← 返回
精选AI模型发布/更新#Gemini 3.7 Flash#Google DeepMind#编程智能体

Google DeepMind发布Gemini 3.7 Flash,面向编程与智能体任务

Google DeepMind:Blog(RSS)T1
01:0408/14 01:04RSS阅读原文 ↗导出 MD ↓

评分

77
信息增量6 ×0.3

发布了新模型点,但未提供技术细节,信息增量有限。

内容质量7 ×0.2

内容简洁,定位明确,但缺乏深度评测和性能数据。

实用价值8 ×0.2

对开发者和智能体应用者具有直接参考价值,影响工具选型。

时效性9 ×0.15

刚发布的官方消息,时效性极强。

信源可信度10 ×0.15

来源为Google DeepMind官方博客,信源高度权威。

基础分 76.5 × T1 信源权重 ×1 = 77

精选线 60已入选精选

精选理由

消息具有较强的新鲜度和行业关注度,虽细节有限,但核心信息准确反映产品定位。

AI 点评

「这则新闻对关注AI开发工具的人非常关键,因为Flash系列一贯以高性价比著称,3.7版强化编程和智能体能力,意味着现有开发流程可能很快能拥抱更聪明的助手。对Agent创业团队而言,这是必须跟踪的模型动态。」

速览

Google DeepMind正式发布Gemini 3.7 Flash,这是其最智能的主力模型,专为编程和智能体场景优化。该模型在代码生成、调试及自主智能体任务中展现高效性能,旨在平衡速度与智能,成为开发者日常使用的可靠工具。此次发布进一步巩固了DeepMind在AI模型领域的领先地位,也为企业和开发者提供了更强大的应用基础。

  • Gemini 3.7 Flash被定位为最智能的主力工作模型,重点强化编程与智能体能力。
  • 该模型针对代码生成、调试和自主智能体任务进行优化,强调效率与响应速度。
  • 发布标志着DeepMind在面向实用场景的模型布局上更进一步,服务开发者生态。

正文

Breadcrumb
  1. 首页
  2. 创新与 AI
  3. 模型与研究
  4. Gemini 模型

推出 Gemini 3.7 Flash

2026年8月13日

|

这是我们迄今最智能的、适用于编程和智能体的主力模型。


Tulsee Doshi

产品管理高级总监,代表 Gemini 团队

Share
Spark icon next to the text "Gemini 3.7 Flash", all on a light blue backgorund

您的浏览器不支持音频元素。

Listen to article [[duration]] minutes This content is generated by Google AI. Generative AI is experimental Voice Speed Voice Speed 0.75X 1X 1.5X 2X

今天,我们基于广泛使用的 Flash 系列所取得的进展,推出 Gemini 3.7 Flash,这是我们迄今最智能的、适用于编程和智能体的主力模型。

此次发布距离 Gemini 3.6 Flash 仅三周,是开发者反馈和算法创新的直接成果,我们期待将这些创新应用于未来的模型。3.7 Flash 在软件工程、知识工作和 Web 开发工作流方面带来了显著改进——其介绍期价格为原 3.6 Flash 每百万 token 成本的一半。

为复杂工作流带来更强的智能

a chart showing production code quality a chart showing long-horizon software engineering a chart showing web development a chart showing Expert PDF document comprehension a chart showing enterprise workflow automation

3.7 Flash 在调试和问题解决等编码任务上相比 3.6 Flash 有显著提升。它还实现了更高的首过代码准确率,并在生成可用于生产的代码方面表现更佳,如 FrontierCode 1.1 Main(43.6% vs 34.4%)和 DeepSWE v1.1(65.3% vs 49.0%)所示。

在 Web 开发方面,3.7 Flash 能用更少的提示生成更实用的布局和功能更完整的应用。对于 UI 生成,该模型表现出高设计遵从性,并能基于参考输入(无论是截图、图像还是完整的设计系统)实现同等效果。它还在 Arena.ai 的 WebDev Arena 上以 1588 对 1538 的 Elo 分数胜过 3.6 Flash。

对于金融、法律和生物科学等知识密集型领域,3.7 Flash 提供了更强的推理能力和准确性。在 GDP.pdf 基准测试(34.0% 对比 22.0%)上,它显著优于 3.6 Flash,该测试用于评估模型处理复杂文档的能力。它还在 AutomationBench 中超越 3.6 Flash,表明它能更有效地完成真实世界的业务流程(30.4% 对比 17.0%)。

从简单的文本提示到完整可玩的 3D 游戏。我们使用 Gemini 3.7 Flash 结合 Nano Banana 实时动态生成角色、物品和纹理。

一次生成惊艳的交互式落地页。我们使用 Gemini 3.7 Flash 编排子代理,并使用 Gemini Omni 创建流畅的交互式视差组件。

一个机器人模型正在使用 Gemini 3.7 Flash,通过多模态理解在 3 代理图循环中训练,帮助机器人更快学习。

从静态 PDF 到交互式数据故事。看看复杂的年度报告如何转变为包含实时图表和聚合洞察的引人入胜的网页体验。

更佳的开发者体验和价格

Gemini 3.7 Flash 相比 3.6 Flash 带来了显著改善的开发者体验。它能更好地应对障碍,在需要时澄清意图,并以更高的保真度遵循指令。它更勤于思考,在多步规划和工具调用上投入更多精力。更严格的执行意味着在工程工作流中需要更少的人工监督和更少的重试。

3.7 Flash 在年底前以优惠价 1 提供,输入每 100 万 token $0.75,输出每 100 万 token $3.75。这一价格与增强的模型性能相结合,使开发者和客户能够经济高效地扩展生产级代理。

an image of a performance to cost comparison chart

早期客户反馈凸显了 3.7 Flash 的性能和精确度,能以低成本实现显著优于 3.6 Flash 的结果。

Quote from Cartwheel Quote from Harvey Quote from Hebbia Quote from LangChain Quote from Nunu.ai Quote from Open Code Quote from Stanford Department of Biology

使用 3.7 Flash 改进 Gemini Spark

Gemini Spark 面向超过 160 个国家的 Google AI Pro 和 Ultra 订阅者提供,从今天起将使用 Gemini 3.7 Flash。我们在 I/O 大会上推出了 Spark,作为你的个人 AI 代理,全天候运行,在你的指导下代表你采取行动。此次模型更新使 Spark 在知识工作上更加高效,改进了对 Google Workspace 应用的工具使用,为复杂的多技能工作流提供了更高的准确性和输出质量。

借助 3.7 Flash,Gemini Spark 可以通过整合文件、起草电子邮件和更新状态文档,更高效地将想法转化为行动。

以安全为核心设计

我们持续致力于提高 Frontier Safety 保障措施的覆盖范围和稳健性。Gemini 3.7 Flash 附带更新的保障措施,以防止化学、生物、放射性和核(CBRN)以及网络攻击领域的滥用,同时支持有益的使用场景,遵循 我们的生物韧性方法和我们的 网络计划。

更多信息,请参阅 3.7 Flash 模型卡。

立即试用

详细基准测试

a chart displaying AI model benchmarks

在收件箱中获取 Google 的最新资讯

订阅我们的新闻通讯,获取产品更新、活动信息、特别优惠等。

完成。还差一步。

请检查收件箱以确认订阅。

你也可以使用其他电子邮件地址订阅。

您的信息将按照Google的隐私政策。您可以随时选择退出。

POSTED IN:

相关条目

91

五维评分

信息增量9 ×0.3

详细揭示了两个具体设置如何协同作用实现三倍性能提升,信息增量高。

内容质量8 ×0.2

来自OpenAI官方,数据明确,结构清晰,但缺少对比实验细节。

实用价值9 ×0.2

为AI工程师提供了可直接操作的性能调优方案,实用性强。

时效性10 ×0.15

消息刚发布,具有高度时效性。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:00OpenAI:News(RSS)T1RSS

精选启用两项设置使ARC-AGI-3基准测试分数提升三倍

这项发现太关键了!它表明模型的性能不仅取决于训练,还取决于推理时的配置。对于AI工程师和研究者来说,这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队,可能会因此找到低成本提升能力的方法。

科技模型#ARC-AGI-3#GPT-5.6#OpenAI
91

五维评分

信息增量9 ×0.3

首次公开GPT-5.6具体效率优化细节,此前仅有传闻。

内容质量8 ×0.2

内容简洁,关键指标明确,但缺乏详细技术文档支撑。

实用价值9 ×0.2

直接指导企业如何降低AI部署成本,具有商业参考价值。

时效性10 ×0.15

刚发布的官方新闻,时效性极强。

信源可信度10 ×0.15

来源为OpenAI官方博客,信源权威。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00OpenAI:News(RSS)T1RSS

精选GPT-5.6:前沿智能与前沿效率的融合

这条消息值得关注,因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说,GPT-5.6意味着可以用更少预算获得更高性能,尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步,可能重新定义‘前沿’的标准。

AI模型#Agent工作流#GPT-5.6#OpenAI
91

五维评分

信息增量8 ×0.3

首次提出针对CPU优化的1M上下文模型,填补了边缘设备长文本推理的空白,信息增量显著。

内容质量9 ×0.2

技术细节清晰,提供了基准测试对比和架构解释,图文并茂,质量上乘。

实用价值10 ×0.2

直接降低长上下文应用的硬件成本,开源权重可立即部署,实用价值极高。

时效性10 ×0.15

当日发布的博客,且长上下文推理是当前AI热点,时效性满分。

信源可信度9 ×0.15

Hugging Face官方博客,作者为Liquid AI,属于第一方技术发布,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:01Hugging Face:Blog(RSS)T1RSS

精选LFM2.5-Encoder:面向CPU快速长上下文推理的新模型

这篇博文让我眼前一亮,因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者,LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。

AI模型#CPU推理优化#LFM2.5-Encoder#Liquid AI
91

五维评分

信息增量9 ×0.3

首次公开自动化红队系统的具体机制与实验发现,信息增量高。

内容质量8 ×0.2

来自官方,结构清晰,但未提供完整技术细节(如具体模型版本),扣1分。

实用价值9 ×0.2

对AI安全工程师、模型开发者和企业部署者直接指导作用,实用性极强。

时效性10 ×0.15

刚刚发布,是当前AI安全领域最前沿进展之一。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威且一手。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选GPT-Red:OpenAI通过自我对弈实现AI红队自动化,提升模型鲁棒性

GPT-Red 是红队测试从人工到自动化的里程碑,特别适合安全工程师和对齐研究者关注。它直接降低了测试成本,但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。

AI模型#AI安全对齐#GPT-Red#OpenAI
91

五维评分

信息增量9 ×0.3

这是首个针对AI模型生物安全的漏洞赏金计划,为行业提供了全新的安全评估视角。

内容质量9 ×0.2

官方来源,内容清晰,涵盖范围、奖励、准则等关键细节。

实用价值8 ×0.2

对AI安全研究员和生物安全专家有直接参与价值,但普通用户关联度较低。

时效性10 ×0.15

刚刚发布,完全符合新闻时效要求。

信源可信度10 ×0.15

OpenAI官方RSS和博客,信源权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选OpenAI推出GPT-5.5生物漏洞赏金计划

这个计划值得关注,因为它首次将AI漏洞赏金制度拓展到生物安全领域,不仅为安全社区提供了新的研究方向,也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。

AI模型#Bio Bug Bounty#GPT-5.5#OpenAI
91

五维评分

信息增量8 ×0.3

公布了vLLM新后端的具体架构设计与实测数据,对了解推理优化前沿有较高信息增量。

内容质量9 ×0.2

技术细节清晰,有定量性能对比,来源为官方博客,内容质量高。

实用价值10 ×0.2

直接降低LLM部署门槛与成本,对AI工程化落地具有极高实用价值。

时效性10 ×0.15

发布即时,属于最新技术动态,时效性满分。

信源可信度9 ×0.15

来源为Hugging Face官方博客,vLLM为开源权威项目,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00Hugging Face:Blog(RSS)T1RSS

精选vLLM推出原生速度Transformers建模后端,大幅提升推理性能

这项更新对于AI工程团队非常关键:无需格式转换意味着能更快地迭代模型,而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理,这几乎是必读的技术更新。

AI模型#Hugging Face#PagedAttention#Transformers
90

五维评分

信息增量9 ×0.3

手语转文本是AI无障碍领域的新突破,提供了此前罕见的具体模型信息。

内容质量8 ×0.2

来源权威,内容清晰描述了模型功能、应用场景和开发理念。

实用价值9 ×0.2

对聋人群体、开发者和无障碍研究者具有直接参考与应用价值。

时效性9 ×0.15

刚刚发布的官方公告,时效性非常高。

信源可信度10 ×0.15

Google DeepMind官方博客,信源可信度极高。

基础分 89.5 × T1 信源权重 ×1 = 90

精选线 60已入选精选

22:01Google DeepMind:Blog(RSS)T1RSS

精选Google DeepMind 发布手语转文本模型 SL2T,助力聋人用户

这则消息的意义不仅在于技术突破,更在于AI开始真正关注边缘群体的需求。对开发者而言,SL2T的架构思路和技术路径值得深入研究;对无障碍倡导者来说,这是推动行业标准的重要案例。

AI模型#Google DeepMind#SL2T#手语识别

引用前请核对原文