- Gemini 3.7 Flash versija parādās tikai trīs nedēļas pēc 3.6 Flash versijas, ieviešot ievērojamus uzlabojumus kodēšanā, tīmekļa izstrādē un zināšanu ietilpīgos uzdevumos.
- Salīdzinošās testēšanas rezultāti ievērojami pieaug: FrontierCode 1.1 Main pieaug no 34.4 % līdz 43.6 %, un DeepSWE v1.1 pieaug no 49.0 % līdz 65.3 %.
- Modelis tagad ir pieejams platformās GitHub Copilot, Google Antigravity, AI Studio un Gemini Spark, un ievada cena ir puse no tā priekšgājēja cenas.
- Reālās pasaules testi liecina, ka modelis var tikt galā ar sarežģītiem personīgās organizācijas uzdevumiem, piemēram, Gmail un Drive skenēšanu, lai atklātu aizmirstus termiņus un notikumus.
Google ir klusi izlaidis savu jaunāko mākslīgā intelekta sākuma līmeņa modeli Gemini 3.7 Flash, un laiks ir ievērojams — tas tiek izlaists tikai trīs nedēļas pēc iepriekšējās Flash iterācijas. Šis straujais pavērsiens varētu radīt pārsteigumu, taču uzņēmums uzstāj, ka šī nav neliela izmaiņa. Pēc Google teiktā, jaunais modelis ir tiešu izstrādātāju atsauksmju un galveno algoritmisko optimizāciju rezultāts, nodrošinot to, ko tas sauc par "būtiskiem uzlabojumiem" programmatūras inženierijā, tīmekļa izstrādē un zināšanu darbā. Uzņēmums pozicionē 3.7 Flash kā īstu darba zirgu, kas paredzēts lieliem uzdevumiem, bet ne ar augstāku cenu, kāda ir tā lielākajiem brāļiem un māsām.
Agrīnie etalonu dati daļēji apstiprina šīs runas. FrontierCode 1.1 Main, testā, kas mēra, cik labi modelis var ģenerēt strādājošu, ražošanai gatavu kodu, Gemini 3.7 Flash rezultāts pieaug no 34.4 % līdz 43.6 %. DeepSWE v1.1 etalons, kas novērtē reālus programmatūras inženierijas uzdevumus, uzrāda vēl dramatiskāku lēcienu no 49.0 % līdz 65.3 %. Tie nav pakāpeniski ieguvumi — tie ir skaitļi, kas liek izstrādātājiem pievērst uzmanību. Un Google apgalvo, ka uzlabojumi sniedzas tālāk par neapstrādātas kodēšanas spējām, iekļaujot tādas jomas kā kļūdu labošana, problēmu risināšana un sarežģītu instrukciju izpilde ar lielāku precizitāti.
Kas jauns kodēšanā un aģentu darbplūsmās
Izstrādātājiem galvenais stāsts ir par to, kā Gemini 3.7 Flash apstrādā aģentu kodēšanas darbplūsmas . Google apgalvo, ka modelis labāk pielāgojas šķēršļiem, nepieciešamības gadījumā precizē nolūku un precīzāk izpilda norādījumus . Tas ir arī izstrādāts, lai domātu rūpīgāk, pieliekot papildu pūles daudzpakāpju plānošanai un rīku izsaukumiem. Tas nozīmē mazāku manuālu uzraudzību un mazāk atkārtotu mēģinājumu inženierijas darbplūsmu laikā, kas ir tieši tas, ko komandas vēlas, žonglējot ar vairākiem uzdevumiem. Modeļa uzlabotā veiktspēja ražošanai gatava koda ģenerēšanā ir īpaši redzama FrontierCode un DeepSWE rezultātos, kur tas vairākos etalonos pārspēj ne tikai savu priekšgājēju, bet arī salīdzināmus modeļus no Anthropic un OpenAI.
Viena no jomām, kurā Gemini 3.7 Flash patiešām izceļas, ir lietotāja saskarnes ģenerēšana. Google apgalvo, ka modelis ģenerē izkārtojumus, kas precīzāk atbilst lietotāja augšupielādētajiem atsauces attēliem neatkarīgi no tā, vai tas ir ekrānuzņēmums, dizaina fails vai pilna dizaina sistēma. Arena.ai WebDev Arena modeļa Elo vērtējums pieaug no 1538 līdz 1588, kas ir ievērojams lēciens un atspoguļo labāku veiktspēju funkcionālu izkārtojumu un funkciju ziņā pilnvērtīgu lietotņu ģenerēšanā ar mazāku uzvedņu skaitu. Izstrādātājiem, kuri pavada stundas, pielāgojot lietotāja saskarnes kodu, tas varētu būt ievērojams laika ietaupījums.
Zināšanu darbs iegūst impulsu
Papildus kodēšanai Gemini 3.7 Flash uzrāda ievērojamus ieguvumus tādās zināšanu blīvās jomās kā finanses, tiesību zinātne un biozinātnes. Modelis ievērojami pārspēj 3.6 Flash GDP.pdf etalonā, kas pārbauda modeļa spēju apstrādāt sarežģītus dokumentus — iegūstot 34.0% salīdzinājumā ar 22.0%. Tas arī pārspēj savu priekšgājēju AutomationBench — testā, kas mēra, cik labi modelis spēj pabeigt reālas biznesa darbplūsmas, ar rezultātu 30.4% salīdzinājumā ar 17.0%. Šie skaitļi liecina, ka modelis labāk tiek galā ar tāda veida dokumentu apjoma, daudzpakāpju uzdevumiem, ar kuriem profesionāļi strādā katru dienu.
Google arī izceļ atjauninātos drošības pasākumus. Modelim ir atjaunināti drošības pasākumi pret ļaunprātīgu izmantošanu ķīmiskajā, bioloģiskajā, radioloģiskā un kodola (CBRN) jomā un kibernoziegumiem , vienlaikus joprojām nodrošinot lietderīgus lietošanas gadījumus. Tas ir rūpīgs līdzsvarošanas akts, taču tas kļūst arvien svarīgāks, jo mākslīgā intelekta modeļi kļūst arvien spējīgāki un plašāk izmantoti.
Pieejamība un cenu noteikšana
Gemini 3.7 Flash tiek ieviests plašā platformu klāstā. Tagad tas ir pieejams GitHub Copilot platformā, tostarp Visual Studio Code, Visual Studio, Copilot CLI, mākoņaģentā, JetBrains, Xcode un Eclipse. Tas ir pieejams arī Google Antigravity, AI Studio , Android Studio, Gemini Enterprise Agent Platform un Gemini Enterprise lietotnē. Patērētājiem šis modelis nodrošina Gemini Spark, Google personīgo AI aģentu, kas ir pieejams AI Pro un Ultra abonentiem.
Cena ir viens no interesantākajiem aspektiem. Google piedāvā Gemini 3.7 Flash par ievada cenu 0.75 ASV dolāri par miljonu ievades žetonu un 3.75 ASV dolāri par miljonu izvades žetonu — tā ir puse no iepriekšējā modeļa cenas izlaišanas brīdī. Atlaide ir spēkā līdz 2026. gada beigām, kas, šķiet, ir tieša reakcija uz dažu konkurējošu modeļu zemākām izmaksām. Izstrādātājiem un uzņēmumiem, kuriem ir svarīgas API izmaksas, tas varētu būt būtisks faktors, izvēloties, uz kuru modeli balstīties.
Testēšana reālajā pasaulē: personīgais asistents, kas sniedz rezultātus
Agrīnās praktiskās pārbaudes liecina, ka modeļa uzlabojumi nav tikai teorētiski. Kāds recenzents no Tom's Guide pakļāva Gemini 3.7 Flash prasīgam reālās dzīves testam: haotiskas personīgās dzīves organizēšanai. Uzdevumā modelim tika lūgts meklēt gaidāmos termiņus, tikšanās, maksājumus un notikumus pakalpojumā Gmail un Google Drive, pēc tam izveidot galveno sarakstu un reālistisku plānu. Modelis ar to tika galā iespaidīgi, atrodot aizmirstas atļaujas, atklājot kredītkarti ar beigušos derīguma termiņu, kas grasījās radīt problēmas ar nokavētiem maksājumiem, un pat apstiprinot dalību skolas pasākumā, kas bija pilnībā nepamanīts.
Tests arī izcēla modeļa spēju izsekot katram atradumam līdz sākotnējam e-pastam vai dokumentam , tādējādi atvieglojot tā darbības pārbaudi. Tas pieprasīja paskaidrojumus, kad tas bija nepieciešams, ievēroja robežas, nesūtot ziņojumus un nemainot failus bez apstiprinājuma, un no sākuma līdz beigām izpildīja garu, sarežģītu uzvedni, neatsakoties no prasībām. Tas ir ievērojams uzlabojums, jo mākslīgā intelekta asistentiem bieži vien ir grūtības saglabāt kontekstu un izpildīt norādījumus ilgstošu uzdevumu laikā.
Protams, modelis nav perfekts. Tajā pašā testā tika atzīmēts, ka tas palaida garām dažus nenosauktus Google dokumentu failus un izlaida dažus e-pastus, kas tam vajadzēja tikt sakārtoti. Taču kopumā veiktspēja bija pietiekami laba, lai recenzents to nosauktu par “darba zirgu” — atbilstošs apraksts modelim, kas paredzēts sarežģītu uzdevumu veikšanai bez pastāvīgas uzraudzības.
Ņemot vērā visu, Gemini 3.7 Flash izskatās pēc nozīmīga soļa uz priekšu Google sākuma līmeņa mākslīgā intelekta produktu klāstā. Salīdzinošās testēšanas uzlabojumi ir reāli, cenas ir konkurētspējīgas, un reālās pasaules testi liecina par modeli, kas spēj tikt galā ar sarežģītiem, daudzpakāpju uzdevumiem ar tādu uzticamības līmeni, kāds iepriekšējās versijās nebija. Tas nav revolucionārs lēciens, bet gan stabila evolūcija — un izstrādātājiem un uzņēmumiem, kas meklē spējīgu un rentablu mākslīgā intelekta modeli, tas varētu būt tieši tas, kas viņiem nepieciešams.
