ИИтак

← Назад

Модель · Google

Gemini 3.7 Flash

Рабочая модель Google для программирования и агентов, сильнее 3.6 Flash, но через три недели её сменила 3.8 Flash

вышла 13 августа

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗

12 место из 266
индекс 157, вероятный разброс 156–160 · весь рейтинг →

БенчмаркРезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию тестаУсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен
DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ 94,7% высокое
LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ 59,3% высокое
Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ 30,6% высокое
FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ 36,6% высокое
FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ 71,6% высокое
FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗ 43,6%
DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗ 65,5% среднее
ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ 58,0%
Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ 44,2% высокое
Remote Labor IndexНастоящие заказы с фриланс-площадок — дизайн, архитектура, анализ данных, программирование — выполняемые агентом целикомЧисло — доля заказов, выполненных так, что заказчик принял бы работу; даже у лидеров это немного.Подробнее на английском ↗ 5,0%
SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ 69,2% высокое
ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗ 84,6% высокое
OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ 97,2% высокое
GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ 93,1% высокое
ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗ 95,5% высокое

Характеристики

Вышла
13 августа
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
1 млн токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
до 65 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
$0,75 за миллион токенов
Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
$0,075 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
$3,75 за миллион токенов
Понимает
текст, изображения, видео, аудио, PDF
Отвечает
текст
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
да
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
закрытые
Знания до
март 2026
Идентификатор в API
gemini-3.7-flash

Что это за модель

Gemini 3.7 Flash — модель из линейки Gemini 3, которую Google называет своей самой умной рабочей моделью для программирования и агентов. Агентами называют программы, которые сами выполняют задачу в несколько шагов и по ходу пользуются инструментами. Модель основана на Gemini 3.6 Flash. По карточке модели, в ней улучшили алгоритмы, на которых строятся рассуждения, и добавили агентный анализ видео: модель сама решает, какие фрагменты ролика посмотреть. Глубину рассуждений можно настраивать и так выбирать баланс между качеством, ценой и скоростью ответа.

Модель вышла через три недели после 3.6 Flash, и главное отличие — программирование и работа с документами. По замерам Google, на тесте FrontierCode 1.1 Main, где проверяют качество кода, готового к рабочей среде, она набирает 43,6% против 34,4% у предшественницы. На DeepSWE v1.1 с долгими задачами программирования — 65,3% против 49,0%. На GDP.pdf, где разбирают сложные документы, — 34,0% против 22,0%, а на AutomationBench, где автоматизируют бизнес-процессы, — 30,4% против 17,0%. Компания также заявляет, что модель лучше планирует многошаговые действия, реже нуждается в присмотре человека и в повторных попытках.

Её берут для отладки кода и исправления ошибок, создания сайтов и интерфейсов, для работы в областях, где много специальных знаний: финансах, праве, биологии. На ней же работает Gemini Spark — личный агент для подписчиков Google AI Pro и Ultra. До конца 2026 года действует вводная цена, вдвое ниже, чем у 3.6 Flash. С 1 января 2027 года она удвоится.

Google перечисляет обычные для таких моделей ограничения: модель может выдумывать факты (это называют галлюцинациями), её иногда удаётся обойти джейлбрейком — специальным запросом, который снимает защиту. Бывают задержки и обрывы по таймауту. Знания заканчиваются мартом 2026 года, а в некоторых областях — январём 2025-го. По проверкам безопасности Google, модель не достигла опасных уровней возможностей в оружии массового поражения, кибератаках, манипуляции людьми и исследованиях в машинном обучении. В сентябре 2026 года её сменила Gemini 3.8 Flash.

Источники: Анонс Gemini 3.7 Flash в блоге Google, Карточка модели Gemini 3.7 Flash

Того же уровня по индексу Epoch

Другие модели семейства

Новости о модели

  1. 01

    Команды агентов Google на Gemini 3.7 Flash решили семь открытых математических задач

    Google для разработчиков

  2. 02

    Google выпустила Gemini 3.7 Flash: модель для кода и агентов вдвое дешевле прошлой версии

    Google DeepMind

все упоминания Gemini 3.7 — 5 →

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).