Google представила Gemini 3.7 Flash — новую версию своей «рабочей» модели для программирования, агентных сценариев и задач с большим количеством данных. Обновление вышло всего через три недели после Gemini 3.6 Flash и, по заявлению компании, не только улучшает качество, но и снижает стоимость: стартовая цена оказалась вдвое ниже исходной цены 3.6 Flash за миллион токенов.

Новая модель позиционируется как более сильный вариант для сложных рабочих процессов: от отладки кода и генерации интерфейсов до анализа документов в финансах, праве и бионауках. Google отдельно подчеркивает, что релиз стал ответом на обратную связь разработчиков и на новые алгоритмические улучшения, которые позже могут перейти и в другие модели линейки.

Что улучшили в Gemini 3.7 Flash

По данным Google, Gemini 3.7 Flash заметно прибавила в задачах, связанных с разработкой ПО. Компания приводит несколько сравнений с Gemini 3.6 Flash:

  • FrontierCode 1.1 Main: 43,6% против 34,4%;
  • DeepSWE v1.1: 65,3% против 49,0%.

Речь идет о сценариях, где важны отладка, исправление проблем, точность кода с первой попытки и способность выдавать код, ближе к production-ready уровню.

В веб-разработке Google заявляет о более функциональных макетах и более полных приложениях за меньшее число запросов. Для генерации интерфейсов модель лучше удерживает соответствие референсу — это может быть скриншот, изображение или целая дизайн-система. На бенчмарке WebDev Arena модель получила 1588 Elo против 1538 у версии 3.6.

Отдельный блок улучшений касается задач с «плотными» знаниями и сложными документами. На бенчмарке GDP.pdf, который проверяет способность модели разбирать комплексные документы, Gemini 3.7 Flash показала 34,0% против 22,0% у 3.6. На AutomationBench, где оценивается выполнение реальных бизнес-процессов, результат составил 30,4% против 17,0%.

Что это значит для разработчиков и команд

Google делает акцент не только на «сухих» метриках, но и на практическом опыте работы с моделью. По словам компании, Gemini 3.7 Flash лучше справляется с тупиковыми ситуациями, точнее понимает намерение пользователя, при необходимости уточняет задачу и аккуратнее следует инструкциям.

Также модель, как утверждает Google, более дисциплинированно выполняет многошаговое планирование и вызовы инструментов. На практике это должно снижать число повторных запросов, ручных правок и дополнительного контроля в инженерных и автоматизированных сценариях.

Цена: вдвое ниже исходной стоимости Gemini 3.6 Flash

До конца года Gemini 3.7 Flash доступна по стартовой цене $0,75 за 1 млн входных токенов и $3,75 за 1 млн выходных токенов. Google отдельно подчеркивает, что это половина исходной стоимости Gemini 3.6 Flash на старте.

Для бизнеса это важный сигнал: Google продолжает конкурировать не только качеством моделей, но и экономикой использования. Для агентств, продуктовых команд, разработчиков внутренних инструментов и компаний, которые строят AI-автоматизацию, снижение цены может сделать массовые сценарии внедрения заметно доступнее.

Где модель уже применяется

В примерах Google показывает несколько сценариев использования Gemini 3.7 Flash:

  • генерация полностью играбельной 3D-игры из текстового запроса в связке с Nano Banana;
  • создание интерактивных лендингов «за один проход» с параллакс-эффектами через оркестрацию субагентов и Gemini Omni;
  • обучение робототехнической модели с мультимодальным пониманием в цикле из трех агентов;
  • преобразование статического PDF-отчета в интерактивную веб-историю с графиками и агрегированными выводами.

Часть этих кейсов выглядит демонстрационной, но общий вектор понятен: Google продвигает модель как основу для агентных систем, генерации интерфейсов, автоматизации рутинных процессов и работы с документами.

Что изменится в экосистеме Google

Google также сообщила, что Gemini Spark, персональный AI-агент для подписчиков Google AI Pro и Ultra более чем в 160 странах, начинает использовать Gemini 3.7 Flash с момента анонса. Это означает, что улучшения модели будут влиять не только на API-сценарии, но и на пользовательские AI-инструменты Google.

Почему это важно для российского рынка

Для российских специалистов новость важна прежде всего как ориентир по развитию AI-инструментов для рабочих задач, а не как история только про зарубежный рынок. Даже если компания не использует стек Google напрямую, тренд очевиден: модели становятся дешевле, быстрее и лучше в прикладных сценариях — особенно там, где нужно писать код, собирать интерфейсы, анализировать документы и автоматизировать повторяющиеся действия.

Для SEO-специалистов, PPC-команд, агентств и контент-менеджеров это означает, что AI-инструменты будут все активнее применяться в производстве посадочных страниц, генерации прототипов, обработке больших отчетов, подготовке технических заданий и автоматизации внутренних процессов. В работе с российским рынком это можно переносить и на связки с Яндекс Директ, Яндекс Метрика, CRM, BI-системами и собственными скриптами, если команда использует внешние модели через API или аналогичные решения.

Практический вывод простой: конкуренция между AI-моделями смещается от «кто умеет больше» к «кто дает лучшее качество за меньшие деньги в реальных рабочих сценариях». Для бизнеса и digital-команд это хороший момент пересмотреть стоимость AI-автоматизации, протестировать новые модели на своих задачах и сравнивать не только качество ответов, но и итоговую цену результата.

Совет эксперта Analito

Если команда использует AI через API, стоит прогнать на Gemini 3.7 Flash собственный набор задач: генерацию кода, создание шаблонов лендингов, разбор отчетов и автоматизацию рутинных операций. Сравнивать нужно не только качество ответа, но и число повторных запросов, ручных правок и итоговую стоимость выполнения задачи.

Для SEO- и контент-команд полезно отдельно протестировать сценарии работы со сложными документами: брифами, коммерческими предложениями, аналитическими отчетами, выгрузками из Яндекс Метрика и CRM. Важно проверить, насколько модель корректно извлекает факты, структурирует выводы и не теряет детали.

Если агентство или бизнес собирает внутренние AI-инструменты, имеет смысл пересчитать экономику внедрения. Снижение цены на токены может сделать рентабельными те процессы, которые раньше были слишком дорогими для масштабного использования.

Частые вопросы

Подойдет ли Gemini 3.7 Flash для задач SEO и интернет-маркетинга, а не только для программистов?

Да, особенно для автоматизации рутинных процессов, анализа больших документов, подготовки прототипов страниц и обработки отчетов. Но качество нужно проверять на собственных сценариях, а не только по бенчмаркам Google.

Что важнее в этом релизе: рост качества или снижение цены?

Для бизнеса важны оба фактора сразу. Если модель дает лучший результат и требует меньше повторных запросов при более низкой цене, стоимость готовой работы снижается заметнее, чем просто цена токенов.

Есть ли практический смысл тестировать модель, если основная работа идет с Яндексом, а не с продуктами Google?

Да, потому что речь идет не о поиске Google, а об AI-модели для рабочих процессов. Ее можно применять для задач вокруг Яндекс Директ, Яндекс Метрика, контента, аналитики и внутренних автоматизаций.