Gemini 3.7 Flash: что нового в модели Google
13 августа 2026 года Google выпустила новую модель линейки Flash — Gemini 3.7 Flash. С момента выхода Gemini 3.6 Flash прошло всего три недели. В компании такую скорость объясняют отзывами от разработчиков и точечными доработками на уровне алгоритмов рассуждения. Пересборки с нуля не было: это апгрейд уже существующей модели, а не результат нового этапа обучения.
Возможности модели
Модель способна работать с текстом, картинками, звуком, видеозаписями и файлами PDF. Она удерживает в памяти до 1 миллиона токенов контекста и может выдавать ответ длиной до 64 тысяч токенов. Знания модели ограничены мартом 2026 года — свежее этой даты она не знает.
Среди инструментов, доступных модели, — вызов внешних функций, обращение к поисковым системам и взаимодействие с интерфейсом компьютера. Пользователь сам решает, насколько глубоко модель будет обдумывать ответ: для простых задач можно выбрать быстрый режим с меньшими затратами, а для сложных — включить более тщательный анализ, пусть он и займёт больше времени.
Разработчики выделяют три сферы, в которых прогресс особенно заметен: программирование, обработка документов и создание веб-приложений. При работе с кодом система стала точнее находить и исправлять ошибки, а готовые фрагменты кода теперь реже требуют правок после первой генерации. Компания также заявляет, что модель научилась гибче реагировать на возникающие сложности в процессе выполнения задачи, при необходимости переспрашивает пользователя о деталях и точнее придерживается заданных инструкций.
Результаты тестов
По шкале FrontierCode 1.1 Main, которая измеряет качество кода, готового к продакшену, новая версия набрала 43,6 процента. Прошлая модель, Gemini 3.6 Flash, останавливалась на отметке 34,4 процента.
Отдельный тест на сложные инженерные задачи — DeepSWE v1.1 — модель прошла с результатом 65,3 процента. Ранее этот же тест Gemini 3.6 Flash сдавала на 49 процентов.
Веб-разработку проверяли через рейтинг Code Arena, где модель заработала 1588 очков Elo. Для сравнения: Gemini 3.6 Flash набрала 1538, Claude Sonnet 5 — 1541, а GPT-5.6 Terra — 1523. Все эти цифры взяты из таблицы, опубликованной самой Google.
Заметный рывок произошёл и в работе с документами. Тест GDP.pdf, оценивающий понимание сложных PDF-файлов на экспертном уровне, модель прошла с результатом 34 процента — против 22 у предыдущей версии.
В закрытом наборе задач AutomationBench, где проверяется автоматизация рабочих процессов внутри компаний, Gemini 3.7 Flash набрала 30,4 процента. По тем же данным Google, у конкурентов результаты скромнее: у Claude Sonnet 5 — 10,7 процента, у GPT-5.6 Terra — 23,6 процента.
Есть и другие цифры из опубликованной таблицы. Работу с терминалом (Terminal-bench 2.1) модель прошла на 85,8 процента. Юридические задачи по методике Harvey LAB-AA — на 90,7 процента. Тест на длинный контекст GDM-MRCR v2 при окне в 128 тысяч токенов дал результат 97 процентов. А по многодисциплинарным экспертным рассуждениям в тесте HLE-Verified модель набрала 53,6 процента.
Подробное описание методики тестирования размещено на сайте Google DeepMind.
Цена и доступность
На старте цена составляет 0,75 доллара за миллион токенов на входе и 3,75 доллара за миллион токенов на выходе — вдвое дешевле стартового тарифа Gemini 3.6 Flash. Эти условия действуют до конца 2026 года. С началом 2027 года стоимость поднимется до 1,5 доллара за миллион входных токенов и 7,5 доллара за миллион выходных.
Пользоваться моделью уже можно через приложение Gemini, платформу Google AI Studio, Gemini API, среду Google Antigravity, Android Studio, а также через Gemini Enterprise Agent Platform и Gemini Enterprise App. В самом приложении Gemini модель встроена в личного агента Spark — эта функция открыта подписчикам тарифов AI Pro и AI Ultra. По заявлению Google, благодаря обновлению агент стал точнее взаимодействовать с сервисами Google Workspace.
Одновременно с релизом компания обновила защитные механизмы, которые должны предотвращать неправомерное применение модели.
Отзывы
Google собрала комментарии компаний, которые уже протестировали модель. В Box отметили рост точности и скорости обработки корпоративных знаний, особенно в сложных аналитических сценариях. Команда Browser Use сообщила, что расходы на работу агента снизились на 35 процентов относительно версии 3.6 Flash, а доля обращений, которые обслуживаются из кеша промптов, выросла на 8 процентов. В Harvey зафиксировали прирост показателя all-pass на 2,6 пункта на тесте Legal Agent Bench по сравнению с предыдущей моделью. Databricks и LangChain также сообщили об улучшениях — в работе с корпоративными массивами данных и в выполнении многошаговых агентных сценариев соответственно.
