Gemini 3.7 Flash 在 8 月 13 日突然上线，过去这一天多，AI 编程圈基本在吵三件事：编程能力到底涨了多少、半价是不是真的、以及要不要换。
我把官方发布材料、model card 和 benchmarks 表读完，又翻了一遍知乎、微博、B站的实测和争论，先给结论：半价是真，但限时；涨分也是真，但没涨在你以为的地方；而且谷歌同日把 3.6 Flash 也调到了同价，这次决策的本质不是"新的更便宜"，而是"新的能不能更稳地把活干完"。
涨分涨在"长任务"，不是日常写代码
先看官方成绩单。几个主要涨幅：DeepSWE（生产代码）从 48.6% 到 65.3%，一次跳了 16.7 个百分点；FrontierCode 从 34.4% 到 43.6%；Terminal-bench 3.0（通用 agent 能力）从 5.4% 到 14.9%，接近三倍；AutomationBench（企业工作流）从 17.0% 到 30.4%；GDP.pdf（复杂 PDF 理解）从 22.0% 到 34.0%。36氪
这些基准的共同点是，全部是"跑通一整条链路"的多步长任务评测：终端操作、工具调用、屏幕操作、长文档理解；而普通知识推理方面，3.7 相比 3.6 没什么突破。谷歌自己的定位也印证了这一点——3.7 Flash 是"迄今为止最智能的编码与 Agent 主力模型"，强调的是在一个任务里连续执行。Google官方博客 便宜档集体往 Agent 能力上使劲的原因很现实：Agent 任务的 token 消耗和聊天不是一个量级，让它操作一遍网页、跑一轮命令、处理一份 PDF 再回填表单，中间要拆解、试错、重试，消耗是指数级往上走的。知乎
社区实测的体感也印证了这一点。知乎有人拿真实仓库的修 bug 任务跑了对比：3.6 Flash High 耗时 147 秒，最后想歪了；3.7 耗时明显更长、320 秒，但拿到了正确答案。知乎 翻译一下：3.5 拼速度、3.6 拼成本，3.7 押的是"能把长任务做完"，哪怕慢一点。
不过三盆冷水也得泼。第一，这一串分数全部来自厂商发布材料，AutomationBench 还是 private set，没有独立复现；第二，官方口径自己都不统一：博客正文把 3.6 的 DeepSWE 写成 49.0%，详细表和 model card 写成 48.6%；第三，Terminal-bench 3.0 就算 14.9%，也还没追上同表里 GPT-5.6 Terra 的 20.8%，"最强 Agent"还谈不上。知乎专栏
半价里藏着两个窗口
这次降价值得单独说。到 12 月 31 日之前，3.7 Flash 的促销价是每百万输入 token 0.75 美元、输出 3.75 美元，正好是 3.6 Flash 原价的一半。微博 更关键的是，谷歌同日把 3.6 Flash 也调到了同一促销价，对存量用户来说，促销期内两代价差为零。知乎专栏
也就是说，决策的性质变了。对正在用 3.6 Flash 的团队，这不是新旧比价的题，而是一个免费 A/B 窗口：同价之下，拿自己的真实任务集跑新模型，看质量、重试率和延迟是不是真的变好。而元旦之后恢复 1.5/7.5 美元的原价，窗口随之关闭。Google官方博客
再静态算一笔账。按每月 2000 万输入、200 万输出 token 的中型用量：促销期 22.5 美元，常规价 45 美元；同样用量按 GPT-5.6 Terra 的 2 美元输入、12 美元输出算是 64 美元。知乎专栏 但交过 AI 编程账单的人都清楚，token 单价只是账单的入口：thinking 档位决定输出长度，重试和缓存命中又会把最终成本翻来覆去——要比的，是每个合格结果的总成本。
四类人，四种打法
结合这两天社区里的讨论，大致可以对号入座：
正在用 3.6 Flash API 的人：现在就可以试，但按灰度走。 价差为零，公开分数已经足够支持开跑。切之前锁定几件事：thinking 档位固定（low/medium/high 三档、默认 medium，A/B 两边档位不一致，比的就是档位不是模型）；功能列表别只看名字，caching、function calling、code execution 都用自己的 harness 过一遍回归。
把便宜模型焊死在 Agent 链路里的人：进候选池，别全量换。 这条路最贵的不是 token 价，是重构成本。3.7 Flash 的长任务稳定性确实是链路型产品最需要的东西，但模型可以灰度换，业务逻辑别焊死在任何一家的定价表上。
订阅制工具用户（Claude Code、Cursor 等）：先观望。 目前确认的渠道是 Gemini API、Antigravity、Spark 和企业平台，第三方 harness 接入需要时间，不用 FOMO。
想尝鲜的人：AI Studio 直接上。 100 万 token 上下文，文字、图片、视频、音频、PDF 能一起塞，思考强度三档可调。但区域问题要有心理准备——这两天"地区不支持"的反馈不少，先搞定环境再开玩。
还有三件事值得盯着
一是半价会不会续期。官方口径是年底截止、一月恢复原价，想把长期成本模型建立在 0.75/3.75 美元上的，先等官宣。二是 3.5 Pro 的去向。Pro 线还停在 3.1，旗舰缺席三个月，也有搁置传闻；这是 Koray 接掌 DeepMind 后的第一张牌，Flash 若继续以这个节奏抢 Pro 的活，Gemini 整条产品线都要重排。36氪
三是同一时间线上，DeepSeek 的峰谷定价 8 月 17 日生效：V4 Pro 高峰输出到 27 元/百万 token，较旧价涨 350%。微博 一边谷歌砍半、一边 DeepSeek 涨价，便宜档模型的地图这个月正在重画，廉价模型用量大的人，这两笔账值得持续盯着。
一句话带走：促销期价差为零，先拿自己的任务灰度；谁更稳地把活干完，谁配接流量。
