Google DeepMind выпустила Gemini 3.7 Flash — новую модель в линейке Flash, которая вышла всего через три недели после Gemini 3.6 Flash. Согласно карточке модели, это не новый обучающий прогон, а доработка предыдущей версии с улучшением базового механизма рассуждений. Модель принимает текст, изображения, аудио и видео в контексте на 1 млн токенов, возвращает до 64 тыс. выходных токенов и поддерживает настраиваемые режимы мышления, позволяющие балансировать между качеством, стоимостью и задержкой. Срез знаний — март 2026 года.
Главные улучшения сконцентрированы в трёх областях: разработка ПО, работа с документами и веб-разработка. Но самый сильный аргумент — цена: $0,75 за миллион входных токенов и $3,75 за миллион выходных, что вдвое дешевле изначального тарифа 3.6 Flash и примерно втрое дешевле средневзвешенной стоимости Claude Sonnet 5 или GPT-5.6 Terra.
Бенчмарки: где прирост, а где отставание
На FrontierCode 1.1 Main, который оценивает качество продакшн-кода, Gemini 3.7 Flash набирает 43,6% против 34,4% у 3.6 Flash. На DeepSWE v1.1, длинном тесте на инженерные задачи, результат — 65,3% (у 3.6 Flash было 48,6%). В WebDev Arena модель получает рейтинг Elo 1588 против 1538 у предшественницы — это лучший показатель в сравнительной таблице Google.
Работа с документами и автоматизация выросли ещё заметнее. GDP.pdf, тест на понимание экспертных PDF, показывает рост с 22,0% до 34,0%. На AutomationBench, закрытом наборе корпоративных workflow, результат поднялся с 17,0% до 30,4% — это опережает и Claude Sonnet 5 (10,7%), и GPT-5.6 Terra (23,6%). Извлечение информации из длинного контекста на GDM-MRCR v2 при 128 тыс. токенов достигает 97,0%.
Однако GPT-5.6 Terra по-прежнему впереди на DeepSWE (69,6%), Terminal-bench 2.1 (87,4%), Terminal-bench 3.0 (20,8%) и OSWorld-2.0 (50,2%). На GDPval-AA v2, тесте на работу со знаниями, 3.7 Flash получает 1525 Elo против 1598 у Sonnet 5 и 1628 у Muse Spark 1.2. Есть и регрессия: CharXiv Reasoning без инструментов — 84,5%, что ниже 85,2% у 3.6 Flash. В Artificial Analysis Intelligence Index модель набирает 56 баллов, тогда как у GPT-5.6 Terra и Muse Spark 1.2 — по 57.
Цена — главный аргумент
Тариф $0,75/$3,75 за миллион токенов — вводный, он действует до 31 декабря 2026 года. С 1 января 2027 года стоимость вырастет вдвое: до $1,50 за входные и $7,50 за выходные токены. Для сравнения, Claude Sonnet 5 в таблице Google стоит $2,00/$10,00, а GPT-5.6 Terra — $2,00/$12,00.
При соотношении входных и выходных токенов 80/20 средневзвешенная цена Gemini 3.7 Flash сегодня составляет $1,35 за миллион токенов против $3,60 у Sonnet 5 и $4,00 у GPT-5.6 Terra. Для команд, которые гоняют агентов на больших объёмах, именно разница в цене за единицу интеллекта — повод провести пилот, а не отдельные победы на бенчмарках.
Кому подойдёт модель
Google указывает на юридические и финансовые услуги, биофарму и корпоративные операции — об этом говорят результаты на Harvey LAB-AA, GDP.pdf и AutomationBench. Типичные сценарии: длительные кодовые агенты, автоматизация бэк-офиса с документами, генерация интерфейсов по скриншотам или дизайн-системам и превращение PDF в структурированные данные.
Стартапы и компании среднего размера выигрывают больше всего: вводная цена делает постоянно работающих агентов доступными без бюджета уровня Pro. Регулируемые предприятия получают управляемый путь через Gemini Enterprise. А вот команды с требованиями к размещению данных на своей территории или air-gap исключены: открытых весов нет, самостоятельный хостинг невозможен.
Доступ к модели — только через API и корпоративные поверхности: Gemini API, Google AI Studio, Google Antigravity, Android Studio, платформу Gemini Enterprise Agent Platform и приложение Gemini Enterprise. Обычные пользователи получают её через Gemini Spark в тарифах Google AI Pro и Ultra. Для сравнения с другими свежими релизами в сегменте агентных моделей стоит посмотреть на DeepSeek V4-Flash-0731 — там тоже заявляют большой прирост в агентных и кодовых задачах.
Gemini 3.7 Flash в России
Для российских команд модель интересна прежде всего ценой: при работе с API из-за границы $0,75 за миллион входных токенов — заметно дешевле конкурентов. Но есть два ограничения. Во-первых, нет открытых весов, значит, развернуть модель на собственном сервере для соблюдения 152-ФЗ или корпоративных политик не получится — только облачный доступ. Во-вторых, оплата и доступ к API Google из России требуют обходных путей, что добавляет риски для бизнеса. Для чувствительных данных модель вряд ли подойдёт, а вот для прототипов и нерегулируемых задач экономия может быть существенной. Тем, кому нужна работа с данными на локальном железе, стоит присмотреться к моделям с открытыми весами — например, Muse Glimmer от Meta помещается в 24 ГБ VRAM.
Частые вопросы
Чем Gemini 3.7 Flash отличается от 3.6 Flash?
Это не новая базовая модель, а доработка 3.6 Flash с улучшенным механизмом рассуждений. Прирост主要集中在 коде, работе с документами и веб-разработке, плюс цена вдвое ниже.
Насколько подешевела модель?
Вводный тариф — $0,75 за миллион входных и $3,75 за миллион выходных токенов. Это половина исходной цены 3.6 Flash и примерно треть стоимости Claude Sonnet 5 или GPT-5.6 Terra.
Когда закончится вводная цена?
31 декабря 2026 года. С 1 января 2027 года стоимость вырастет до $1,50 и $7,50 за миллион токенов соответственно.
Можно ли запустить Gemini 3.7 Flash на своём сервере?
Нет. Открытых весов не существует, модель доступна только через API и облачные платформы Google. Air-gap и самостоятельный хостинг исключены.
Где у модели слабые места?
GPT-5.6 Terra опережает её на терминальных и компьютерных агентах (Terminal-bench, OSWorld), а на CharXiv Reasoning без инструментов наблюдается небольшой регресс относительно 3.6 Flash.
Кому выгоднее всего использовать модель?
Стартапам и среднему бизнесу, которым нужны постоянно работающие агенты без больших затрат. Также хорошо подходит для юридических, финансовых и биофармацевтических задач с документами.
Что делать, если нужны документы с высокой степенью защиты?
Gemini 3.7 Flash не подходит: нет self-hosted варианта, данные уходят в облако Google. Для регулируемых отраслей стоит рассмотреть Gemini Enterprise или другие решения с контролем размещения данных.
Источник: marktechpost.com