Обзор Gemini 3.7 Flash: Дешёвая модель Google больше не глупа

Google выпустила Gemini 3.7 Flash 13 августа, и он стал доступен более чем в 160 странах с первого дня. Он обрабатывает до миллиона входных токенов, возвращает 64 000, читает изображения, видео, аудио и PDF-файлы, а также может вызывать инструменты и управлять компьютером.

Flash никогда не был моделью, к которой обращаются, когда задача сложна. Это то, что вы используете для сортировки текста, компактных сеансов агентов, прежде чем они рухнут под собственным контекстом, и для резюмирования документов, за чтение которых вы не хотите платить флагману. Myriad: Когда OpenAI выпустит GPT-6? Нажмите, чтобы сделать свой прогноз.

Если судить по таким задачам, 3.7 Flash — это настоящее обновление. Если судить по всему остальному, это компетентная модель, которую переписывает программное обеспечение, которое вы можете скачать бесплатно.

Собственная таблица показателей Google ставит 3.7 Flash впереди Claude Sonnet 5 и GPT-5.6 Terra по 11 из 18 протестированных категорий. Основные цифры — 1588 Elo на веб-разработке Code Arena и 30.4% на AutomationBench. Оба показателя исходят из методологии Google, поэтому рассматривайте это преимущество как заявление компании, а не как установленный факт.

Мы протестировали модель, чтобы увидеть, соответствует ли она заявлениям Google. Вот наши результаты.

Кодирование: Может ли она создать что-то, что работает с первой попытки?

Этот тест измеряет нулевую генерацию кода — может ли модель превратить одну инструкцию в рабочее программное обеспечение без примеров для копирования и без шанса исправить себя. Мы передаем единственный запрос для браузерной игры и отправляем всё, что приходит обратно, включая ошибки. Без последующих вопросов, без отчетов об ошибках, без второй попытки.

Gemini 3.7 Flash прошла тест за 2 минуты и 13 секунд. Игра была играбельна с первой попытки, синтаксис был чистым, логика столкновений и подсчета очков работала, а визуальное качество было выше, чем предполагает ценовая категория.

Сравнение, которое здесь имеет значение, — это не флагман. Это Gemini 3.6 Flash, выпущенная 21 июля, которая вообще не смогла создать рабочий файл. Ее HTML был неправильно сформирован, элементы не отображались, а последующие запросы с просьбой исправить её собственный вывод ни к чему не привели.

В итоге мы передали этот хлам DeepSeek, который нашел 11 ошибок и выпустил 8 исправлений, чтобы сделать его играбельным. Три недели спустя та же продуктовая линия не нуждается в спасении, и результат близок к тому, что произвела GPT-5.6 Sol в нашем обзоре в июле.

Gemini 3.7 Flash однозначно выигрывает в этом, и это единственная самая сильная причина для перехода. Предостережение заключается в том, что она выполняет спецификации, а не изобретает их, поэтому нечеткий запрос дает вам нечеткую игру.

Вы можете попробовать игру Gemini 3.7 Flash здесь.

Креативное письмо: Может ли она удерживать парадокс и написать предложение?

Этот раздел тестирует сразу две вещи: литературное качество и может ли модель соблюдать структурное правило на протяжении тысяч слов. Запрос отправляет Хосе Ланса из 2150 года обратно в 1000 год и требует замкнутой причинной петли — его вмешательство должно быть тем, что создает будущее, которое он пришел предотвратить.

Правило, которое решает тест, — это последний пункт: он не может понять, что он сделал, пока не вернется домой.

Gemini 3.7 Flash сгенерировала достойный результат. Хосе стреляет энтропийной пушкой в пиренейскую трещину, случайно создает обелиск, который порабощает Иберию 22 века, и понимает всю петлю, стоя в грязи за тысячу лет до этого: "Это была основа Пепельной Башни."

Механизм сюжета на самом деле довольно надежен. История упоминает падающую звезду, которую видели древние монахи, и уточняет, что это был всплеск прибытия Хосе, а оружие, которое он принес, чтобы стереть аномалию, и есть то, что его создает. Заключительная строка — "Она просто ждала, чтобы он завершил её" — передает детерминизм, который запрашивался в запросе.

Но для тех, кто к этому привык, история кричит "ИИ". Почти каждое существительное сопровождается двумя прилагательными: "гиперлюминесцентные башни", "влажная, мохнатая земля", "густые, обсидиановые волосы". Это текстура модели, выбирающей наиболее вероятное следующее слово вместо того, чтобы выбирать одно, и это создает столкновения, как монолит, "гудящий низкочастотным гудением".

Мы сравнили его с Qwopus3.5-27B-v3, сообществом доработанной версии Qwen3.5-27B, которая дистиллирует рассуждения в стиле Claude Opus и работает на одном потребительском GPU без затрат за запрос. Он подчинялся правилу, которое нарушил Gemini.

Хосе убивает монаха в Сан-Мильяне де ла Коголья, реальном монастыре Ла Риохи, который действительно имел значение около 1000 года, и только понимает, что он сделал, вернувшись в 2150 год и найдя свою ДНК в восковом кодексе.

Qwopus тоже не совсем чист. Он сбросил всю свою планировочную записную книжку над историей, включая опечатки, и его финальная секция разрушает замкнутый цикл, который он строил восемь секций, позволяя Хосе вернуться и исправить ошибки.

Но, учитывая все, Qwopus выигрывает. Gemini представил более аккуратную упаковку и более дисциплинированное завершение, но он не выполнил одно указание, вокруг которого строился запрос, и бесплатная модель, работающая на игровом GPU, написала лучшую историю.

Ассоциативное мышление: Может ли метафора нести аргумент?

Этот тест измеряет ассоциативное мышление — может ли модель генерировать связи между несвязанными концепциями, не объясняя себя. Запрос требует описания ветки, использует это описание для объяснения эксплуатации работников и поклонения богатым, а затем требует, чтобы аргумент растворился в описании салата.

Указание — это режим неудачи. Название метафоры убивает её.

Gemini называет её в первой строке второго абзаца: "Это точная механика современного пролетариата". Всё, что было до этого, работало.

Некоторые образы заслуживают своего места. Рабочий получает "достаточно коры, чтобы оставаться жестким еще на одну неделю работы", и упавшие ветки убеждены, что с достаточной жесткостью любая из них может стать стволом. Абзац, содержащий первый из них, также содержит рабочего, "привязанного к огромной, неустойчивой корпоративной иерархии".

Не плохо с точки зрения логики и структуры.

Растворение — это настоящий крах. Gemini повествует о переходе, а не выполняет его — иерархии "разрушаются, растворяясь в тихой, скромной реальности органического мира внизу" — и затем просто появляется салат, не связанный ни с чем из предыдущего.

GPT-5.6 Sol разлагает ветку на почву и вырастает из неё салат: "Дождь проникает в зерно. Волокна ослабляются, темнеют". Аргумент также приходит, зарытый в объекте, с богатством, переосмысленным как язык добродетели, где "особняк означает интеллект".

GPT-5.6 Sol выигрывает с большим отрывом. Gemini создал красивую индивидуальную строку, но объяснил свою метафору и затем пропустил переход, который запрос специально тестировал.

Логика: Читает ли он запрос или распознает головоломку?

Этот тест измеряет не математическое рассуждение и, в частности, читает ли модель вопрос перед собой или сопоставляет его с версией, которую она запомнила. Наш мостовой запрос дает четырем людям одну факел и времена перехода 1, 2, 5 и 10 минут, а затем спрашивает, как быстро они могут все перейти.

Хитрость заключается в том, что запрос не упоминает. Он никогда не говорит, что только двое людей могут находиться на мосту одновременно, поэтому ответ — 10 минут — все переходят вместе с темпом самого медленного.

Gemini ответил 17 минут, запустив запомненную пятиминутную шутку из учебника. Он заявил ограничение как факт, не проверив, написали ли мы это.

GPT-5.6 против Fable 5: Какой выбрать зависит от этих факторов

Его видимое рассуждение хуже, чем ответ. Аргумент в том, что отправка двух самых медленных вместе будет неэффективной, потому что кто-то должен будет вернуть факел обратно, — и затем окончательный ответ все равно отправляет их вместе. Это противоречит самому себе в одном ответе и сообщает результат с полной уверенностью.

Claude Fable 5 пришел к тому же неправильному числу в июле. Он начал с заявления о том, что он предполагает: "предполагая классическое ограничение, что мост держит только двух человек одновременно", что является разницей между неправильным ответом, который можно поймать, и тем, который нельзя.

Никто не выигрывает. Fable выигрывает только за счет прозрачности, а ложная уверенность агента Gemini проявляется здесь в головоломке, которую можно проверить вручную.

Математика: Завершает ли это работу?

Этот тест измеряет символическую математику, выходящую за рамки потребительского использования, плюс что-то более простое — делает ли модель то, что от нее требуют. Запрос требует многочлена 19-й степени с нечетными моническими коэффициентами и линейным коэффициентом -19, чья кривая делится на как минимум три неприводимых компонента, а затем спрашивает p(19).

Обе модели нашли одну и ту же дверь. Gemini и Qwen 3.7 Max Preview обе идентифицировали многочлен Диксона, решили ограничение, чтобы зафиксировать его параметр на 1, и правильно вывели закрытую форму.

Затем Gemini остановился. Он напечатал p(19) как неоцененное выражение, включающее 19-ю степень квадратного корня, никогда не выдал число и никогда не продемонстрировал количество компонентов, которое также требовалось в запросе. Он представил все это на стилизованной HTML-странице с CSS и тенями, которые никто не запрашивал.

Qwen завершил. Он дал полную факторизацию на 10 компонентов — один линейный, девять квадратичных — провел рекурсию до 1,876,572,071,974,094,803,391,179 и проверил результат модульно. Мы независимо подтвердили эту цифру в SymPy, и она верна.

Qwen выигрывает по единственному критерию, который имел значение. Gemini начал хорошо и решил пропустить арифметику, что является странным местом для остановки.

Заключение

Gemini 3.7 Flash стоит переключения, если вы уже находитесь в экосистеме Google. Он значительно лучше в коде, чем модель, которую он заменяет, достаточно быстр для работы с агентами и достаточно дешев, чтобы работа с ним в больших объемах была незначительной ошибкой.

Его сильные стороны — это выполнение и структура. Дайте ему подробную спецификацию, и он построит это, удержит сюжет вместе и сохранит причинную логику последовательной на протяжении тысяч слов.

Его слабые стороны — это креативность и рассуждение. Письмо достаточно предсказуемо, чтобы его можно было идентифицировать как машинное на вид, и модель утверждает неправильные ответы, не отмечая предположение, которое сделало их неправильными.

Цена — это самый сильный аргумент в его пользу. По 75 центов за миллион входных токенов и $3.75 за выход, он обходит ставку $5 за вход GPT-5.6 Sol на 85% и стоит вдвое меньше, чем 3.6 Flash на старте.

Аргумент против него — это бесплатная модель 27B на игровом GPU, которая написала лучшую историю и не взимала ничего за это. Вводная ставка Google истекает 31 декабря, когда вход удваивается до $1.50, а выход до $7.50.

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.