Gemini 3.7 Flash 跑分曝光：性能大涨但指令遵循存短板

谷歌 Gemini 3.7 Flash 模型的多项基准测试与跑分数据近日集中曝光。数据显示，该模型在编码、推理及文本竞技场等评测中较前代大幅提升，并以极低的价格和极高的速度重塑了性价比前沿。然而，多位评测者指出其实际应用中的指令遵循能力依然是明显短板，且在部分测试中存在“过度思考”导致成本飙升的问题。

已确认

• 竞技场成绩：据 LMSYS 数据，Gemini 3.7 Flash (High) 在文本竞技场取得 1490 分位列第 9，较前代 3.6 Flash 的第 16 名显著提升；在 Code Arena: WebDev 中获得 1588 分登顶。
• 基准测试提升：OSWorld 得分从 33.8% 跃升至 47.9%；FrontierCode 基准从 34.4% 升至 43.6%；知识工作推理（GDP.pdf 基准）从 22% 升至 34%。
• 智能与性价比：在 Artificial Analysis 智能指数中得分为 56（同类中位数为 34），在同时要求“最快速度”与“最高智力”的推荐测试中登顶。作者 @petrusenkomax 确认其成本较前代减半。
• 未达最优项：在 VoxelBench 评测中位列第七；开发者 Zachary Nado 指出其在 BenchBench 评测上未达 SOTA（当前最优）水平。

尚未确认

• 实际体验争议：作者 @bindureddy 评测指出其得分略低于 Kimi K3，且指令遵循能力依然薄弱，导致实际应用体验不佳。作者 @teortaxesTex 则批评该模型存在“过度思考”问题，在某些用例中性能不及 Pro 版本，且使用成本高达 Pro 的 4.5 倍，性价比不佳。

为什么重要

Gemini 3.7 Flash 展现了谷歌在中端轻量模型上的激进定价与性能跨越，直接拉高了同类竞品的性价比门槛。但基准跑分与实际指令遵循能力的脱节，也再次引发了开发者对当前评测体系有效性的探讨。

2026-08-13 ~ 2026-08-14 · 14 条相关

事件全程(共 3 集)→

• 第 1 集:Gemini 3.7 Flash 跑分曝光：性能大涨但指令遵循存短板(2026-08-13,14 条)
• 第 2 集:Gemini 3.7 Flash 后台泄露将发布，定价减半且 Pro 版或遭弃用(2026-08-13,9 条)
• 第 3 集:谷歌发布Gemini 3.7 Flash：编码与智能体能力大幅提升且降价50%(2026-08-14,40 条)

• Gemini Flash被指性价比不佳：性能不及Pro且成本高出4.5倍 — teortaxesTex · 2026-08-13
• Gemini 3.7 Flash 基准测试结果曝光 — virtualQubit · 2026-08-14
• Gemini 3.7 Flash 基准测试成绩曝光 — Expensive_Syrup_6529 · 2026-08-14
• Gemini 3.7 Flash 跑分大跃升，文本榜单冲至第 9 — arena · 2026-08-14
• Gemini 3.7 Flash 跑分曝光：VoxelBench 榜单位列第七 — legit_api · 2026-08-14
• 【源头】Gemini 3.7 Flash 跑分曝光：文本竞技场达 1490 分 — arena · 2026-08-14
• Gemini 3.7 Flash 登顶代码竞技场，性能与价格重塑 Pareto 前沿 — airesearch12 · 2026-08-14
• 【源头】Gemini 3.7 Flash基准与性价比分析：速度登顶，智能排名第16 — ArtificialAnlys · 2026-08-14
• Gemini 3.7 Flash 评测：表现优异但未达 SOTA — zacharynado · 2026-08-14
• Gemini 3.7 Flash实测：编码与推理能力大幅提升，成本减半 — petrusenko_max · 2026-08-14
• 曝 Gemini 3.7 Flash 编码评测大涨，智商超 Sonnet 5 且价格极低 — ChrisGPT · 2026-08-14
• 数据打脸「谷歌不行」论：Gemini Flash 登顶速度与智力榜首 — altryne · 2026-08-14
• 【源头】Gemini Flash 3.7 跑分不及 Kimi K3，指令遵循能力依然薄弱 — bindureddy · 2026-08-14
• Gemini Flash 3.7评测：得分略低于Kimi K3，指令遵循仍是短板 — bindureddy · 2026-08-14