代码生成：从翻车到一次过

谷歌8月13日发布的Gemini 3.7 Flash在零样本代码生成测试中表现炸裂。测试要求AI仅凭一句话提示直接生成能跑通的浏览器游戏，不给示例代码，也不让改bug。

实测结果太顶了：这货2分13秒就吐出了开箱即玩的游戏代码，语法规范，碰撞检测和计分系统全搞定，视觉效果远超这个价位的预期。最狠的是对比：7月21日的Gemini 3.6 Flash在同样测试中直接翻车——生成的HTML格式错误，元素渲染全崩，让它自己修都修不好。当时评测团队只能把代码丢给DeepSeek抢救（人家找出了11个bug修好8个）。

这波升级直接让3.7 Flash的实用代码能力逼近GPT-5.6 Sol。不过要注意，它更擅长执行明确需求而不是搞创意，提示词模糊输出就拉胯。

定价策略：年底前薅羊毛窗口

Gemini 3.7 Flash在2024年12月31日前定价每百万输入token只要0.75刀，是3.6 Flash的半价；2025年1月1日起涨到1.50刀。这模型首日就在160+国家上线，支持百万级token输入、6.4万token输出，能处理图片、视频、音频和PDF，还带工具调用和计算机操作能力。

谷歌自家测试数据显示，3.7 Flash在18个测试类别中有11项干翻了Claude Sonnet 5和GPT-5.6 Terra。关键指标包括Code Arena网页开发榜拿到1588 Elo分，AutomationBench上跑出30.4%成绩（注意这些是谷歌自家测试方法得出的）。

创意写作：被免费开源模型吊打

在创意写作测试中，Gemini 3.7 Flash露馅了。测试要求写个时间旅行故事：主角从2150年回到公元1000年，必须形成因果闭环——他的骚操作正好创造了他想阻止的未来，核心规则是：主角回到未来前不能明白自己干了啥。

Gemini故事框架还行：主角往比利牛斯山脉裂缝轰熵能炮，意外造出奴役22世纪伊比利亚的方尖碑。但写到一半就让主角开悟了（"这就是灰烬尖塔的基座"），直接破功。

更明显的是AI写作通病：几乎每个名词都硬塞两个形容词（"超发光塔楼""潮湿长苔的土地""浓密黑曜石头发"），典型"预测下一个词"而非真创作，导致出现"巨石低频嗡嗡响"这种废话。

评测团队拿Qwopus3.5-27B-v3对比（基于Qwen3.5-27B的社区微调模型，蒸馏了Claude Opus风格推理，消费级显卡就能免费跑）。Qwopus严格遵守了Gemini违反的规则：主角在真实的拉里奥哈圣米兰修道院杀了个僧侣，直到回2150年发现古抄本里的DNA才明白真相。

虽然Qwopus也有瑕疵（输出了完整规划草稿，结尾有点破功），但文学质量和规则遵守完胜Gemini。这说明特定创意任务上，精心调教的开源模型可能比通用商业货更顶。

逻辑推理：和Claude一起翻车

在桥梁逻辑谜题测试中，Gemini 3.7 Flash给出了和Claude Fable 5一样的错误答案。数学题测试里，模型框架搭对了但没算到底。

适用场景：高频低难度任务神器

Flash系列从来不是解决硬核问题的首选。它的价值在于：文本分类、会话压缩（防上下文爆炸）、文档摘要这些不值得用旗舰模型的场景。从这些需求看，3.7 Flash确实是实打实的升级；但和旗舰模型或专用微调比，它仍是个"能用但写作质量会被免费软件吊打"的选择。

国内开发者注意：年底前的羊毛价特别适合批量API调用、内容初筛、代码脚手架生成这些场景。但复杂逻辑推理和创意内容还是得靠旗舰模型或针对性调教的开源方案。

本文基于 GNews:Decrypt 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://decrypt.co/375730/gemini-3-7-flash-review-google-cheap-model