini 3.7 Flash 实际测试结果
每张卡片都显示了实际的任务要求、每条已保存回复的忠实摘录，以及基于最终成果做出的评估结果。耗时为端到端时间。费用采用上述提到的谷歌入门级费率。.
测试 1 — 研究综述
任务输入： 仅使用提供的四项事实，撰写一篇180词的购买建议，内容应包括一项建议、三个理由、两个未知因素以及一个测试计划。.
Gemini 3.7 Flash
33.427秒 · 85个输入令牌 / 4,996个输出令牌 · 估计值 $0.01880简体中文（大陆）
第二次匹配运行在达到5,000个令牌的上限后停止，随后生成了一个可用的180词推荐结果。.
Gemini 3.6 Flash
28.706秒 · 85个输入令牌 / 4,996个输出令牌 · 估算值 $0.01880简体中文（大陆）
它返回了相同的完成令牌计数和相同的 长度 完成原因。.
输出结果显示了什么
这两款模型首先达到了2,400个令牌，随后在5,000个令牌处再次出现了相同的行为。部分文本不被视为质量证据。.
测试 2 — 代码错误修复
任务输入： 修复 top_paid(records) 返回三个数值最大的已支付记录，在数值相同时保持输入顺序，保留签名，处理空输入，说明原因，并添加两个测试用例。.
Gemini 3.7 Flash
11.379秒 · 90个输入令牌 / 1,431个输出令牌 · 估计 $0.00543
paid.sort(key=lambda r: r["amount"], reverse=True); return paid[:3]它确定了升序排序是导致问题的原因，并测试了过滤、排序、并列情况以及空输入。.
Gemini 3.6 Flash
13.984秒 · 90个输入令牌 / 2,273个输出令牌 · 估计值：$0.00859（简体中文（大陆））
paid.sort(key=lambda r: r["amount"], reverse=True); return paid[:3]它生成了同样正确的补丁，并满足了相同的验收标准，只是响应时间更长。.
输出结果显示了什么
两者都正确地利用了 Python 针对平局情况提供的稳定排序算法。3.7 中的解法更简洁，但最终生成的代码和代码覆盖率是等效的。.
测试 3 — 文本前端实现计划
任务输入： 针对所述的双栏结账页面，制定修复方案，以解决以下问题：多余的空白、层次结构不清晰、"立即支付"标签过小、信任提示可见度低、折扣警告、总金额显示以及移动端页面堆叠问题。. 未提供截图。.
Gemini 3.7 Flash
15.009秒 · 86个输入令牌 / 1,591个输出令牌 · 估计耗时 $0.00603
该方案提出了58/42的网格布局、48–56像素的CTA按钮、附近的信任徽章、琥珀色警告、移动端堆叠布局、焦点状态以及44像素的触摸目标。.
Gemini 3.6 Flash
15.254秒 · 86个输入令牌 / 1,767个输出令牌 · 估计耗时 $0.00669
它呈现了始终如一的 60/40 布局、明确的字体大小、48–52px 的行动号召按钮、有序的右侧栏内容、断点以及无障碍检查。.
输出结果显示了什么
这两处都需要修改。3.7版的答案中写道“点击”可负担性“”，显然是指“可操作性”，还将一个非对称网格称为“对称的”。3.6版需要修改的地方较少。.
测试 4 — 状态感知提取
任务输入： 请用120个词概括关于Orion的九个事实，并附上一张表格，同时保留“已确认”、“计划中”、“待定”、“未知”和“未核实”这几种状态。.
Gemini 3.7 Flash
13.681秒 · 117个输入令牌 / 1,064个输出令牌 · 估计值 $0.00408简体中文（大陆）
报告对图片占比较大的18%项目仍未给出结果，但将82%试点项目的结果描述为“成功”，并将第二个试点项目标记为“已确认/计划中”。”
Gemini 3.6 Flash
9.270秒 · 117个输入令牌 / 1,454个输出令牌 · 估计耗时 $0.00554
该文件中对该试点项目作出了中立描述，称其处理了82%起案件，并将第二个试点项目标注为“已批准（法律程序待定）”。”
输出结果显示了什么
两者均保留了所有重要事实。Gemini 3.6 Flash 对“已批准”、“待定”和“未知”这三种状态的描述更为准确，而 3.7 对首次试飞的描述则略有夸大。.
测试 5 — 数据推理
任务输入： 根据四个渠道的广告支出、点击量、付费转化和收入数据，展示相关计算结果，按可衡量ROAS和转化率进行排序，将零广告支出视为不可衡量，并建议采用“$300”的条件分配方案。.
Gemini 3.7 Flash
16.540秒 · 137个输入令牌 / 1,981个输出令牌 · 估计耗时 $0.00753
ROAS：电子邮件 7.00×，搜索 3.00×，社交媒体 2.60×；合作伙伴数据无法衡量。转化量：电子邮件 12.5%，搜索和合作伙伴 10%，社交媒体 5%。该广告提供了三种条件分组。.
Gemini 3.6 Flash
18.096秒 · 137个输入令牌 / 2,403个输出令牌 · 估计耗时 $0.00911
它生成了相同的排名和边界情况处理方案，随后提供了效率、多元化以及“合伙人测试”分配方案。.
输出结果显示了什么
这两种计算方式都是正确的，且都使该建议带有条件性。两者都围绕“Partner”的零支出添加了推测性内容，因此该句需要来源佐证或予以删除。.
测试 6 — 主动规划与工具使用
任务输入： 仅使用四种已命名的工具，制定一份不超过220词的计划。如果页面不可用、非官方或含义模糊，请停止操作，且不要声称已运行这些工具。.
Gemini 3.7 Flash
10.787秒 · 100个输入令牌 / 1,174个输出令牌 · 估计耗时 $0.00448
其四个步骤与提供的工具一一对应，随后依次经过“官方域名”、“可用性”和“清晰度”三个审核环节。完成该流程需要且仅需一条经过验证的CSV记录。.
Gemini 3.6 Flash
9.702秒 · 100个输入令牌 / 1,328个输出令牌 · 估算值 $0.00506简体中文（大陆）
该方案虽然可行，但增加了“或解析 HTML 正文”这一操作，而该操作超出了所提供工具的范围。.
输出结果显示了什么
两者都遵守“官方来源停止规则”，并避免伪装成已执行工具。3.7方案对可用函数的限制更为严格。.
测试 7 — SEO 写作与编辑
任务输入： 返回的 HTML 内容仅包含一个段落和一个简短列表，精确使用该关键词一次，并保留四个已锁定的事实，切勿杜撰结果、价格、发布日期或可用性声明。.
Gemini 3.7 Flash
7.263秒 · 125个输入令牌 / 707个输出令牌 · 估计 $0.00275
<p>在即将发布的这篇关于 Gemini 3.7 Flash 的评测中，我们将通过对比官方基准测试数据与采用相同提示词的 API 测试结果，对谷歌的该模型进行分析；实际测试结果目前尚未公布。.</p>它遵循了 HTML 结构，仅使用了一次该关键字，并保留了已锁定的声明。.
Gemini 3.6 Flash
7.542秒 · 125个输入令牌 / 833个输出令牌 · 估计耗时 $0.00322
<p>这篇关于 Gemini 3.7 Flash 的初步评测对谷歌的新机型进行了评估……不过详细的实机测试结果目前尚未公布。.</p>结构是正确的，但“新模型”提出了一个超出已定事实范围的主张。.
输出结果显示了什么
决定性的区别在于声明安全性：3.7 版本拒绝添加该无支持依据的描述符，同时返回了有效的紧凑 HTML。.
Gemini 3.7 闪电测试评分表及要点总结
从最终输出质量来看，Gemini 3.7 Flash 在对比中表现更佳，但这种优势主要源于指令执行的严谨性，而非性能上的显著差距。Gemini 3.6 Flash 在代码和算术运算方面仍具竞争力，且生成的前端计划更优。.
配对测试成绩单
| 度量 | Gemini 3.7 Flash | Gemini 3.6 Flash |
|---|---|---|
| 任务胜利 | 3 | 2 |
| 优质领带 | 1 | 1 |
| 结果不明确的任务 | 1 | 1 |
| 可用的已完成任务 | 第 6 页，共 7 页 | 第 6 页，共 7 页 |
| 已完成任务的输出令牌 | 7,948 | 10,058 |
| 最佳观测结果 | 有界能动计划 | 文本前端方案 |
Gemini 3.7 闪存限制
观察到的最大局限性是相同的：在处理一项仅包含180个单词的简单研究综述请求时，这两个模型都耗尽了全部输出配额两次。在测试配置下，T01无法使用。.
Gemini 3.7 Flash 的表现并非全面优异。其前端方案中存在措辞错误，且内部布局与描述不符；而两个数据答案均围绕零消耗通道引入了推测性上下文。 该包仅使用了文本输入，因此无法评估图像、音频、视频或真正长上下文的质量。.
Gemini 3.7 Flash 值得购买吗？
是的，当需要严格遵守指令时，Gemini 3.7 Flash 确实值得测试。. 它在六个可用的任务对中赢得了三项已完成的任务，且总输出令牌数更少。但在简单的代码修复、算术运算或界面规划方面，其表现则不那么突出——在这些任务中，Gemini 3.6 Flash 要么赢得了前端任务，要么表现得非常接近。.
您可以在以下位置运行相同的命令提示符： GlobalGPT 并将其与同一工作区中的 Gemini 3.6 Flash 进行比较。请将您的定期任务作为决定性测试。.
Gemini 3.7 闪评：最终评价
这篇关于 Gemini 3.7 Flash 的评测以一个虽有争议但站得住脚的结论收尾： Gemini 3.7 Flash 赢得了三项已完成的任务，Gemini 3.6 Flash 赢得了两项，还有一项打成平手。. 有一项研究任务未能得出明确结论，因为两个模型都两次达到了共同的输出上限。.
Gemini 3.6 Flash 并未过时。它生成了更优秀的文本前端方案和更严谨的状态表，而 3.7 在编码、数据推理以及基于锁定事实的 SEO 编辑方面表现更强。在代理规划任务上两者不分伯仲，因此此次升级是选择性的，而非绝对的。.
Gemini 3.7 闪存常见问题解答
Gemini 3.7 固件是什么时候发布的？
谷歌将 Gemini 3.7 Flash 列为稳定型号，该型号的文档最后更新于 2026 年 8 月 13 日。.
Gemini 3.7 Flash 版本是稳定版还是预览版？
在 Google 的 Gemini API 模型文档中，该功能被标记为“稳定”。但 AI Studio、Gemini 消费级产品以及第三方接口仍可能显示不同的可用性或配额。.
Gemini 3.7 Flash API 的型号 ID 是什么？
所请求的比较使用了 `gemini-3.7-flash`，但在最终文章将其标记为“已验证”之前，必须先从 API 响应中记录下返回的模型 ID。.
Gemini 3.7 Flash 的价格是多少？
截至2026年12月31日，谷歌付费层级的费率为：每100万个输入令牌$0.75，每100万个输出令牌$3.75； 自2027年1月1日起，列出的费率将调整为$1.50/$7.50。.
Gemini 3.7 Flash 是否免费？
面向消费者或第三方的可用性并不意味着可以无限制地免费访问 API。请查看您计划使用的访问方式对应的接口、配额、速率限制和计费条款。.
什么是 Gemini 3.7 Flash 上下文窗口？
截图中显示的“人工分析”摘要包含一个100万个令牌的上下文列表。请查阅谷歌的文档，确认确切的官方上下文限制，以及针对长上下文的定价或功能限制。.
Gemini 3.7 Flash 是否支持图片、音频、视频和 PDF 文件？
请核实具体 API 模型 ID 所支持的输入类型。在评审过程中，每种受支持的输入模式将被视为文档中记载的功能，而非证明所有输入类型质量均等。.
什么是 Gemini 3.7 闪存思考层级？
Gemini 3.7 Flash 配备了可配置的智能控制功能。具体级别、默认值、代币行为以及计费影响应参考官方 API 文档。.
Gemini 3.7 Flash 比 Gemini 3.6 Flash 更好吗？
在这项匹配的API测试中，Gemini 3.7 Flash在三项完成的任务中胜出，Gemini 3.6 Flash在两项中胜出，一项打平，另一项结果不明确。这表明3.7版本仅具有微弱优势，而非全面胜出。.
Gemini 3.7 Flash 比 Gemini 3.1 Pro 更好吗？
本草案并未作出此类主张。Gemini 3.1 Pro 是一个不同的对比基准，因此需要其专属的匹配提示集和证据，而非基于 Gemini 3.6 Flash 对比结果的推断。.
Gemini 3.7 Flash 适合编程吗？
是的，在本文测试的这一狭义的错误修复任务中，两种模型都生成了正确的最小补丁，但 Gemini 3.7 Flash 因测试覆盖率更干净且完成标记更少，略胜一筹。.
Gemini 3.7 Flash 能否使用工具并运行代理工作流？
请查阅官方工具和函数调用文档以了解确切的执行路径。本评测中的代理测试旨在评估规划能力和边界感知能力；它并不主张仅凭一个计划就能证明工具执行成功。.
在哪里可以获取 Gemini 3.7 固件？
如有提供，请使用谷歌的官方接入点；否则，请尝试 GlobalGPT 型号页面 当该模型在您的账户和所在地区启用时。.
官方基准测试结果与实际使用情况一致吗？
并非自动如此。官方基准测试和第三方评估提供了有用的背景信息，而相同提示词测试则展示了模型如何处理正在被测量的特定任务。本评测将这些证据类型区分开来。.
