модель · Google · вышла 13 августа
Gemini 3.7 Flash
Рабочая модель Google для программирования и агентов, сильнее 3.6 Flash, но через три недели её сменила 3.8 Flash
О модели
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 ↗
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗
весь рейтинг11место из 268индекс 158вероятный разброс 156–161
- 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%
- APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗67,8%
- 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
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).