Google усилила Gemini там, где ИИ чаще всего ошибается. Обзор Gemini 3.7 Flash

У хорошего чат-бота есть довольно простой критерий качества: он должен дать хороший ответ. Но как только нейросети начинают работать в качестве агентов, этого становится недостаточно. Нужно прочитать несколько файлов, разобраться в чужом коде, вызвать инструменты… А потом еще проверить результат, заметить ошибку и попробовать еще раз. Именно на такую работу Google теперь делает ставку в Gemini 3.7 Flash, о которой мы сегодня поговорим вместе с командой нейросетевого портала Креатор Проджект.

Особенности обновления

Модель представили в августе текущего года, всего через три недели после Gemini 3.6 Flash. Google называет ее своей самой способной Flash-моделью для программирования и агентных сценариев. И, судя по официальным результатам, главное изменение действительно связано не с обычным диалогом, а с тем, насколько уверенно модель справляется с длинной цепочкой действий.

При этом 3.7 Flash не превращается в огромную модель, которая пытается решить любую задачу максимальным количеством вычислений. Это по-прежнему рабочая модель семейства Flash: достаточно быстрая, мультимодальная и рассчитанная на использование в больших объемах.

Модель стала лучшим исполнителем

В Google описывают 3.7 Flash довольно показательно: она должна лучше адаптироваться к препятствиям, уточнять намерение пользователя, точнее следовать инструкциям. И при этом делать больше полезной работы самостоятельно. То есть, если речь идет об агентном сценарии, количество неудачных циклов и ситуаций, при которых необходимо вмешательство человека, должно быть меньшим.

Разница особенно заметна в программировании. Если обычный запрос выглядит как «напиши функцию», агентная задача может звучать совсем иначе: найди причину ошибки в проекте, изучи несколько файлов, внеси изменения, запусти проверки и исправь то, что сломалось. Здесь важен уже не отдельный ответ, а устойчивость модели на протяжении всей последовательности.

В DeepSWE v1.1, тесте на сложные задачи программирования, Gemini 3.7 Flash получила 65,3 % против 48,6 % у 3.6 Flash. В Terminal-Bench 2.1 результат вырос с 78 до 85,8 %. При этом до лидерства во всех задачах модели еще далеко: в некоторых тестах она уступает GPT-5.6 Terra. Поэтому главный плюс 3.7 Flash — не абсолютное превосходство, а заметный рост в программировании и работе в качестве агента.

Интереснее всего она выглядит в веб-разработке

Одна из самых любопытных областей применения – создание интерфейсов по готовому дизайну. Google отдельно подчеркивает, что 3.7 Flash стала лучше переносить дизайн-макеты в рабочий код: не просто воспроизводить общую структуру страницы, а точнее соблюдать визуальные детали.

В Code Arena для веб-разработки модель получила 1588 Elo против 1538 у 3.6 Flash. Причем Google отдельно указывает еще один сценарий: модель способна сравнивать уже существующий сайт с исходным макетом и искать расхождения между ними. То есть нейросеть используется уже не только в роли генератора новых интерфейсов. Она также легко может выступать и в качестве своеобразного визуального контролера качества.

Представим типичную ситуацию. Дизайнер передает макет, разработчик собирает страницу, а затем модель получает и исходный дизайн, и результат. Вместо субъективного «кажется, здесь что-то не так» она может пройтись по элементам и проверить соответствие. Такая работа намного больше похожа на взаимодействие в команде, чем на очередную демонстрацию красивой страницы по одному промпту.

Миллион токенов теперь нужен не для красоты

У Gemini 3.7 Flash сохранилось контекстное окно примерно в миллион токенов, а максимальный объем выдачи составляет 65 536 токенов. Модель принимает текст, изображения, видео, аудио и PDF, а также умеет пользоваться инструментами, выполнять код, искать информацию и работать с файлами.

Сам по себе миллион токенов уже перестает быть впечатляющей характеристикой. Гораздо интереснее то, что происходит, когда большой контекст соединяется с агентными возможностями.

Например, разработчику можно дать не один небольшой файл, а крупный проект вместе с документацией, техническими требованиями и скриншотами интерфейса. Модель получает возможность держать все это в рабочем контексте и последовательно двигаться от анализа к изменениям и проверке результата. Именно здесь длинное контекстное окно превращается из рекламной цифры в действительно полезный инструмент.

Выводы

Gemini 3.7 Flash выглядит логичным продолжением того направления, которое Google наметила в предыдущей версии, но делает его гораздо убедительнее. Главный прогресс заметен в программировании, веб-разработке и многошаговых агентных задачах: модель лучше планирует работу, устойчивее проходит длинные цепочки действий. Ручного контроля при этом требуется меньше.

При этом назвать ее безоговорочным лидером нельзя. В некоторых сложных агентных тестах конкуренты по-прежнему впереди. Зато Google, похоже, довольно точно определила, где Flash-модели действительно нужны: не впечатлять пользователя одним красивым ответом, а спокойно работать над задачей до тех пор, пока она не будет доведена до результата.

Olga Lammers

Разбор и оценка ИИ-моделей и проектов, внимательно отслеживает развитие технологий и тенденции в области искусственного интеллекта. Аналитические обзоры помогают понять принципы работы ИИ, их возможности и ограничения, дает рекомендации по использованию инновационных решений в различных сферах. Делает сложные темы доступными для широкой аудитории.