🔶 Gemini 3.7 Flash
英文标题：🔶 Gemini 3.7 Flash
Gemini 3.7 Flash 在编程、网页开发以及金融、法律和生物科学等知识密集型任务中，相比 3.6 Flash 展现出明显提升。其在 FrontierCode 1.1 Main 和 DeepSWE v1.1 上的生产级代码生成表现分别达到 43.6% 和 65.3%，均显著高于 3.6 Flash。在网页开发方面，3.7 Flash 以 1588 的 Elo 分数超过 3.6 Flash 的 1538 分；在复杂文档处理和业务自动化评测中也取得更高成绩。这意味着开发者可望以更少提示完成更可靠的代码、UI 和企业工作流自动化任务。
9.8 KB
中文
3.7 Flash 在调试和问题解决等编程任务上，相较于 3.6 Flash 有显著提升。它还具备更高的一次通过代码准确率，并且在生成可投入生产的代码方面表现更佳：在 FrontierCode 1.1 Main 中为 43.6%，高于 3.6 Flash 的 34.4%；在 DeepSWE v1.1 中为 65.3%，高于 49.0%。
在网页开发方面，3.7 Flash 能够以更少的提示生成更具功能性的布局和功能更完整的应用。对于 UI 生成，无论参考输入是截图、图片还是完整设计系统，该模型都展现出较高的设计遵循度与还原一致性。它在 Arena.ai 的 WebDev Arena 中也优于 3.6 Flash，Elo 分数为 1588，而 3.6 Flash 为 1538。
对于金融、法律和生物科学等知识密集型领域，3.7 Flash 提供了更强的推理能力和准确性。它在 GDP.pdf 基准测试中的表现显著优于 3.6 Flash（34.0% 对 22.0%）；该评测用于测试模型处理复杂文档的能力。它还在 AutomationBench 中超过了 3.6 Flash，表明其能够更有效地完成真实世界的商业工作流（30.4% 对 17.0%）。
English / 原文
3.7 Flash shows strong gains over 3.6 Flash in coding tasks like debugging and issue resolution. It also achieves higher first-pass code accuracy and has improved performance in generating production-ready code as seen in FrontierCode 1.1 Main (43.6% vs 34.4%) and DeepSWE v1.1 (65.3% vs 49.0%).
In web development, 3.7 Flash generates more functional layouts and feature-complete apps in fewer prompts. For UI generation, the model shows high design adherence and parity based on a reference input, whether it’s a screenshot, an image, or a full design system. It outperforms 3.6 Flash on Arena.ai’s WebDev Arena with an Elo score of 1588 vs 1538.
For knowledge-dense fields like finance, law, and biosciences, 3.7 Flash delivers improved reasoning and accuracy. It significantly outperforms 3.6 Flash on the GDP.pdf benchmark (34.0% vs 22.0%), an eval for testing a model’s ability to process complex documents. It also surpasses 3.6 Flash in AutomationBench, demonstrating it can more effectively complete real-world business workflows (30.4% vs 17.0%).