Google (США) выпускает Gemini 3.7 Flash, снижая цены на API на 50%

Репортаж от Wedoany，Компания Google выпустила новую флагманскую модель Gemini 3.7 Flash, сделав программирование, агентные рабочие процессы и интеллектуальную работу ключевыми направлениями обновления, а также временно снизив цены на API вдвое. Всего через три недели после выхода Gemini 3.6 Flash этот необычно короткий продуктовый цикл объясняется обратной связью разработчиков и улучшением алгоритмов. Для корпоративных разработчиков более важным является сочетание повышения интеллектуальных возможностей и снижения затрат на логический вывод: до 31 декабря 2026 года цена за миллион входных токенов Gemini 3.7 Flash составит 0,75 доллара США, а за миллион выходных токенов — 3,75 доллара США.

С 1 января 2027 года цена вырастет до 1,50 доллара за миллион входных токенов и 7,50 доллара за миллион выходных токенов; стоимость кэширования контекста также вырастет с 0,075 доллара за миллион токенов в начальный период до 0,15 доллара. Это означает, что скидка носит временный характер, но даёт командам, развернувшим крупномасштабные агенты для программирования и бизнес-процессов, несколько месяцев на оценку того, сможет ли заявленное Google «сокращение повторных попыток и ручного контроля» привести к снижению общих операционных затрат.

Google называет Gemini 3.7 Flash «самой интеллектуальной флагманской моделью для программирования и агентов на сегодняшний день», подчёркивая, что модель лучше адаптируется при возникновении препятствий, при необходимости уточняет намерения и следует инструкциям с более высокой точностью. В сценариях корпоративных агентов для программирования модель, которая сокращает ненужные изменения, восстанавливается после ошибок и более надёжно выполняет многошаговые планы, может напрямую снизить частоту ручного вмешательства; бизнес-агенты, работающие с документами и приложениями, также выигрывают от этого. По сравнению с подходом Gemini 3.6 Flash, ориентированным на сокращение шагов логического вывода, диалоговых раундов и вызовов инструментов, 3.7 Flash уделяет больше внимания многошаговому планированию и вызову инструментов, нацеливаясь на более строгое выполнение и меньшее количество повторных попыток. Google DeepMind сообщает, что модель улучшила отладку и решение проблем, может генерировать более практичные макеты веб-страниц и приложения с меньшим количеством подсказок, а также повышает логический вывод и точность в реальных бизнес-процессах.

Наблюдается заметный рост в бенчмарках по программированию. В тесте FrontierCode 1.1 Main, оценивающем качество производственного кода, Gemini 3.7 Flash набрал 43,6%, что выше 34,4% у Gemini 3.6 Flash и немного выше заявленных Google показателей Claude Sonnet 5 (42,7%) и GPT-5.6 Terra (41,3%). В долгосрочной оценке программной инженерии DeepSWE v1.1 3.7 Flash достиг 65,3%, тогда как предыдущая версия — 49,0%, а GPT-5.6 Terra лидирует с 69,6%. В веб-разработке Gemini 3.7 Flash получил Elo-рейтинг 1588 на Code Arena, опередив 3.6 Flash (1538), Claude Sonnet 5 (1541) и GPT-5.6 Terra (1523); Google утверждает, что новая модель генерирует более практичные макеты и полнофункциональные приложения с меньшим количеством подсказок, а также точнее следует эталонным скриншотам, изображениям и дизайн-системам.

Более широкие результаты бенчмарков демонстрируют неоднозначную картину, что имеет практическую ценность для предприятий при выборе моделей под конкретные рабочие нагрузки. Gemini 3.7 Flash набрал 85,8% в Terminal-bench 2.1, что ниже 87,4% у GPT-5.6 Terra; Terra также сохраняет лидерство в Terminal-bench 3.0 и OSWorld-2.0. Claude Sonnet 5 лидирует в мультимодальных задачах рабочего стола и операционной системы в Agent's Last Exam с проходимостью 33,3%, тогда как Gemini 3.7 Flash — 26,3%. Иными словами, собственные данные Google не показывают, что 3.7 Flash полностью заменяет более дорогих конкурентов, а скорее указывают на то, что модель более конкурентоспособна в программировании и агентных рабочих нагрузках при более низком ценовом уровне.

Производительность в корпоративных рабочих процессах — более практичный критерий оценки. В AutomationBench, оценивающем автоматизацию бизнес-процессов, Gemini 3.7 Flash набрал 30,4%, значительно опередив 3.6 Flash (17,0%); в таблицах Google у Claude Sonnet 5 — 10,7%, у GPT-5.6 Terra — 23,6%. В GDP.PDF, оценивающем понимание сложных PDF-документов, модель достигла 34,0%, превысив 22,0% у 3.6 Flash, 28,0% у Claude Sonnet 5 и 24,7% у GPT-5.6 Terra. Эта комбинация возможностей имеет большое значение для корпоративных агентов, поскольку реальное развёртывание часто включает полную цепочку действий: интерпретацию длинных отчётов, выявление релевантной информации, вызов инструментов, обновление систем и генерацию документов для проверки человеком. Надёжность всей цепочки важнее, чем изолированные оценки логического вывода.

Google реализует этот подход через Gemini Spark. Подписчики Google AI Pro и Ultra могут использовать 3.7 Flash в персональном ИИ-агенте Spark, что улучшает интеллектуальную работу и использование инструментов в приложениях Google Workspace, включая такие рабочие процессы, как объединение файлов, составление черновиков электронных писем и обновление статусных документов. Корпоративные пользователи также могут получить модель через Gemini Enterprise Agent Platform и Gemini Enterprise.

Стартовая цена рассматривается как заметная попытка интеграции в корпоративные рабочие процессы. Для сравнения, стандартная цена API Gemini 3.6 Flash составляет 1,50 доллара за миллион входных токенов и 7,50 доллара за миллион выходных токенов; у Claude Sonnet 5 — 2 и 10 долларов соответственно, у GPT-5.6 Terra — 2 и 12 долларов. Для автономных агентов один пользовательский запрос может вызвать длинную цепочку вызовов модели, токенов логического вывода и взаимодействий с инструментами; модель с более низкой ценой за токен, но значительно большим числом повторных попыток, не обязательно дешевле. Google сочетает более низкую стартовую цену за токен с заявленным повышением точности с первого раза; если эти преимущества сохранятся в производственной среде, это может существенно изменить эксплуатационные затраты крупномасштабных агентов для программирования или обработки документов. Конечным показателем, на который следует обращать внимание корпоративным командам, является не изолированная цена за миллион токенов, а стоимость за успешно выполненную задачу.

Выпуск Gemini 3.7 Flash происходит на фоне дискуссий о том, теряет ли Google преимущество на переднем крае ИИ. Google ещё не выпустила Gemini 3.5 Pro — модель, которая в мае была анонсирована как выходящая в следующем месяце, в июле было объявлено, что она всё ещё проходит партнёрское тестирование, а в четверг не было предоставлено дальнейших сроков. Таким образом, последней выпущенной универсальной Pro-моделью Google остаётся Gemini 3.1 Pro, представленная в феврале. Ранее сообщалось, что эта модель пропустила запланированные сроки из-за недостижения внутренних целей (особенно в программировании), и Google уже начала обучение того, что называет «самым амбициозным» Gemini 4.

Эта серия задержек совпала с объявлением Google о значительных изменениях в руководстве ИИ-направления. Соучредитель Google DeepMind, лауреат Нобелевской премии Демис Хассабис (Demis Hassabis) переходит на должность председателя этого подразделения и становится главным научным сотрудником Alphabet, больше не занимаясь повседневным управлением; бывший технический директор DeepMind Корай Кавукчуоглу (Koray Kavukcuoglu) руководит подразделением в должности старшего вице-президента, напрямую подчиняясь генеральному директору Сундару Пичаи (Sundar Pichai). Кавукчуоглу отвечает за разработку моделей Gemini, передовые исследования, приложения Gemini и команды разработчиков, объединяя всю продуктовую линейку Gemini под руководством одного более продуктоориентированного руководителя. Главный научный сотрудник Джефф Дин (Jeff Dean), соруководители Gemini Ориол Виньялс (Oriol Vinyals), Куок Ле (Quoc Le) и Санджай Гемават (Sanjay Ghemawat) покинули компанию, чтобы основать исследовательский стартап Discovery Loop; ранее соруководитель Gemini Ноам Шазир (Noam Shazeer) перешёл в OpenAI, а лауреат Нобелевской премии, учёный AlphaFold Джон Джампер (John Jumper) — в Anthropic. Ранее Reuters сообщало, что замедление выпуска и недостатки в программировании объясняются внутренними разногласиями, ограниченным распределением вычислительных ресурсов и бюрократией Google.

Внешние оценки неоднозначны. SemiAnalysis считает, что Google всё больше приоритизирует высокоприбыльный бизнес предоставления облачной инфраструктуры ИИ-компаниям (включая конкурентов Gemini), а не сохранение своих моделей на переднем крае; аналитики также утверждают, что Google фактически отменила 3.5 Pro, но Google этого не подтвердила и продолжает заявлять, что модель отложена. The Verge даёт более осторожную оценку: уходы сотрудников и задержки моделей действительно серьёзны, но Google сохраняет огромные преимущества благодаря поиску, Workspace, Android, облачным вычислениям, специализированным ИИ-чипам и потребительскому распространению; месячная аудитория приложения Gemini превышает 950 миллионов пользователей, и его охват не полностью зависит от самой рейтинговой модели. Индекс общего интеллекта моделей Artificial Analysis оценивает Claude Opus 5 в 63 балла, а Google сообщает о 56 баллах для Gemini 3.7 Flash, что является прогрессом по сравнению с 52 баллами у 3.6 Flash. Ранние результаты предпочтений пользователей Arena показывают, что 3.7 Flash временно занимает 9-е место, а в веб-разработке — 8-е.

Разработчики могут получить доступ к Gemini 3.7 Flash через Google AI Studio, Gemini API в Android Studio и среду Antigravity от Google; предприятия могут развернуть модель через Gemini Enterprise Agent Platform и Gemini Enterprise, а подписчики Google AI Pro или Ultra — через Spark в поддерживаемых странах. Google также обновила меры безопасности, охватывающие химические, биологические, радиологические и ядерные риски, а также злоупотребления в кибератаках.

Быстрый переход от Gemini 3.6 Flash к 3.7 Flash показывает, что улучшения алгоритмов могут попадать в производственные продукты, не дожидаясь нового поколения флагманских моделей. Для разработчиков такой темп также создаёт эксплуатационные требования: производственные команды перед заменой развёртывания должны проводить бенчмаркинг новой версии на своих собственных кодовых базах, подсказках, инструментальной архитектуре и сценариях отказов. Собственные данные Google показывают значительные улучшения модели в производственном программировании, веб-разработке, понимании документов и автоматизации рабочих процессов, но не заявляют о полном превосходстве. С помощью стартовой цены Google фактически делает ставку на то, что разработчики оценят модель, которая «достаточно конкурентоспособна по сравнению с более дорогими системами и при этом достаточно дешёвая для многократного запуска». Сохранится ли это преимущество после восстановления полных цен в январе 2027 года, будет зависеть от надёжности 3.7 Flash в реальных задачах, а не от позиций в рейтингах.