https://www.aiposthub.com/gemini-3-7-flash-coding-agent-api-price/ Google 发表 Gemini 3.7 Flash：三周再升级 Coding 与 Agent，API 价格一次看 Google 在 Gemini 3.6 Flash 推出三周後，再发布 Gemini 3.7 Flash。新模型强化程式 开发、AI Agent、多步骤执行与文件理解。 Philo 14 Aug 2026 — 9 min read Google 在 2026 年 8 月 13 日正式发表 Gemini 3.7 Flash。距离 Gemini 3.6 Flash 推出只有三周，新模型继续把重点放在程式开发、网页制作与 AI Agent。 AI Agent 是能自行规划步骤、呼叫工具并完成任务的 AI 系统。对这类应用来说，模型 不只要答对问题，还要能在遇到错误後修正做法，减少中途卡住或重复尝试。 这次更新值得关注，但真正的重点不是版本号又增加了 0.1。Gemini 3.7 Flash 已经正 式可供 production 使用，而且在 2026 年底前与 3.6 Flash 采相同优惠价。对正在做 Coding Agent 或自动化流程的团队来说，它值得优先测试；已经稳定运行的服务，则不 必只因官方跑分提高就立刻全面切换。 Gemini 3.7 Flash 更新了什麽？ 根据 Google Gemini API 开发文件，Gemini 3.7 Flash 的模型代号是 gemini-3.7- flash，目前已进入 GA，也就是正式可供 production 使用，而非只限测试的 Preview 版本。 项目 Gemini 3.7 Flash 核心定位 Coding、AI Agent、多步骤工作与多模态推理 Context window 100 万 token，可一次处理的输入范围 最大输出 64K token Thinking level low、medium、high，预设为 medium 模型代号 gemini-3.7-flash 目前状态 GA，可供 production 使用 Token 是模型计算文字与其他输入内容的基本单位。100 万 token context window 的意 义，是模型能在同一次工作中读取大型程式库、长篇文件或多轮任务纪录；它不代表每个 请求都应该塞满 100 万 token，因为输入越长，延迟与费用通常也会跟着增加。 Gemini 3.7 Flash 也让开发者调整 Thinking level，控制模型投入多少推理资源。low 适合重视速度的即时回覆，medium 是多数任务的预设选择，high 则适合困难的 Coding 、数学与 Agent 任务，但可能消耗更多输出 token。 官方跑分提升多少？Coding 与自动化进步最明显 Google 公布的数据显示，Gemini 3.7 Flash 相较 3.6 Flash，在软体工程、网页开发、 文件理解与自动化任务都有提升。 Benchmark 测试方向 Gemini 3.6 Flash Gemini 3.7 Flash 差距 FrontierCode 1.1 Main 程式开发 34.4% 43.6% ＋9.2 个百分点 DeepSWE v1.1 软体工程与问题修正 48.6% 65.3% ＋16.7 个百分点 WebDev Arena 网页开发偏好评分 1538 Elo 1588 Elo ＋50 Elo GDP.pdf 复杂文件处理 22.0% 34.0% ＋12.0 个百分点 AutomationBench 真实商业自动化流程 17.0% 30.4% ＋13.4 个百分点 其中最有实际意义的是 DeepSWE 与 AutomationBench。前者显示模型处理程式问题的成 功率提高，後者则反映它在多步骤商业流程中，比上一代更有机会把任务完成。若团队正 在制作会读取资料、呼叫工具、修改内容再回报结果的 Agent，这些能力比单次问答分数 更值得看。 Google 公告的正文将 3.6 Flash 的 DeepSWE 分数写成 49.0%，完整 benchmark 表则列 为 48.6%。本文采用完整表格的数字，避免正文与配图出现不同口径。 不过，这些比较主要来自 Google 的官方公告。Benchmark 可以证明方向，但不能保证每 个真实专案都得到相同比例的改善。程式库大小、Prompt、工具设计、测试环境与错误恢 复方式，都会影响最终结果。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 223.140.221.243 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI/M.1786936173.A.37C.html