三周一次迭代，谷歌把性价比推到新低
2026 年 8 月 19 日，Google DeepMind 发布 Gemini 3.7 Flash。距离上一代 3.6 Flash 仅隔三周，谷歌延续了 Flash 系列高频迭代的节奏。新模型定位为"迄今在编程和智能体任务上最智能的主力模型"，主要面向软件工程、网页开发与多步骤工作流。对一个以"快迭代"著称的厂商来说，三周一更并不意外，但把价格同步砍半，才是这次最值得企业关注的动作。
价格是最直接的看点：API 促销价输入每百万 Token 0.75 美元、输出 3.75 美元，约为 3.6 Flash 的一半，促销持续到 2026 年底，2027 年起恢复原价（届时输入 1.50 美元、输出 7.50 美元）。对企业来说，单位智能的成本继续下探，意味着把智能体工作流跑在生产环境的经济门槛又低了一截，过去因为"太贵不敢规模化"的顾虑被进一步消解。
编程与自动化能力明显上台阶
谷歌公布的基准里，DeepSWE v1.1 从 49.0% 提升到 65.3%，FrontierCode 1.1 Main 从 34.4% 升到 43.6%，AutomationBench 从 17.0% 升到 30.4%。WebDev Arena 的 Elo 从 1538 升到 1588。这些是厂商自测数据，独立生产验证还需要时间，但方向一致：更少的提示词、更完整的首轮产出、更强的多步骤执行。多位行业分析师也提示，要看这些数据能否转化为更少的纠错循环和更低的人工干预。
模型已可通过 Google AI Studio、Gemini API 和 Gemini Enterprise 使用，并接入 Gemini Spark 智能体做工作流自动化。值得注意，谷歌把更新重心放在 Flash 这种高性价比层级，面向复杂推理的 Pro 系列反而节奏更慢——这种"分层更新"策略，和 DeepSeek 同时推 V4-Pro 与 V4-Flash 的思路相似，折射出业界在高性价比与高能力层级之间的分化。
对企业选型意味着什么
当头部模型在性价比层级快速逼近，模型本身越来越像"原料"，真正的差异化落在数据就绪度、治理能力和编排层。采购团队评估 AI 时，能力、延迟和成本正变成不可分割的一组标准，单纯比参数已经没有意义。企业更该问的是：我的数据准备好了吗？工作流能编排清楚吗？决策归属和可审计性怎么落地？
对做 GEO 的服务方而言，模型降价会带动更多企业把内容生产、官网问答自动化接入 AI 工作流，官网作为"可被机器读取的权威信源"的价值反而更高了。模型越便宜，被调用的次数越多，官网内容被检索和引用的机会也越多。
不要被厂商基准带偏节奏
每次新模型发布，厂商都会放出一串漂亮的基准数字，本次 Gemini 3.7 Flash 也不例外。对企业决策者，这些数字的意义不在于"谁比谁高几个点"，而在于验证一个大趋势：编程和自动化这类高频工作流，正在被模型快速填满能力。企业真正该投入的，是把自己的业务知识沉淀成机器能读懂、能引用的形式，而不是追着每个新版本换工具。
从 GEO 视角看，模型降价会让"AI 直接帮用户办事"变得更普遍——用户问一句"附近哪家活烤鳗鱼靠谱"，答案可能直接来自对多个官网的结构化抽取。官网如果没做好结构化与事实呈现，再便宜的模型也帮不了你被看见。
信息来源
- Google Gemini 官方发布说明（Release Notes）（2026-08-19）
- 腾讯新闻：Gemini 3.7 Flash 发布，价格减半，专注编程与智能体工作流（2026-08-19）