Gemini 3.7 Flash: быстрее, дешевле, но без Pro-версии

Google выпустила Gemini 3.7 Flash — модель, которую сама компания называет «самой умной рабочей лошадкой» для кода и агентных задач. Релиз пришёл всего через три недели после Gemini 3.6 Flash. Google описывает это как результат обратной связи разработчиков и алгоритмических находок, которые команда обещает применять и к будущим моделям.

Анонс от Демиса Хассабиса был лаконичен: «мажорные апгрейды для софтверной инженерии, вебдева и knowledge work, а вводная цена — вдвое ниже прежней. Happy building». Модель уже в статусе General Availability и «готова для продакшена», подтверждает официальный гайд разработчика от Google ИИ Studio.

Цифры релиза: контекстное окно 1 048 576 токенов на входе, максимальный вывод 65 536 токенов, уровни мышления low/medium/high. Вводная цена — $0,75 за 1M входных токенов и $3,75 за 1M выходных. С 1 января 2027 года цена вырастет до $1,50 и $7,50 соответственно. Модель принимает текст, изображения, видео и аудио.

Между Gemini 3.6 Flash и Gemini 3.7 Flash прошло буквально три недели. Большинство лабораторий выкатывают крупные обновления раз в несколько месяцев. И вот тут вступает вопрос: где Gemini 3.5 Pro? Топовая модель задерживается уже который раз подряд. Забавно, но параллельно с этим Google продолжает вкладываться в Gemma.

По собственным замерам компании, прогресс относительно 3.6 Flash выглядит так: DeepSWE v1.1 вырос с 49% до 65,3%, FrontierCode 1.1 Main — с 34,4% до 43,6%, WebDev Arena Elo — с 1538 до 1588 очков. Отдельная гордость Google — работа с документами и автоматизацией бизнес-процессов: на бенчмарке GDP.pdf, тестирующем понимание сложных документов, показатель вырос с 22 до 34%, а на AutomationBench, измеряющем выполнение реальных бизнес-воркфлоу — с 17% до 30,4%.

Ребята из Artificial Analysis разложили релиз по полочкам. По их замерам, Gemini 3.7 Flash (high) достигает 56 б. по Artificial Analysis Intelligence Index — это на 4 п. выше предшественника, и модель оказывается «прямо позади» GPT-5.6 Terra (max, 57 баллов) и Muse Spark* 1.2 (xhigh, 57 баллов) (* компания Meta является запрещённой в России). Главный вклад в этот скачок дали агентные бенчмарки: Tau3 Banking (+3 балла), Terminal-Bench v2.1 (+8 баллов) и GDPval-AA v2 (+103 очка Elo).

Отдельная деталь, ради которой Artificial Analysis вообще запустили серию твитов — «граница Парето» между интеллектом и скоростью выполнения задачи. Модель выдаёт около 340 токенов в секунду — это почти втрое быстрее GPT-5.6 Terra и GLM-5.2, и при этом на высоком уровне рассуждений среднее время на задачу составляет всего 1,7 минуты. То есть модель не просто быстрая — она попадает в редкую зону, где нет компромисса между умностью и быстротой.

При вводной скидочной цене Gemini 3.7 Flash (high) обходится в $0,40 за задачу по Intelligence Index — это на 30% дешевле, чем у 3.6 Flash, и на одном уровне с Muse Spark 1.2 (* компания Meta является запрещённой в России). На среднем уровне рассуждений цена падает до $0,26 за задачу.

Ещё одна метрика — рост токен-бюджета: модель на высоком уровне рассуждений использует примерно на 40% больше токенов, чем 3.6 Flash, в среднем около 37 тысяч выходных токенов на задачу — что сопоставимо с Claude Fable 5 и Qwen3.8 Max.

По агентным бенчмаркам картина тоже впечатляющая. В AA-Briefcase (проприетарный бенчмарк агентной работы со знаниями) модель набирает 1132 очка Elo — это на 169 очков выше предшественника, и она обходит Minimax-M3. На GDPval-AA v2 прирост составил 103 очка, до 1525 — почти на уровне с GLM 5.2 и DeepSeek V4 Flash.

И для тех, кто работает с большими объёмами данных и офисных документов: на AA-AnalystAgent, бенчмарке, измеряющем способность отвечать на сложные вопросы по таблицам и документам, Gemini 3.7 Flash (high) достигает pass^5 в 60%, обходя Claude Opus 5 (max, 54%) и даже Fable 5 (49%). На AutomationBench-AA модель также лидирует с результатом 62,7%, опережая Kimi K3 (53%) и GPT-5.6 Sol (51,2%).

Flash-модель, формально самая дешёвая и младшая, обходит топовую модель Anthropic в задачах анализа документов. Понятно, что один бенчмарк не делает погоды, но сам факт того, что подобное вообще возможно, хороший повод присмотреться к модели повнимательнее.

Посмотрим на независимые площадки – и там начинается цирк с конями. Пользователи подвергли сомнению бенчмарк CursorBench, утверждающий, что 3.7 Flash лучше 5.6 Sol и K3. Справедливости ради: на графике сравнивали GPT-5.6 Sol на среднем уровне усилий с Gemini 3.7 Flash на максимальном — и это, мягко говоря, не совсем честно. При сопоставимых настройках GPT-5.6 Sol max — 67,2%, Gemini 3.7 Flash high — 61,6%, то есть разрыв не в пользу Flash.

Мораль простая: любой бенчмарк стоит проверять на честность настроек сравнения. Инвертированные оси, разные уровни усилий модели, некорректная нормализация — всё это встречается сплошь и рядом.