# Gemini 3.7 Flash 完整解析：跑分、定價與對手比較

> Google DeepMind 8/13 推出 Gemini 3.7 Flash：程式跑分大漲、100 萬 token context，價格只要對手三分之一。規格、跑分、定價一次看。

- 網址：https://yourjobpocket.com/learn/ai-gemini-37-flash
- 發布：2026-08-14
- 主題：AI 新工具
- 作者：@your.engineer.ben（https://www.instagram.com/your.engineer.ben/）
- 參考來源：https://deepmind.google/models/gemini/flash/
- 出處：Lesson by Job Pocket（https://yourjobpocket.com/learn），免費、不用登入

![Gemini 3.7 Flash](https://lh3.googleusercontent.com/n53uzRJsZjaCnldIOl-zJ9ZcNCdgqUerE4GaU-JebHf5zXn3f0OBXBqgnr3iQFduBgQ21cKpKLG3AMyK93z687j0VweOe_9eoAmO8mwVKPBzjaxX4Q=w1440-h1440-n-nu)

Google DeepMind 在 2026 年 8 月 13 日推出了 **Gemini 3.7 Flash**，距離上一代 3.6 Flash 只隔了短短三週。它不是一次重新預訓練的大改版，而是在 3.6 Flash 的基礎上做「演算法層級的微調」，卻把寫程式、知識工作與網頁開發的表現一口氣拉高一截，而且價格壓在同級對手的三分之一左右。這篇文章把官方公布的規格、跑分、定價，以及和主要對手的差異，一次整理清楚。

## Gemini 3.7 Flash 是什麼？

Flash 系列在 Gemini 家族裡的定位一直很明確：**又快、又便宜、又夠聰明的「主力幹活型」模型**。它不是拿來挑戰最頂規推理的旗艦，而是要你能整天掛著跑、批次處理大量任務也不心疼。

3.7 Flash 把重點放在三個地方：

- **軟體工程與寫程式**：更高的一次通過率（first-pass accuracy），debug、修 issue、產出可上線的程式碼都更穩。
- **文件密集的知識工作**：法律、金融、生技這類需要讀長文件並推理的場景，準確度明顯提升。
- **網頁開發**：從需求直接生出可運作的前端，表現往上跳。

值得注意的是，官方明講這一版是「3.6 Flash 的精修」——沒有重練底模，而是改進了核心推理的演算法。三週就能端出這種進步幅度，也反映出目前低成本模型的迭代速度有多快。

## 核心規格

| 項目 | 規格 |
| --- | --- |
| 上線日期 | 2026-08-13 |
| 輸入 context | 100 萬 tokens |
| 輸出上限 | 64K tokens |
| 支援輸入 | 文字、圖片、影片、音訊、PDF |
| 工具能力 | Function calling、Search as a tool、Computer use |
| 定位 | 低成本、高吞吐的 coding / agent 主力模型 |

![Gemini 3.7 Flash 能力](https://lh3.googleusercontent.com/uFA6N94kNCRXmPJK1TFH3Sn-AJzj8Vl56lDETNhifKBqrRNFFfVdE-CZDTHUL4J06HJEcPjxYMv2-XyF9P2BNlazEwaHmc5KCa74MFbdHWERsigXerk=w1440-h1440-n-nu)

## 跑分表現

以下數字皆為 Google 官方模型頁與發表資料所公布：

| Benchmark | 測的是什麼 | Gemini 3.7 Flash |
| --- | --- | --- |
| FrontierCode 1.1 | 程式碼品質 | 43.6%（3.6 Flash 為 34.4%） |
| DeepSWE v1.1 | 軟體工程 | 65.3%（3.6 Flash 為 49.0%） |
| Terminal-bench 2.1 | agentic 終端操作 | 85.8% |
| GDM-MRCR v2 | 128k 長文脈檢索 | 97.0% |
| Harvey LAB-AA | 法律工作流 | 90.7% |
| LVBench | 長影片理解 | 85.4% |
| OSWorld-2.0 | 電腦操作 | 47.9% |
| WebDev Arena | 網頁開發對戰 | 1588 Elo |

和前一代對照，進步最明顯的是程式與自動化：FrontierCode 從 34.4% → 43.6%、DeepSWE 從 49.0% → 65.3%、讀 PDF 的 GDP.pdf 從 22.0% → 34.0%、AutomationBench 更是從 17.0% 翻倍到 30.4%。長文脈的檢索準確率則維持在 97% 的高水準。

## 定價：真正的殺手鐧

Flash 這次最有感的其實是價格。Google 祭出年底前的限時導入價：

| 方案 | 輸入（每百萬 tokens） | 輸出（每百萬 tokens） |
| --- | --- | --- |
| 限時導入價（至 2026-12-31） | $0.75 | $3.75 |
| 標準價（2027-01-01 起） | $1.50 | $7.50 |

換算下來，若以常見的 80% 輸入 / 20% 輸出比例估算，限時價的混合成本約為 **每百萬 tokens $1.35**。也就是說，年底前用等於打了對折——但明年就會恢復成兩倍，想省成本的要趁早。

![Gemini 3.7 Flash 實測](https://lh3.googleusercontent.com/IaKNae6b-dQOo6yrNN8bc3BER0QUr8EeXObEauPkVXm6CnAfVFfgWdGRa2yfTWpFRsiTGWoYpB7NFlFCuHK3AjNiFkqiFuUUcqZvgxvTF6trB21PrR0=w1440-h810-n-nu)

## 和主要對手的比較

把 3.7 Flash 放進同級戰場，價格優勢就很明顯了：

| 模型 | 輸入 / 百萬 tokens | 輸出 / 百萬 tokens |
| --- | --- | --- |
| **Gemini 3.7 Flash**（限時價） | **$0.75** | **$3.75** |
| Claude Sonnet 5 | $2.00 | $10.00 |
| GPT-5.6 Terra | $2.00 | $12.00 |

在混合成本上，Gemini 3.7 Flash 大約只有這兩個對手的三分之一。當然，跑分不是全部——在部分終端操作與電腦操作（computer use）類的任務上，它仍落後給更頂規的模型；但對「大量、重複、要控成本」的工作流來說，這個 CP 值很難被忽視。

## 怎麼開始用？

- **Google AI Studio / Gemini API**：直接在 API 指定 `gemini-3.7-flash` 這一型號即可呼叫，適合開發者接進自己的產品或 agent。
- **多模態輸入**：因為原生支援文字、圖片、影片、音訊、PDF，很適合拿來做「丟一份長 PDF 進去問答」「讀影片做摘要」這類知識工作。
- **agent / 工具串接**：內建 function calling、search、computer use，可以組成會查資料、會操作的自動化流程。
- **成本控管**：搭配它 100 萬 token 的 context 與便宜的價格，特別適合需要長時間、大批次跑的任務，例如整包文件審閱、程式碼庫掃描、客服自動化。

## 老實說的幾個提醒（Caveats）

- **限時價會到期**：$0.75 / $3.75 只到 2026 年底，明年 1 月起變成 $1.50 / $7.50，做成本估算時要把這點算進去。
- **不是全能冠軍**：它強在 coding、知識工作與 CP 值；在電腦操作（OSWorld-2.0 約 47.9%）等任務上還不是頂尖，需要極致能力時仍要評估旗艦級模型。
- **命名有點反直覺**：據 Axios 報導，3.7 Flash 竟然比 Gemini 3.5 Pro 更早問世——Google 的版本號這幾代跳得很快，別被數字大小誤導，實際要看官方跑分與你自己的場景測試。
- **精修而非重練**：這代是在 3.6 上做演算法優化，底層能力的天花板不一定同步拉高，最好還是拿你自己的真實任務跑一輪再決定。

## 小結

Gemini 3.7 Flash 的意義，不只是「又一個新模型」，而是把「夠聰明」和「夠便宜」這兩件事同時往前推：程式與自動化的分數大幅提升、100 萬 token 的長 context、原生多模態，加上只有對手三分之一的價格。對每天要靠 AI 大量幹活、又想控成本的人來說，它很可能就是接下來一段時間的預設主力型號——只是別忘了，那個漂亮的價格是有期限的。
