瞄準程式開發與 Agent 市場: Gemini 3.7 Flash 三週內迅速推出
三週推出新模型,反映 Google 加快更新速度
過去大型語言模型通常需要經過較長時間的訓練、測試與部署,但 Gemini 3.7 Flash 在 Gemini 3.6 Flash 發布後不到一個月便登場,成為 Google 近期更新速度最快的一次模型升級。
Google 在 2026 年 8 月 13 日正式推出 Gemini 3.7 Flash,距離上一代 Gemini 3.6 Flash 發布僅約三週。如此快速的更新速度,顯示 Google 正加快 Gemini 系列的產品迭代,並希望透過更強的程式開發能力、AI Agent 執行能力與更低的使用成本,爭取開發者及企業市場。
勁采小學堂
主打程式開發與複雜任務處理
Google 表示,Gemini 3.7 Flash 的推出,主要來自開發者回饋以及演算法方面的改進。新模型並非單純追求更大的參數規模,而是針對實際工作流程進行最佳化,尤其集中在軟體工程、網頁開發、知識型工作與 AI Agent 等應用。
這種「快速推出、持續修正」的方式,也反映出生成式 AI 市場的競爭正變得更加激烈。模型更新速度已經成為各家科技公司爭取開發者的重要手段,Google 不僅需要提升模型能力,也必須縮短從技術突破到產品落地的時間。
Gemini 3.7 Flash 被 Google 稱為目前最聰明的「workhorse model,工作馬模型」,定位並不是取代旗艦級大型模型,而是提供速度快、成本低,且能夠處理實際工作的 AI 模型。
在程式開發方面,新模型特別強化以下能力:
- 理解複雜的程式需求
- 找出程式碼中的錯誤
- 提出除錯與修正方案
- 規劃多步驟的開發流程
- 使用外部工具執行後續操作
- 生成更接近正式產品的程式碼
根據公布的測試結果,Gemini 3.7 Flash 在 FrontierCode 1.1 Main 的表現從 Gemini 3.6 Flash 的 34.4% 提升至 43.6%;在 DeepSWE v1.1 中,成績則由 49.0% 提升至 65.3%。
這代表新模型的定位已從「協助寫幾段程式碼」,逐漸轉向理解需求、分析問題、制定修改方案,並協助完成整個軟體工程流程。
網頁開發能力也有所提升
除了軟體工程,Gemini 3.7 Flash 也特別強調網頁開發能力。Google 表示,新模型可以根據文字提示、圖片、螢幕截圖,甚至完整的設計系統,生成更接近原始設計的網頁介面。
在 WebDev Arena 測試中,Gemini 3.7 Flash 的成績為 1588 Elo,高於 Gemini 3.6 Flash 的 1538 Elo。
對開發者而言,這類能力可以減少從設計稿到前端程式碼之間的轉換成本。使用者不必提供非常冗長的指令,模型也能根據畫面配置、元件風格與功能需求,產生較完整的網站雛形。
不過,這並不代表生成的程式碼可以完全不經人工檢查便直接上線。實際應用時,開發者仍需要確認程式碼的安全性、可維護性、效能與是否符合產品需求。
從聊天機器人走向能夠「做事」的 AI Agent
Gemini 3.7 Flash 的另一個主要升級方向,是多步驟任務與 AI Agent 能力。
傳統聊天機器人通常是在使用者提問後提供文字回答;AI Agent 則需要進一步拆解目標、安排執行順序、呼叫工具,並在遇到問題時調整策略。Google 表示,Gemini 3.7 Flash 更能處理執行過程中的障礙,也會在必要時確認使用者意圖,並在複雜任務中投入更多推理與規劃。
這類能力適合應用在:
- 自動整理企業文件
- 分析財務、法律或研究資料
- 建立與維護軟體專案
- 連接企業內部工具與資料庫
- 執行多步驟的行政工作
- 根據使用者指示更新文件或寄送郵件
在 AutomationBench 測試中,Gemini 3.7 Flash 的表現從前代的 17.0% 提升至 30.4%,顯示模型在商業自動化工作流程方面有所進步。
快速迭代是競爭策略,也是市場壓力的反映
Gemini 3.7 Flash 在 Gemini 3.6 Flash 發布三週後便推出,顯示 Google 正努力縮短 AI 模型的更新週期。這次更新的重點並不是單純追求聊天品質,而是把重心放在程式開發、工具使用、任務規劃與 AI Agent 執行能力。
同時,初期價格降至前代約一半,也說明 Google 正試圖從成本與效能兩方面切入企業市場。對開發者來說,Gemini 3.7 Flash 提供了更適合大量部署的選擇;對 Google 而言,這則是一場與 OpenAI、Anthropic 及其他 AI 模型供應商之間的速度競賽。
不過,模型推出得快,並不等於所有問題都已經解決。Gemini 3.7 Flash 能否真正改變企業工作流程,仍要看它在實際環境中的穩定性、準確度、工具整合能力與長期成本。至少目前可以確定的是,Google 已經把 Gemini Flash 系列從「快速回覆的模型」,推向更重視「能夠完成工作」的 AI Agent 平台。